容器是AI大模型应用的首选运行环境,原虚拟化迁移至以容器为核心的云原生平台,是否会有助于制造企业直接进阶到下一代面向AI的数据中心?
金融行业对于业务连续性和数据安全要求比较高,所以使用了一些扩展性软件来保障数据安全,比如使用了VCenterHA、虚拟机cdp保护(EMC recoverpoint for VM)、统一备份平台(NBU、commvault)、跨数据中心的延展集群、VAAI技术等,国产化是否配套的成熟产品?... more
匿名用户 :主流国产虚拟化平台的配套也是比较完善的,他们产品在设计阶段或多或少都会参考一些VMware的功能。但如楼上说的,确实使用习惯各方面和VMware有一定区别。如果想试试,可以拉几家主流的大厂的做个POC,需要从功能层面去对比,国产化和VMware很多的技术实现不一样。既然早晚得换,心...more
作为其他岗位的运维人员,如何低成本上手学习国产化虚拟平台
1,针对中小城商行,怎么选择合适的小云?可以从哪些方面进行选型考量?2,中小城商行一云多芯的最佳实践案例分享?选型避坑建议?
昨天晚上一个朋友打电话咨询一个Oracle数据库无法启动的问题,是因为之前出现的异常宕机引发的。这是一个因为数据库IO丢失引发的数据库不一致问题,Oracle在数据库启动的 时候发现了一些比较严重的不一致问题,就会无法打开数据库。在数据库原理中,数据库通过Write Ahead Log(WA...more
智能化应用如人脸识别、语音识别、文本识别、智能推荐、智能客服、智能风控等已广泛应用于各行各业,这些应用被称为判定式A I 的范畴,通常和特定的业务场景相绑定,因此在使用GPU( Graphics Processing Unit )卡的时候也通常各自独立,未考虑业务间GPU共享能力,至多实现vGPU 虚拟...more
大数据平台容器化在进行选型POC测试时,需要关注哪些技术指标?
大数据平台容器化的技术路线有哪些,相比较各自优缺点是什么?
如何实现业务容器与大数据容器的混合调度部署?不知道在这块各位老师有没有一些比较好的经验!
请问大数据平台容器化之后,flink、spark等计算任务运行到容器上了,那相应原有部署模式下计算任务读写数据存储的HDFS运行在哪里?读写性能相对原有物理机部署模式有多大差异?
一、银行数据中心搬迁变更背景1、搬迁变更原因某城商行数据中心于某年年投产使用至今经历了10年。随着业务的不断发展,现有数据中心不论从空间、承重还是电力都难以支撑未来的业务增长,为了满足未来的业务增长需求,我行已建设新数据中心,并拟定于XX年完成生产数据中心搬迁变...more
melody2004 · 某城市商业银行 :数据中心搬迁存在很多重大风险点,何况还要做数据库版本升级。作为有过类似搬迁经验的同行从业者,给作者点个赞!
wanggeng · 某银行 :本文针对数据中心的搬迁非常全面了,对同业来说是很好的参考建议。结合我的理解和经验我有几个小建议: 1、个人看法是不建议像数据库版本升级等大的变更操作搭搬迁割接顺风车窗口吧,以免引入其他难以排查的问题导致割接窗口拉长或失败; 2、搬迁完之后,两地三中心等容灾架构的角...more
如何实现业务容器与大数据容器的混合调度部署,两者的调度器的逻辑如何进行统一,以达到在保证安全生产的前提下,充分利用集群资源,降本增效
dean25 · 民生银行 :如何实现业务容器与大数据容器的混合调度部署,两者的调度器的逻辑如何进行统一,以达到在保证安全生产的前提下,充分利用集群资源,降本增效 。针对这个话题我谈谈我的建议:大数据作业通常需要独立的调度器,和在线业务的调度器独立,因为二者的调度逻辑有很大的差异。在线业务用缺...more
jinhaibo · 昆仑银行 :在大数据业务场景下,容器的调度是一个关键的环节,它决定了如何有效地利用集群资源以支持大数据应用的运行。以下是一些建议的容器调度方法:资源需求预测:对于大数据应用,通常需要大量的计算、存储和网络资源。在容器调度之前,可以基于历史数据或机器学习模型预测资源需求,以便提...more
容器化技术路线落地大数据混部技术选型应该时完全容器化还是部分容器化?比如选择Spark on K8s 还是 Hadoop yarn on K8s。
dean25 · 民生银行 :混合部署后,计算部分肯定是完全容器化,存储如hdfs还需要使用传统的hdfs,也就是实现存算分离。如果之前没有大量存量的hadoop yarn提交作业方式,也可以考虑spark on k8s。如果有存量yarn作业需要迁移,可以考虑用yarn on k8s,这样便于存量作业平滑迁移,出现问题也可以回切,也...more
强哥之神 · 上汽集团云计算中心 :在选择大数据混合部署的容器化技术路线时,完全容器化和部分容器化各有优劣,最终选择取决于具体的业务需求、现有技术栈、团队技能和长远发展规划 ,简单来说就三类:* 现代化需求强烈且具备相应技术能力的企业 :可以选择完全容器化,使用 Spark on K8S。已有大量 Hadoop 工作负载...more
容器是AI大模型应用的首选运行环境,原虚拟化迁移至以容器为核心的云原生平台,是否会有助于制造企业直接进阶到下一代面向AI的数据中心?
dean25 · 民生银行 :企业要通过容器技术落地大数据混部,要保证稳定性这块,首先需要确保基础调度组件,如RM,NM的稳定性,同时具备高可用能力和异常情况下快速重启恢复能力。作业提交建议有2此重试机制,如果因为RM/NM偶发异常导致作业失败,可以通过重试恢复。这里说的离线大数据作业都是批量式的,flink...more
强哥之神 · 上汽集团云计算中心 :1、对于部分要求有状态,那么确保有状态服务的数据可靠性和可扩展性,可以使用分布式存储系统 。(比如ceph,hdfs,glusterfs等)2、设计和部署要实现高可用架构,避免单点故障影响系统稳定性。 (比如:多副本部署、负载均衡等)3、要使用自动化工具和监控系统,确保及时发现和解决问题,保...more
一个虚拟化管理平台纳管多个集群和按照网络区域建多个管理台的利弊是什么
yxb86101 · 潍柴智能科技 :一个管理平台应该更优:可以方便管理及运维,唯一问题就是如果故障,影响范围广,但这个可以通过主备或者双活等技术解决。网络隔离势必要有多个平台,成本投入增加,运维管理复杂。
朱向东 · 某银行 :一个虚拟化管理平台纳管多个集群和按照网络区域建多个管理台的利弊是什么?针对这个话题我可以谈谈个人观点。对于虚拟化管理平台来说,如果没有强制隔离的要求,建议采用一个虚拟化管理平台统一管理多个集群,这样便于运维管理和集中纳管。如果有强制隔离要求,则每个网络安全区建...more
努力搬砖 · 兴业银行 :一个管理平台纳管多个网络区域集群优势:1、前期安装部署相对更便捷。只需要部署一套管理平台。2、降低管理及运维成本。只需要在一套管理平台上就可以对所有集群进行管理和运维操作。3、占用资源相对较少。因为管理平台只有一套,也就只占用一套管理平台所需的资源。劣势:1、...more