银行分行资源整合云化面临的挑战
近年来,随着资源池化、自动化技术的不断发展,金融机构在大量使用虚拟化技术基础之上,纷纷在数据中心展开了资源整合云化的实践,从开发测试环境到生产环境,从应用层云化到数据库层云化,从资源级管理发放到应用级管理发放,金融机构在数据中心IaaS云平台领域的建设呈现出蓬勃发展的势头。另一方面,金融机构众多分支机构、业务中心、营运中心的IT基础设施却仍然以传统架构进行部署,业界缺乏较为成熟的云化整合解决方案。
以银行为例,各个分行、业务中心/营运中心IT机房分散在驻地,承载本地特色业务,一直以来都存在着设备数量众多、品牌较杂,设备生命周期长短不一,导致运行维护服务水平不高;另一方面,由于分行科技人员知识和技能结构相比总行有一些差距,系统方案、业务上线和应用的高可用性一直无法达到较好水平,影响到了分行IT资源运行和运营效率的提升。
华为超融合架构
超融合架构是基于分布式存储技术上的资源池化架构,与传统架构相比,有如下特点:
|
|
传统架构 |
超融合架构 |
|
部署方式 |
存储、计算和网络分离 |
存储、计算和网络融合 |
|
硬件模式 |
专用硬件 |
通用硬件 |
|
服务方式 |
单独部署、独立管理 |
统一部署、集中管理 |
|
灾备模式 |
HA |
全对等 |
|
扩展方式 |
规划 |
按需 |
|
运营成本 |
高 |
低 |
由于超融合架构涉及虚拟化、分布式存储、资源管理和服务器等多种工程技术,从简化交付、运维和运营角度出发,一体化解决方案相比纯软件解决方案在可靠性保障、故障定位和修复方面、总体拥有成本(TCO)方面优势明显。
从实际部署形态上看,一体化超融合解决方案主要有三种硬件形态,如下图所示:
其中高密形态在网络适配、空间占用方面具有比较好的表现,华为超融合系列架构涵盖了上述三种硬件形态,对比如下:
超融合架构的出现比较好地满足了分行设备型号复杂、分行技术人员对云化技术掌握有限、快速交付、高效运维的要求。
华为超融合架构服务光大银行二级资源池
面对分行IT基础设施现状和需求,华为超融合架构为光大银行全国38家分行资源整合云化提供了高效、可靠、安全的资源池解决方案框架,构建了统一管理、标准化的资源池基础设施。
在本次项目中,华为提供了基于FusionCube6000高密超融合架构资源池解决方案,结合光大银行的需求,进一步梳理和优化实施、运行和运维流程,取得了较好的效果。主要表现在:
分行IT资源架构标准化提升
通过实施超融合解决方案,实现了分行IT架构从传统部署模式向云化部署的转型,方案以全X86硬件平台替代了复杂的FC SAN,每个分行部署4-6个超融合节点,承载60-90个虚拟机应用。以黑龙江分行为例,过去分行各种型号服务器、存储数量超过50个,实施完毕后全部迁移到6个超融合节点上,大大提升了设备的资源使用效率,减少了设备空间占用,简化了分行IT人员运维运营的复杂性。
分行应用高可用水平提升
通过虚拟机HA和分布式存储技术,分行IT应用在本地实现了计算高可用能力,单个节点、SSD卡、硬盘、网卡故障都不会影响计算和存储对外提供服务的能力,这对于过去单机运行时出现的宕机问题在该领域得到了较好的解决。同时也在规划通过增加超融合节点,实现分行之间互为容灾的方案,进一步提升了分行应用的连续性。
快速构建分行资源云化
在实际项目交付过程中,华为优化了供应链和生产流程,实现分行配置预安装,设备到达分行后实现插电即用,1天完成基础资源配置,并利用P2V工具,快速实现分行现有应用向超融合架构的迁移。此外,华为在光大总行部署二级资源池管理平台,通过分权分域等权限控制,总行可以对分行资源实现统一监控和管理,分行自主实现基础资源的维护和发放,大大提升了分行IT运行的可视化和自动化水平。
分行IT服务和运营水平提升
由于采用超融合架构,分行设备品牌和型号得到最大化的统一,对于超融合架构的运维支持服务,华为提供从服务器、存储、网络、虚拟化、云管平台的端到端、全国覆盖的服务体系,确保故障处理流程的标准化和快速响应。此外,在交付完毕后针对每个分行都进行了云化赋能培训、运维和运营手册、常见问题处理流程等,进一步提升了分行IT服务和运营水平。
结束语
超融合架构作为高效、集约、可靠的资源云化解决方案,随着金融机构越来越多地在分行、业务中心、甚至数据中心的应用和实践,正在成为资源云化解决方案的最佳选择。
好文章,需要你的鼓励
AI颠覆预计将在2026年持续,推动企业适应不断演进的技术并扩大规模。国际奥委会、Moderna和Sportradar的领导者在纽约路透社峰会上分享了他们的AI策略。讨论焦点包括自建AI与购买第三方资源的选择,AI在内部流程优化和外部产品开发中的应用,以及小型模型在日常应用中的潜力。专家建议,企业应将AI建设融入企业文化,以创新而非成本节约为驱动力。
字节跳动等机构联合发布GAR技术,让AI能同时理解图像的全局和局部信息,实现对多个区域间复杂关系的准确分析。该技术通过RoI对齐特征重放方法,在保持全局视野的同时提取精确细节,在多项测试中表现出色,甚至在某些指标上超越了体积更大的模型,为AI视觉理解能力带来重要突破。
Spotify在新西兰测试推出AI提示播放列表功能,用户可通过文字描述需求让AI根据指令和听歌历史生成个性化播放列表。该功能允许用户设置定期刷新,相当于创建可控制算法的每周发现播放列表。这是Spotify赋予用户更多控制权努力的一部分,此前其AI DJ功能也增加了语音提示选项,反映了各平台让用户更好控制算法推荐的趋势。
Inclusion AI团队推出首个开源万亿参数思维模型Ring-1T,通过IcePop、C3PO++和ASystem三项核心技术突破,解决了超大规模强化学习训练的稳定性和效率难题。该模型在AIME-2025获得93.4分,IMO-2025达到银牌水平,CodeForces获得2088分,展现出卓越的数学推理和编程能力,为AI推理能力发展树立了新的里程碑。