"一支粉笔,两袖清风,三尺讲台,四季耕耘"是传统学校教育给人们留下的印象。然而,在技术驱动的教育时代,信息技术在学校教育各个领域愈来愈被广泛应用,教育信息化进入快速发展时期。近年来,南京森林警察学院携手浪潮改造传统IT系统,深耕教育信息化,推进教育创新,为智慧校园建设奠定了基础。
南京森林警察学院是由国家林业局主管、与公安部共建的我国唯一一所承担着培养、输送高素质森林公安、森林消防专业人才,培训在职森林公安民警和森林防火指挥员,开展森林公安和森林防火科学研究重任的公安本科院校,在我国公安和林业高等教育布局中地位特殊、使命重大。
由于南京森林警察学院建设时间久远,技术架构已过于陈旧,而原有应用系统较多,大多数应用系统依靠单纯的物理机堆叠,信息孤岛现象严重,没有统一的认证机制,用户身份信息管理繁杂。例如,校园内存在多个应用系统,每个应用系统独立维护自己的用户管理数据库,同一用户在每个系统中都存储独立的身份信息。这样就存在用户身份信息重复录入,系统间的账号数据交换依靠手工进行,数据一致性差,用户需要记忆多个用户名与密码,分别登录多个系统,操作繁琐,容易出错等问题。同时由于缺乏统一数据标准,实时数据交换困难,导致大量资源无法共享。
高校传统IT架构无法实现系统动态扩展和按需调配,造成数据中心高成本硬件投入下的资源浪费,众多应用系统占据大量服务器也导致资源利用率极低。同时,随着南京森林警察学院在校学生数量的增加,原有选课系统面对大量用户涌入,高并发请求时,无法及时处理,造成宕机,影响学生正常选课。此外,数据中心机房空间狭小,系统扩容升级难,安全、容灾、备份系统不够完善,系统的稳定性与可靠性不足,导致整体效率偏低。
根据南京森林警察学院的业务情况,浪潮经过对其应用运营模式、核心业务测试对比、业务系统高峰期特征的分析,提供了SR整机柜服务器并搭配vSAN的架构,借助虚拟化的高资源利用率、弹性扩展、动态迁移、快速部署等特性,帮助南京森林警察学院打破了系统之间的壁垒,使得数据可以灵活调取,资源实现充分共享,更让整个数字化校园信息系统具备了前所未有的可管理性、高可用性和高安全性,大大推动了南京森林警察学院信息化建设步伐,向“智慧校园”的目标又迈进了一大步。
SR整机柜服务器具备的高密度、大颗粒一体化交付、集中供电散热和管理等特点,已成为新一代云数据中心IT基础架构的核心形态。SR整机柜服务器打破了传统机架式服务器的设计标准,采用42U标准工业机柜,由于取消了机柜侧柱设计,使得整个机柜的空间利用率从81%提升到90%。同时,从整体的系统设计角度考虑,节点高度增加5%,机柜深度增加19%,总体空间利用率提高了31%,12KW的机柜中最多可部署48个双路服务器节点,部署密度提高到传统机架式服务器的2倍。相比通用机架式服务器,SR整机柜服务器更高的部署解决了南京森林警察学院机房空间狭小的问题。
SR整机柜服务器采用了两层可靠性管理设计,集中管理模块(RMC)可通过RMC命令行方式,也可使用图形化界面的管理软件进行管理,实现管理中心对整机柜的功能模块和支撑模块统筹管理,而当RMC发生故障时,节点中板将会立即接替对机柜模块的监控工作,保证系统正常运行,方便运维管理,节省了人力成本。通过vSAN架构做虚拟化应用,南京森林警察学院仅用一套设备就解决了原来所有的安全隐患。
南京森林警察学院吴宇宝教授谈到,浪潮SR整机柜服务器和vSAN架构一套系统就解决了我们原有系统的安全隐患,该产品的高密度特性和良好的扩展性,为我们今后系统的扩容预留了空间,尤其是破解了我们机房空间有限的难题,为我们建设智慧校园奠定了基础。
好文章,需要你的鼓励
大众汽车旗下ID. Polo与Cupra Raval已在西班牙马托雷尔工厂正式下线投产。两款车型起售价分别为24,995欧元和26,000欧元,均基于MEB+平台打造,搭载37kWh或52kWh电池组,续航里程最高可达454公里。这是大众"电动城市车家族"系列的首批产品,预计今年夏末秋初开始交付。大众集团通过跨品牌资源整合,实现约6亿欧元的成本节约,后续还将推出ID. Cross等新成员。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
三星宣布将于6月8日起为Samsung Health应用推出重磅功能更新,赶在Galaxy Watch 9传闻发布之前落地。新版本将引入多项AI驱动的生物特征分析功能,包括:综合心率、血氧、皮肤温度等数据的每日活力评分(Vitals)、结合体成分数据评估长期心脏健康的心脏健康评分、优化训练强度的每日有氧负荷追踪,以及横向对比用户群体的健身指数。此外,应用界面将重新划分为睡眠、营养、活动、正念和体征五大板块,并新增抗氧化指数、年龄指数和听力保护等个性化功能。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。