光大银行通过分行二级资源池项目将分行所有资源纳入云管理平台统一管理,与前期建设的总行一级资源池,共同形成创新性的总分两级资源池。
为保证分行二级资源池可落地性,匹配分行简化运维、提升可用性和可靠性需求角度考虑,针对分行二级资源池使用的超融合基础架构设备构建IT系统,提升IT系统的资源利用率,经过综合评估后,采用华为融合架构方案构建分行二级资源云。
在项目建设之初,光大银行制定了项目目标,从16年8月起,到12月初完成全国39个站点的实施,实现:
通过分析,项目困难主要集中在:
(1) 时间紧,不到5个月时间,去除国庆、年底封网等,有效时间不足三个月;
(2) 任务重,涉及部全国39个站点,230节点,5000多CPU规模融合架构环境部署,以及现网业务迁移。
(3) 环境复杂,分行网络等基础设施涉及多品牌、多型号,整体差异较大;
(4) 对人员综合技能要求较高,但分行人员水平及数量不一,分行科技人员对华为产品的熟悉程度不尽相同;
为实现项目目标,华为立项为重大项目,联合光大成立联合项目组,建立分层分级沟通机制,紧密配合,制定详细合理进度计划,通过环境调研、规划设计、试点实施、培训、全行推广、数据迁移六大过程,并加强实施过程中的指导和监控,通过进度计划管理、问题风险管理及需求管理的例行进行,保证了项目平稳有序执行及结果可控。
在执行过程中,通过环境调研,考虑安全性、可靠性、可用性、扩展性及可维护性,量身定制合光大的设计方案;通过集中评审对设计方案和投产实施控制表进行检查和评审;制定标准的实施指导文件,针对分行试点部署过程遇到的历史问题进行分析回顾和对比检查进行问题回顾,总结经验并修正文档;对产品及项目情况在实施前进行统一培训,提升分行客户对项目的熟悉度和技术能力;通过供应链预安装配置,实施前网络、机房环境等基础条件的检查,使分行部署简化,提前规避问题;通过制定质量标准,输出测试用例,代表处自检,数据中心项目组验收等手段,充分验证和测试,保证施工效果。
经过联合项目组的共同努力,达成了以下成果:
项目最终按计划完成建设任务,达到建设目标。在整个项目建设过程中,华为公司人员加班加点,充分体现了以客户为中心,艰苦奋斗的精神,得到光大银行人员的一致认可和表扬。
时间就是金钱,效率就是生命,通过华为规范化、专业化的项目管理,组织遍布全国的交付服务资源,使超融合架构以及更多的新型的金融解决方案,能更快、更广的为客户带来便利、降低成本、创造价值。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
延世大学研究团队通过分析AI推理过程中的信息密度模式,发现成功的AI推理遵循特定规律:局部信息分布平稳但全局可以不均匀。这一发现颠覆了传统的均匀信息密度假说在AI领域的应用,为构建更可靠的AI推理系统提供了新思路,在数学竞赛等高难度任务中显著提升了AI的推理准确率。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
蒙特利尔大学团队发现让AI"分段思考"的革命性方法Delethink,通过模仿人类推理模式将长篇思考分解为固定长度块,仅保留关键信息摘要。1.5B小模型击败传统大模型,训练成本降至四分之一,计算复杂度从平方级降为线性级,能处理十万词汇超长推理,为高效AI推理开辟新道路。