9月27日,由工业和信息化部主办的ICT中国·高层论坛暨2021年中国国际信息通信展览会于今日在北京国家会议中心开幕。在当天举行的新型数据中心高峰论坛上,来自中国移动通信集团浙江有限公司的信息技术部云智能中心(以下简称浙江移动)的郭岳副主任,发表了主题演讲《存储联合创新,助力数据中心建设》,系统地阐述了浙江移动与华为通过智能存储联合创新中心,在全闪存数据中心建设过程中的四大合作成果。

近年来,浙江移动在实现公司战略目标,为业务保驾护航,并提升安全可信能力的驱动下,大力推进数字化改革,积极推进存储安全可信建设与联合创新发展。
随着浙江移动在系统内率先引入华为OceanStor全闪存存储,双方通过边缘试点,核心扩展的方式实现了全闪投产的持续探索。浙江移动与华为通过建立智能存储联合创新中心,实现优势互补,充分利用华为技术创新能力结合浙江移动新技术运维保障能力和新技术场景适配落地能力,实现高层次的互利共赢战略合作。
联合创新中心以实现数据高效可靠存储及数据全面保护为核心目标,分别开展了一系列创新举措,以期在建设全闪存数据中心的进程中实现数据高效存储、数据可靠存储、数据全生命周期高效管理及安全可信。
为提升全闪存存储与前端计算节点间传输效率,全面释放闪存性能,浙江移动联合华为进行NVMe over RoCEv2组网优化工作,基于安全可信的无损以太网技术和改良故障通知机制,实现了存储性能和可靠性的全面升级。双方也从运维面出发开启性能提升探索。通过针对存储池、LUN等进行统一的性能监控,并将检测结果结合AI算法进行性能异常检测、失衡检测以及容量预警,AI性能预测技术可辅助运维人员基于预测主动进行性能优化,实现高效存储。
存储故障AI预测技术,通过AI 算法对存储硬件的健康指标做检查训练,评估资源和硬件的健康度,实现提前通知运维人员进行资源配置优化、硬件备件替换等动作,将故障消除在萌芽阶段。存储故障快速定位技术则利用融合打通后端存储和前端主机之间诸如存储控制器、存储端口、硬盘、主机端口、交换机等相关软硬件的告警监控,实现故障快速定位。联合创新中心通过开展故障预测及定位新技术的探索与实践,逐步实现数据可靠存储。
联合创新中心通过建设以生产为核心,从生产到灾备全场景资源全互联池化,实现副本统一管理,数据自由流动,进而保障生产业务永远在线、关键数据高效备份、副本数据价值利用;通过自动化容灾管理工具与生产业务联动,实现业务容灾自定义自动化,减少人为因素错误,提高容灾切换效率,进而提升数据全生命周期的高效管理能力。
联合创新中心针对不同备份数据实现自动分级保护,采用原生格式备份实现极速挂载恢复,并支持备份数据加密、脱敏,满足日益严苛的业务数据高效、全面备份诉求;为避免存储数据出现逻辑故障,如因勒索病毒,恶意删库等导致数据的完全丢失,联合创新中心通过存储WORM快照、NAS防勒索病毒等自研创新方案保护源头数据安全,实现数据和技术的双重安全可信。
智能存储联合创新中心的建立,将进一步加速浙江移动在存储国产化替换后的安全可信进程;增强浙江移动存储自主创新能力,实现其存储各类AIOps主创新落地;推进端到端解决方案的形成,减少人员和资源投入,助力浙江移动实现降本增效。此外,该联创中心也将推动华为新产品、新技术在浙江移动测试、验证及落地,加速华为全闪存数据中心在电信行业广泛落地和应用。
好文章,需要你的鼓励
随着人工智能和高性能计算持续推动需求增长,数据中心设计正以同样惊人的速度演进。曾经的高密度机架已成为标准配置,冷却系统在数月而非数年内完成重新设计,项目在各地区的规模和复杂性不断提升。全球工程设计咨询公司Black & White Engineering指出,液冷成为标准配置、极端机架密度管理、工业化规模交付、电网约束下的电力创新、AI驱动运营设计以及可持续性成为核心设计原则,将成为2026年塑造数据中心设计、建设和运营的六大关键趋势。
这项由ByteDance Seed、香港科技大学等机构联合完成的研究提出了"轨迹场"这一创新的4D视频表示方法。研究团队开发的Trace Anything系统能够在单次前向传递中为视频中的每个像素预测连续的三维轨迹,无需光流估计或迭代优化。通过构建大规模合成数据平台和精心设计的训练方案,该方法在轨迹估计基准上实现了最先进性能,同时推理速度比竞争方法快10倍以上,并展现了运动预测、时空融合等多种涌现能力。
Snowflake本周推送的一次更新导致全球范围内的"重大故障",用户长达13小时无法查询数据、文件导入失败并收到错误信息。初步调查显示,最新版本引入了不向后兼容的数据库架构更新,导致版本不匹配错误。此次故障影响了全球23个区域中的10个,包括美国、欧洲和亚洲多个数据中心。这是Snowflake一周内第二次发生事故。
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。