1 关于昆明航空
昆明航空由深圳航空投资控股,是云南省唯一一家本土航空企业,主要经营航空客货运输业务。随着机票分销政策改革的逐渐深入,“提直降代”(即提升机票直销、降低代理分销)已经成为国内航空公司业务变革的首要目标。“提直降代”及相应销售模式的变化,给昆明航空现有IT系统带来很多挑战,亟需创新的技术和灵活可扩展的平台作为支撑。
2 挑战
昆明航空“提直降代”私有云平台建设项目初期涉及官网、OTA(在线旅客代理)接口、微信和呼叫中心等模块,包含IBEAPI(中国航信互联网订座引擎)服务、运价/客规查询、呼叫中心行程单服务、优惠券查询使用服务、保险查询预订服务、值机服务、常旅客会员服务、支付服务、航班动态查询服务等在内的多项业务。
基于对未来可扩展性、安全性和稳定性等多方面的考虑,昆明航空信息中心将逐步对现有系统进行改造,通过拆分原有各应用系统中的公共功能,以服务的方式供各系统共享,实现系统之间的解耦合,最终实现高可用和横向扩展。此外,基于应用和业务场景的需求,昆明航空亟需一套云平台提供业务支撑。云平台要具备多种PaaS服务能力,同时具备高性能、成熟性、开放性、可扩展性、资源弹性、安全性及易用性等特性。
3 解决方案
基于昆明航空的私有云建设需求,青云QingCloud为其提供了一套完整的云计算解决方案,包括稳定可靠、集成统一、弹性伸缩、智能高效并自主可控的云基础架构平台,以及数据库集群、缓存集群、对象存储、大数据平台和容器等服务于一身的PaaS平台。其中,云基础架构平台包括IT基础设施层的所有组件,与昆明航空对云平台的需求相契合。此外,昆明航空的业务应用还可以通过QingCloud的应用编排引擎一键部署到测试、生产等多个环境中。
●简化管理
整合客户现有以及新购的计算设备,按照业务需求动态分配和共享资源,将服务器与员工之间的比例降低了80%,大大节省了成本;同时,基于动态响应的全功能管理页面、丰富的监控和分析能力、完善的资源管控功能,提高了管理运维效率。
●集成便捷
提供全功能API,同客户现有系统和服务无缝集成,帮助其实现端到端的流程穿越。同时支持用户通过API对接统一的监控与报警平台,实现企业内的管理一体化。
●加快部署
秒级创建所有虚拟资源,大幅提高资源供给速度。通过制作自有镜像和部署脚本,快速批量创建和转移服务器,部署步骤都通过标准的自动化模板统一完成,将部署周期缩短到几分钟,提高了业务快速上线的能力。
●服务稳定
通过P2P机器人智能运维系统监控所有资源,完成自动化的调度,协同保障故障无害。青云QingCloud云平台软件实现的集群高可用性,弥补了单节点硬件设备的缺陷,保护用户免受意外设备与环境故障的影响。通过技术手段确保每位用户的服务质量(QoS),以及体验的一致性,确保上层业务稳定运行,始终如一。
●开放
无硬件绑定,不依赖任何特定硬件,如集中式存储、SSD硬盘、SDN交换机、物理负载均衡器等。提供标准计算资源和中间件,无厂商锁定。无限制开放全部API,提供SDK和CLI。提供定时器、自动伸缩、应用中心等平台层API支持,用户可利用QingCloud的功能框架构方便地实现客户化需求。
●提升创新能力
从投资和运营上节约的成本,再结合业务快速上线的能力所节省的时间,业务部门将会有更多的资金和时间瞄准新市场推广新的业务。这样也就给业务部门提供了更多创新业务的空间和可能性。
4 客户评价
昆明航空IT部门表示,业务创新对昆明航空的IT建设和运营提出了更高的要求,选择青云QingCloud作为昆明航空的云服务合作伙伴,主要基于其高度成熟和产品化的云计算解决方案,满足昆明航空对私有云平台建设的全部需求。作为国内航空业云战略转型的领跑者,昆明航空希望通过与QingCloud的合作进一步提升IT的整体创新能力,加速业务的创新与转型。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。