至顶网服务器频道 06月22日 新闻消息: 今天,双活数据中心已成为企业和机构保持业务连续性的最佳手段,实现双活数据中心的技术包括网络、存储、数据库和应用四大层面。近日,浪潮推出基于虚拟化服务器管理软件ICS+智能存储G2的双活数据中心解决方案,帮助用户降低总体拥有成本,提高系统稳定性和应用灵活性,最终保证关键业务的连续性。
为确保数据始终可用和业务持续在线,广大厂商和客户花费了大量的时间、精力和金钱建立了所谓的"双活数据中心"。人们希望,双站点数据中心的可用性、从存储故障中断中立即恢复能力,以及服务器故障"零延迟"切换的能力,可以帮助实现业务7x24式可用性、可服务性的苛刻要求,满足用户对IT业务服务水平协议的严格要求。对于一些关键、核心、维系企业信誉与存储的业务来说,即便是具有高度可靠的硬件体系、高可用的CDP(持续数据保护)技术或是某些特殊的软件方法保护,但拥有一个由互为镜像的、双活的硬件架构与软件平台维系的"双活数据中心",仍然提高业务终极可用性、可靠性、防范业务风险的最后保障。
实现双活数据中心四个要点
虽然不同厂家对双活数据中心之理解和定义并不一致,但一个好的双活数据中心方案通常具有四个要点:

双活数据中心方案
第一,网络双活。从网络来看,双活数据中心需要将同一个网络扩展到多个数据中心,在数据中心间需要大二层网络连接,并且实现服务器和应用的虚拟化数据中心互联技术,以期达到快速部署,灵活创建虚拟化网络的目的。网络双活是数据中心双活的基础。
第二,存储双活。存储双活使信息能在数据中心内部以及数据中心之间共享、存取或移动,从而将各种不同的存储系统联合成为单一资源。它允许地理上分离的两个数据中心间的存储系统同时进行数据存取、对客户透明,且保证数据的可靠性和可用性。存储双活是数据中心双活的重要基础。
第三,数据库双活。数据库双活是指两个数据库系统可以在相隔比较远的情况下同时运行、支持相同的应用负载,并且在一方出现故障时能够迅速切换到另一方(分钟级),保证业务高可用性。
第四,应用双活。指数据中心双活在应用处理层面上实现了完全冗余,在线交易通过负载均衡自动路由到不同数据中心的应用服务器,所有的业务系统同时在同城两个数据中心运行、同时为用户提供服务;当其中一个数据中心的应用系统出现问题时,由另一个数据中心的应用来持续提供服务。
双活数据中心需要在数据中心从上到下各个层面都要实现双活,即存储、服务器、网络、数据库、应用各层面都具有双活设计,这样才是在真正意义上实现数据中心层面的双活。
浪潮双活数据中心解决方案
目前,企业中的IT基础架构设施大多是历经多年发展和积累起来的,从硬件设备、网络、存储、应用软件、中间件到数据库均是各种各样,不同层面的整合各家又都有不同的技术,在多种可能的技术选择方案中寻求平衡和控制非常复杂,因此整合这些资源是实现数据中心双活的难点。
针对这一现状,浪潮采用虚拟化服务器管理软件ICS+智能存储G2相结合的模式,打造出独特的双活数据中心解决方案。方案利用G2跨数据中心的存储虚拟化功能和数据镜像功能,结合上层ICS应用集群,使两个数据中心都处于运行状态,可同时承担相同业务,从而提高数据中心的整体服务能力和系统资源利用率。同时使用独立的仲裁服务器作为防止应用系统中存储脑裂的发生,依赖第三方的仲裁点实现对应用中存储故障的处理,当单数据中心故障时,业务自动切换到另一数据中心,实现RPO=0,RTO≈0,解决了传统灾备中心不能承载业务和业务无法自动切换的问题。
浪潮双活数据中心方案价值
基于上述描述,浪潮推出的虚拟化服务器管理软件ICS+智能存储G2的双活数据中心解决方案,为客户带来三大价值:
浪潮双活数据中心方案价值
·降低总拥有成本(TCO)
整合虚拟管理软件和存储设备,使用浪潮提供的统一软件管理及基础存储设备,可以节约设备安装及运维时间,并能在运维期间享受本地化的技术支持和故障处理,从而降低IT系统安装与运营的时间和物理成本。
·提高系统稳定性
提高系统应用可用性,营造具有透明负载均衡、动态迁移、故障自动隔离、系统自动重构的高可靠服务器+存储设备应用环境。通过虚拟化服务器集群及存储管理功能来降低系统宕机对业务连续性的影响。
·提高应用灵活性
通过动态资源配置提高IT对业务的灵活适应力,支持异构操作系统的整合,支持旧应用的持续运行以减少迁移成本;支持快速转移和复制虚拟服务器、支持快速存储数据转移和复制,从而为客户提供多种简单便捷的灾难恢复解决方案。
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。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
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。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。