当前中国各省各地市正处在谋求转变经济发展方式、加快推进产业转型升级的关键时刻,推动地方政府政务智慧信息产业发展对地市未来的发展具有十分重要的战略意义。为此,各省地市政府决定拟建设政务公共数据中心、政务云计算运维中心、数字城市监督指挥中心、党政综合网站信息中心等城市政务云基础枢纽,并将其命名为各式各样的“电子政务云”工程。在过去的2014年,各地市政府工作报告中也明确提出要加快“电子政务云”工程等信息化基础项目建设,推动智慧城市建设和智慧产业发展。
目前各省地市政府的原有电子政务外网业务分散建设,如网上办事大厅系统、数字法人身份认证平台及在线咨询系统等业务分散在几十个委办局的小数据中心,相互独立形成“信息孤岛”,信息和资源难以共享,难以形成高效统一的电子政务网站群。因为业务独享物理的计算和存储资源,资源利用率平均不到16%,造成了很大浪费。
华为针对各省地市电子政务外网的情况,借助成熟的云计算技术设计了完善的资源整合方案以最大化的发挥政务云平台的价值,推出华为政务云数据中心解决方案。按照“统筹规划、适度集中”的原则,华为与合作伙伴一起帮助客户规划和建设市级电子政务云平台互联网云,构建资源共享的互联网云基础设施,统一为全市综合及市级政府部门的电子政务公共服务类应用提供“按需、动态、可靠、高效”的基础软硬件支撑服务和运维保障;同时构建市级互联网云应用支撑平台,面向全市综合及市级政府部门的电子政务公共服务类应用提供成熟、先进的应用组件和灵活、自助的应用开发集成服务。
华为政务云数据中心方案采用云计算技术建设电子政务数据中心IaaS平台,提供从服务器、存储设备、网络设备、安全设备、云平台到统一运维管理系统的端到端解决方案,实现集约化建设,有效地降低成本、提升效率、保证绿色可靠。该方案最终把几十个小数据中心的政务外网业务用一个云平台来承载,共享的架构解决了信息共享的问题,使得计算资源平均利用率大幅提升到55%。原有众多的分散互联网接口统一为一个,采用完善的安全防护方案,极大降低了安全隐患,实现了快速统一防御和管控。原来几十个数据中心独立运维管理,现在集中到了政务云数据中心统一运维,华为提供了可视化的统一运维管理系统ManageOne,大大提升了运维的专业性,运维人力显著降低。这些产品具备全套自主知识产权,并且具备核心技术开发和定制能力,符合政府在信息安全方面的法规需求。在后期交付过程中的业务云化迁移是一个专业化的服务过程,包括现状评估、规划设计、实施验证、试运行、业务上线等关键的环节。华为在以往项目业务云化迁移中积累了丰富的经验,形成了成熟的方法和流程,并且开发了P2V(物理机到虚拟机)、V2V(虚拟机到虚拟机)、数据库迁移等一系列的自动化迁移工具。这些高效的迁移工具和服务,帮助政务云平台业务快速平滑迁移,极大提升迁移的效率和准确性。
方案应用后,将原来各省地市政务的几十个小数据中心不到16%的计算资源平均利用率提升到55%;互联网统一出口后,网络攻击、病毒攻击等安全威胁降为原来的5%;在运维方面,原有几十个小数据中心的运维人力需要几十人,而政务云数据中心仅需几个人维护管理。
“华为公司针对政务外网的应用场景进行了积极深入的调研和测试等工作,对地市政府的需求有很深的理解,同时完善的产品系列和技术上的实力令客户叹服,极大的推动了各地市政府电子政务向更高层次跃进!”
好文章,需要你的鼓励
计算机历史博物馆软件馆长Al Kossow成功恢复了上月在犹他大学发现的半世纪前磁带内容。UNIX V4是首个内核用C语言编写的UNIX操作系统版本,已从1970年代九轨磁带中成功恢复。现可从互联网档案馆下载并在SimH中运行。该版本包含约5.5万行代码,其中2.5万行为C语言,内核仅27KB大小。恢复过程使用了readtape程序采样原始磁通变化进行数据重建。
新加坡南洋理工大学研究团队提出"棱镜假设",认为图像可像光谱一样分解为不同频率成分,低频承载语义信息,高频包含视觉细节。基于此开发的统一自编码系统UAE,通过频率域分解成功统一了图像理解和生成能力,在多项基准测试中超越现有方法,为构建真正统一的视觉AI系统提供了新思路,有望推动计算机视觉技术向更智能统一的方向发展。
亚马逊云服务宣布其存储网关现已支持Nutanix的AHV虚拟化管理程序,进一步扩展混合云存储解决方案。此前AWS存储网关已支持VMware ESXi、微软Hyper-V和Linux KVM。由于AHV基于KVM架构,AWS表示添加支持相对容易。随着Broadcom收购VMware后策略调整,许多企业正寻求替代方案,Nutanix成为热门选择。分析师预测VMware可能在三年内失去35%的工作负载。
芝加哥伊利诺伊大学团队提出QuCo-RAG技术,通过检查AI训练数据统计信息而非内部信号来检测AI回答可靠性。该方法采用两阶段验证:预检查问题实体频率,运行时验证事实关联。实验显示准确率提升5-14个百分点,在多个模型上表现稳定,为AI可靠性检测提供了客观可验证的新方案。