至顶网服务器频道 02月06日 新闻消息: 住房公积金管理系统是一个事关国计民生的重要系统,保障其高性能、高可用、高扩展至关重要。通过对住房公积金信息化需求的洞察,浪潮推出了基于关键应用主机天梭M13的住房公积金应用解决方案。该方案不仅通过自主可控的主机保障了重要数据的安全性,还具备高性能、高可用特性,能够为公积金管理中心提供查询50万用户、500万条数据,更新200万条数据的能力,满足业务发展需求。

浪潮M13打造高标准公积金应用管理系统
住房公积金管理系统的"高标准"
为保障住房制度改革的顺利进行,国务院一直在全面推广住房公积金制度。住房公积金关系到每一个职工的切身利益,涉及面广、数据量大,因此通过住房公积金管理系统对住房公积金进行全方位管理,确保核算的准确、高效。
要打造能够符合未来发展的单位住房公积金管理系统,首先需要满足海量住房公积金数据对系统性能的要求。住房公积金平台存储的数据动辄达到百万条,查询结果需要在几秒内输出,以快速准确地查询职工公积金缴纳、使用等情况,为相关领导科学分析与正确决策提供数据支持,这就对关键应用系统的查询统计的时效性、高效性,以及数据处理能力提出了极高的需求。
在提供高性能的同时,住房公积金管理系统也需要做到极高的稳定性、可用性。住房公积金管理系统涉及公积金相关业务全方位管理,需要综合房改信息中的各种统计数据,准确反映公积金和其他房改资金的运作状态,因此确保系统在长期运行中的稳定性与可用性,方便群众办事与支撑关键决策,是系统建设过程中必须要考虑的问题。
浪潮关键应用主机M13支撑系统5年发展需求
建立一个高可靠性、高可用性、高扩展的住房公积金应用解决方案,需要高度可靠的服务器和数据库软件的支撑。浪潮提供了基于关键应用主机天梭M13的住房公积金系统解决方案,并采用了面向企业关键业务的浪潮K-DB数据库。为提供业务的可用和可靠性能,该解决方案通过关键应用主机天梭M13来构建整个住房公积金平台。在解决方案中,关键应用主机天梭M13划分4个分区,其中,第一个分区部署应用的前台,另一个分区部署应用的后台,最后两个分区分别安装K-DB数据库,以实现数据库的高可用。方案结构具体如下:
● 终端服务器:住房公积金平台外围通过连接终端机或前端压力服务器,可以对整个测试系统进行外部访问、控制和压力测试。
● 应用服务器:M13节点1部署住房公积金平台前台应用,M13节点2部署住房公积金平台后台应用,两节点间用K-HA双机互备的方式实现前后台应用的高可用。
● 数据库服务器:浪潮M13两个节点作为数据服务器,并采用K-DB数据库,通过光纤交换机与存储相连。
关键应用主机天梭M13是浪潮自主研制的在线交易处理性能最强的单机服务器系统,面向对稳定性和可用性要求极高的银行、政府、大企业用户的超大型数据库应用而设计,具备大型机水平的RAS特性并比肩大型机的处理性能,具备承载大型机应用的能力。
借助于M13的超高性能,住房公积金平台可实现查询百万条公积金数据最长统计时间不大于2秒的查询统计时效性;以及百万条数据最大CPU利用率为60%,最大内存使用率为90%,磁盘IO大于500M/S的查询统计高效性;具有查询50万用户、500万条数据、更新200万条数据的能力,可以完全支撑公积金管理中心未来5年业务发展。
值得一提的是,M13的多层级RAS特性设计是一个自顶向下的系统工程,通过全冗余设计以及全系统故障智能诊断预警系统,能够从链路、部件和系统三个层面实时侦测硬件状态,自动隔离故障,并激活备用资源,从而具备了大型机水平的高可用性。此外,解决方案选择的K-DB数据库在高可用、高稳定方面有很大的优势,能够提升住房公积金平台的业务连续性,同时对所有数据进行实时处理 。
浪潮高端产品部总经理李新伟指出:"浪潮关键应用主机天梭M13能够显著提升公积金管理系统的安全性。此外,浪潮在全国各地建立了完善的技术支持和服务体系,充分利用本地化的优势,为公积金管理中心提供迅捷、周到的服务,从而大大提升了公积金信息化服务水平。"
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。