近日,烟台欣和企业食品有限公司IT平台管理高级经理夏军东基于AWS和Commvault的数据管理接受了包括至顶网在内的媒体采访。介绍了其公司采用Commvault数据备份和恢复管理解决方案,解决了企业数据管理的一些痛点。
像六月鲜、黄飞红这些都是大家天天在用的东西就是欣和集团生产的。目前欣和集团拥有多种畅销调味品的食品制造企业,服务于全球四千万家庭。
长期以来,欣和集团部署了广泛的应用程序和IT平台,像传统企业一样,欣和集团IT建设也面临着“老中青”三代的数据。基于企业自身的数字化转型的需求,集团希望将自己主要的业务系统或者核心的业务系统转型到云平台上。来通过多个平台支持数百TB的数据量。
目前欣和集团已将原有的系统整体迁移到AWS云平台,超过200 TB的数据分散在包括SAP、VMware、SQL Server、Microsoft Exchange和 AWS 在内的多个平台上。因此欣和集团需要基于AWS云平台为基础进行整体的大数据战略规划。希望利用AWS云平台,打造一个基于大数据平台或是业务核心的基础来进行欣和业务的系统转型;一方面欣和集团遇到的挑战就是如何把核心业务系统在转型到AWS为核心的云平台基础之上的同时,还能够继续保持现有业务平台的正常运作;一方面欣和集团目前欣和集团面临的挑战是数据保护缺少集中管理;以及如何降低关键系统RTO和RPO。
经过欣和与AWS双方的讨论和调研,希望结合Commvault在业界几十年的数据保护和管理的能力,共同帮助欣和打造一个线下和云上的统一数据保护管理平台。
“基于Commvault线下保护和云上保护的一体化,同时把基于Commvault的搜索引擎,我们称之为Commvault Activate的能力引入到欣和集团系统,帮助欣和对传统数据的保护进行比较灵活的智能化的梳理。” Commvault亚太区解决方案架构师李可分享到。
同时欣和集团利用Commvault的软件,把原来在线下多个分散的数据中心,比如烟台、济南、北京、上海这些分散的数据源全部都用Commvault系统接管,然后把数据首先在本地实现保护,之后备份直接上云,然后利用云平台做核心的数据存储池,同时来实现以云平台为核心的备份。
欣和集团IT平台管理高级经理夏军东表示:“通过Commvault 和AWS解决方案,我们无需在远程数据中心部署服务器和存储资源,只需将备份数据容灾到Amazon S3上,利用Amazon S3按需扩容的能力和灵活的定价机制,有效控制存储成本。”
“Commvault在全球范围内都与AWS保持着密切的合作,无论从降低数据管理的复杂性、数据安全、无缝集成等多个角度都能够为客户提供高质量的服务。Commvault软件能够与AWS的EC2、RDS、S3、以及AWS Glacier、AWS Snowball等实现一体化的整合,从而帮助企业满足数据管理的需求,降低数据管理的成本,提高数据的可用性,并且有机会挖掘数据更大的价值。” AWS中国区生态系统及合作伙伴部门总经理汪湧在采访中谈到。同时他认为Commvault在欣和整体上云的过程中,提供了数据备份、恢复及管理的解决方案,帮助欣和增强数据备份与恢复的可靠性,大幅提高了数据的管理能力,为业务数据增长提供了强有力的支持。
基于AWS和Commvault的联合解决方案,欣和集团选择部署Commvault Complete Backup &Recovery,简化其数据备份和恢复工作。部署后,欣和集团的关键系统RTO和RPO分别从8小时和12小时降低到2小时,分别缩短了75%和84%;同时核心数据库备份时间缩短至30分钟内;通过全局重删功能,每TB数据的全备份量压缩到100GB左右,大幅节省了存储成本。
同时,Commvault解决方案的全自动操作流程大幅减轻IT人员工作负担,使其能够转向更具战略性的项目。这些改进帮助欣和集团提升了内部系统的服务等级,也提升了为生产、批发、零售合作伙伴搭建的多个供应链云应用的服务等级。
到目前为止,欣和集团主要的核心业务系统已经迁移到AWS云平台,也搭建了基于AWS的大数据平台,并且也开展了很多更加新锐的、基于像IoT之类的研究和调用,比如怎样利用数据,如何把生产数据、产线数据放在大数据湖里做统一的分析和整理等动作;为了更好地支持数据分析,欣和集团部署了Commvault Activate,对其3000多万个文件进行关键字搜索和内容分析,充分利用自身丰富的数据资产探索全新机遇,从而实现数据价值最大化,支持公司业务增长。
好文章,需要你的鼓励
阿里团队开发的FantasyPortrait系统突破了传统人像动画的局限,通过隐式表情表示和掩码交叉注意力机制,实现了高质量的单人和多人肖像动画生成,特别在跨身份表情迁移方面表现出色,为视频制作和虚拟交流等领域带来新的技术可能性。
复旦大学研究团队开发的AnyI2V系统实现了从任意条件图像到视频的生成突破。该系统无需训练即可处理多种输入模态(包括3D网格、点云等),支持用户自定义运动轨迹控制,并通过创新的特征注入和语义掩模技术实现了高质量视频生成,为视频创作领域带来了革命性的便利工具。
Akamai坚持“简而未减、网络先行、拥抱开源”的独特定位。凭借“鱼与熊掌兼得”的特色,过去几年,Akamai在电商、流媒体、广告科技、SaaS、金融科技等行业客户中获得了广泛认可。
斯坦福大学研究团队开发了KL-tracing方法,能让视频生成AI模型在无需专门训练的情况下进行精确物体追踪。该方法通过在视频帧中添加微小追踪标记,利用模型的物理理解能力预测物体运动轨迹。在真实场景测试中,相比传统方法性能提升16.6%,展现了大型生成模型在计算机视觉任务中的潜力。