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
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。