至顶网服务器频道 04月08日 新闻消息: 传统IT架构模式严重阻碍了中南大学智慧校园建设的步伐,资源利用率低,故障恢复时间长、运维成本高等问题迫切需要解决。为此,浪潮提出了以浪潮刀片服务器系统I9000为基础的虚拟化解决方案,帮助中南大学硬件利用率提升70%,故障恢复时间从4小时缩短至几分钟,极大地简化了运维成本。
中国高校信息化进程走过二十余载,先后历经了校园网、数字化校园两大建设阶段,现已迈入智慧校园建设阶段。伴随着国家"互联网+"行动计划的推进,高校信息化建设的理念和模式也在发生深刻变化,信息化建设将实现高校全方位的业务支撑和管理变革,帮助高校构筑和保持核心竞争能力。
要实现这一目标,高校信息化建设必须以需求为驱动,连通内外部资源和服务,进行系统重构,而不是局部升级。目前,大多数高校已做好了转型准备,"互联网+"时代高校信息化建设模式转型已经迫在眉睫。
中南大学位于湖南省长沙市,是中央直管、教育部直属的副部级大学,全国重点大学,国家首批"双一流"、"211工程"、"985工程"建设高校,"111计划"、"2011计划"入选高校,是首批"卓越工程师教育培养计划"、"卓越医生教育培养计划"、"卓越法律人才教育培养计划"入选高校。在信息化建设道路上,中南大学已走在前列。
传统IT架构阻碍智慧校园建设
中南大学信息化数据中心机房内的软硬件资源十分丰富,但是基于传统IT架构模式下的数据中心也在使用过程中暴露出一些问题。例如,传统的IT模式以每个服务器为一个最小化分割单位,或每个应用为分割单位,或者以每个用户为一个分割单位。有相当数量的服务器仅运行规模很小的B/S或C/S架构的应用程序,如OA办公系统、网站等基础服务类型,在此种应用分配模式下,资源无法有效进行整合,资源浪费严重,管理效率低下。
而当发生故障时,运维人员故障定位到服务器往往要花费数小时的时间,包括备份数据,更换硬件,重新安装操作系统,重新安装应用软件,重新导入以前备份的数据,并做各种安全加固。传统IT架构下的故障恢复,影响紧急处理时间的并非运维技术人员的操作水平,而是传统应用模式下IT基础架构固有的特点决定的。一次完整的更换硬件到重新上线,恢复过程一般在4个小时左右。
此外,传统IT架构下,高昂的运行成本通常不在于运维人员的人工成本,而是服务器消耗的大量电力、空调制冷等多方面资源,服务器集数越大,闲置的数量越多,运行维护成本就越高。
选择虚拟化 破除传统架构局限
面对传统IT架构带来的各种局限与不利条件,如何在不改变现有应用软件架构的情况下改变传统的烟囱式IT架构,如何在有限的机房环境中部署更高密度的计算节点,如何降低机房的整体功耗、运维成本……成为中南大学信息中心所迫切需要解决的问题。
针对中南大学信息中心提出的这些问题,浪潮提出了以浪潮I9000刀片系统为基础的虚拟化解决方案,浪潮融合架构刀片系统I9000作为虚拟化应用的物理服务器,每个刀片虚拟出多个虚拟化环境,将闲置资源充分利用起来,实现按需调配。
浪潮I9000刀片服务器系统是浪潮为满足企业级客户关键业务、存储类应用及新应用需求而推出的第二代融合架构产品,支持2路刀片向4/8路堆叠,4路刀片节点最大支持12TB内存,可组建Scale-up架构并拥有极致的内存计算能力,内存容量和性能是同类产品2-3倍,全面支持NVME存储加速方案,满足关键业务对IO吞吐的极致需求,同时四路刀片可平滑升级为八路刀片节点,最大限度保护客户投资,保障关键业务平稳升级;在扩展性方面,I9000具备业界唯一的后置IO扩展模块,单刀箱可支持多达16个标准PCIE设备,满足不同应用的扩展需求。
浪潮刀片服务器系统I9000
简化运维 弹性扩展 数据中心更高效
浪潮的解决方案帮助中南大学实现了端到端管理,运维人员通过Web界面即可了解硬件布局,查看系统与其组件的状态,随时洞悉硬件信息。同时管理模块集成BMC、KVM over IP,使运维人员无论身在何处,只要能登陆互联网,便可对整个系统的状态了如指掌,并可进行系统配置、分配存储池和虚拟磁盘、故障设备的切换、电源开关和服务器重启、系统和数据备份等几乎除了硬件层面外的所有操作,极大地简化了运维管理。
基于I9000刀片服务器系统与虚拟化的结合,中南大学IT系统在面对故障时,可在短短几分钟内就将故障服务器承载的应用轻松切换到另一台服务器上。同时系统快照功能和集中备份能够轻松实现文件的快速备档,进一步保障关键数据可靠性。I9000的3+3电源冗余、硬盘高级RAID、服务器相互冗余、虚拟化等多重安全措施可保障系统稳定运行。
浪潮刀片服务器系统I9000背景
采用支持64位内存扩展技术的软硬件平台, 浪潮服务器I9000每刀可提供多个虚拟化环境(兼容32位应用程序),可根据需要在X32和X64位操作系统之间切换,无需更换硬件。此外,I9000刀片可提供高性能的八路刀片服务器扩展,为中南大学的高性能计算提供保障。
浪潮提供的I9000刀片服务器虚拟化解决方案的成功部署,帮助中南大学信息中心的硬件系统利用率提高了70%,用更少的刀片服务器获得了更高的计算力,既满足了节省设备、降低功耗和提高散热效率的需求,同时也极大地节省了服务器的支持和维护成本。通过虚拟化解决方案,运维人员可以轻松实现服务器的即时配置,更少宕机维护时间,动态调配资源,应用移植到不同硬件平台也无需重新安装。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。