图像综合业务应用。通过存储虚拟化管理，云存储可以整合这些不同业务应用 存储需求，并进行灵活的容量控制。此外，云存储采用统一命名空间，易于共 享及统一集中管理，可在线透明扩展，并可按需配置或增加节点数，自动负载 均衡，无性能瓶颈，性能亦随容量增长，由此有效的解决传统监控存储方案所 存在的管理困难、扩容困难、难以共享等问题。云存储本身也能够支持多路高 清或标准视频并发写入、读取，同时还可快速配置，做到即插即用，再加上完 云存储架构图 云存储中的分布式文件系统采用非对称分布式系统架构，主要包括元数据 节点、数据节点、客户端三个部分，系统构建在基于 x86 平台的存储之上，通 过操作系统的 API 管理磁盘上的数据，系统组成部分作用描述如下：  Master Servers（元数据服务器） Master Servers 元数据节点即为控制节点，元数据中记录所存储的文件的各 种属性，元数据主要包括文件系统的目录结构数据（文件目录树组织），各个 件操作日志记录、授权访 问等等。 元数据节点管理包括元数据的创建、查询等和提供数据存储的大容量空间 管理。管理整个存储系统的命名空间，对外提供单一的系统映像。 元数据节点相当于整个文件系统的大脑，管理各个数据节点，收集数据节 点信息，了解所有数据节点的现状，然后给它们分配任务，协调指示各数据节 点为系统服务。 云存储系统中采用三台元数据节点，可以起到对元数据的重要保护（冗 余）和系统负载均衡的作用（提升系统性能）。

心，提供数据汇聚、资源共享和容灾备份的服务能力，满足业务应用系统的需求，实现业务的 统一管理，统一运营，推进大数据应用的建设需求。 为了满足枣庄市智慧校园数据资源云平台容灾备份能力，规划分别在XX学院双数据中心构 建双活云服务节点，在鲁南云数据中心构建同城灾备中心，通过数据同步及数据备份技术手段 实现应用高可用和同城灾备。 第 11 页 共 157 页 云服务平台的资源池分别通过双光纤链路汇聚到云统一网络出口后，分别接入核心交换机 ）、磁盘容量（仅增）。动 态升级时先关闭虚拟机，之后在启动时将应用新的规格作为配置模板。 6.支持故障切换 当一个计算节点发生故障时，系统支持将故障主机上的虚拟机资源自动/手动迁移至正常 运行的安全计算节点上。故障切换是指虚拟机在宿主机崩溃时，可以将虚拟机在安全节点重新 启动并恢复。 7.支持在线迁移 允许运维管理员登陆运维管理平台，针对用户的虚拟机执行迁移操作。迁移是在线热迁移， 多集群服务应用部署及服务化管理：提供多集群应用部署及服务化管理，包括统一界面管 理、更新、回滚等。 应用服务化管理视图：提供以不同方式查看、展现应用容器，包括根据命令空间Namespace、 应用分类、容器运行节点、列表等方式展示容器列表。 项目管理：提供项目层级配额管理，包括配置该项目的CPU，内存，存储，Pod数量等的配 第 21 页 共 157 页 额。 容器服务健康检查：提供内置容器服务的健康

的管理。Hadoop 的分布式文件系统 HDFS 主要由主控制器和 数据节点组成，主控制器管理名字空间和数据节点，同时管理 数据块到数据节点 DataNode 的映射等。 文件系统中的 DataNode 作为数据节点，主要存储实际的 数据，主要负责所在的物理结点上的存储管理，执行主控制器 下达的命令。数据节点能够及时接收客户发送的读写请求，并 针对这些请求完成相应的操作。从分布式文件系统的结构内部 系统的结构内部 来看，数据文件被存储分割成多个数据块存储在每个数据节点 上，每个数据节点存储着来自多个文件的数据块，同时每个数 据节点上也会存储这些数据块的多份副本，保证后续数据操作 的准确性。 2.13.3、 MapReduce 技术 MapReduce 技术基于分布式文件系统，通过编写相应的 处理过程能够实现对大规模数据集进行并行计算和处理，通过 对不同分析模块编写相关的 MapReduce 大规模数据的精确分析，同时能够控制各个节点之间完成高效 的任务调度。MapReduce 通过将操作分发给网络上的各个节 点，每个节点会周期性的返回它所完成的工作和最新的状态， 从而实现对大规模数据集的操作，这种处理方式保证了操作的 可靠性。 MapReduce 技术处理的方式是,首先将一个具体的任务分 解成为若干个很小的任务，然后将分解后的任务分配到各个分 节点，通过主节点来对分节点的任务进行管理和调度，然后得

的分布式文件系统 HDFS 主要由主控制器和 数据节点组成，主控制器管理名字空间和数据节点，同时管理 118 智慧校园大数据云平台建设和运营整体解决方案 数据块到数据节点 DataNode 的映射等。 文件系统中的 DataNode 作为数据节点，主要存储实际的 数据，主要负责所在的物理结点上的存储管理，执行主控制器 下达的命令。数据节点能够及时接收客户发送的读写请求，并 针对这些请求 针对这些请求完成相应的操作。从分布式文件系统的结构内部 来看，数据文件被存储分割成多个数据块存储在每个数据节点 上，每个数据节点存储着来自多个文件的数据块，同时每个数 据节点上也会存储这些数据块的多份副本，保证后续数据操作 的准确性。 2.13.3、 MapReduce 技术 MapReduce 技术基于分布式文件系统，通过编写相应的 119 智慧校园大数据云平台建设和运营整体解决方案 处理 大规模数据的精确分析，同时能够控制各个节点之间完成高效 的任务调度。MapReduce 通过将操作分发给网络上的各个节 点，每个节点会周期性的返回它所完成的工作和最新的状态， 从而实现对大规模数据集的操作，这种处理方式保证了操作的 可靠性。 MapReduce 技术处理的方式是,首先将一个具体的任务分 解成为若干个很小的任务，然后将分解后的任务分配到各个分 节点，通过主节点来对分节点的任务进行管理和调度，然后得

高校师生对平台及应用的访问具有阶段性和集中性等特点，所以在短时间内 的高并发对平台的性能要求很高，统一鉴权中心也充分考虑高校这一特点，在产 品设计时利用对计算处理资源进行分布式管理，优化高并发数据处理的瓶颈问题， 已突破单节点 500 的并发，提升学校对平台的高性能要求。并提供认证信息 灵活的同步配置策略。 8. 个性化信息门户服务平台 学校信息化应用的统一入口，承载接入的应用，并提供应用的按角色区分的 展现界面 3)消息集成 包含邮件(学校内部邮箱和外部企业邮箱)、短信等多种发送方式，用户可 对消息内容、格式进行自定义。通过消息引擎可实现消息的统一管理与发送。 流程中设置消息节点，当流程审批走到消息节点时，系统将当前节点任务状 态通过邮件、短信的方式发送给待审批人和申请人。 10.2.流程引擎服务 业务流程引擎通过灵活的流程流转模式、卓越的性能与稳定性、对业务化流 程定制与调整的支持、方 PI, 支持将 A PI 注 册服务进行调用。 10.3.流程设计建模 流程引擎的设计采用可视化的作业设计界面，建模过程通过各种模型组件的 托拉拽即可实现对流程作业的设计，模型节点的编辑也无需代码即可简单的进行 配置，让流程设计变得更简单。设计完成的流程模型支持调试、部署、发布、表 单开发等功能。 10.4.业务规则定制(流程规则引擎) 流程引擎中提供业务规则引擎，规则引擎对不同的操作员针对性的提供一些

以 BIM 平台为核心，集成土建、机电、钢构等全 专业数据模型，并以 BIM 模型为载体，实现进度、预 算、物资、图纸、合同、质量、安全等业务信息关 联，通过三维漫游、施工流水划分、工况模拟、复杂 节点模拟、施工交底、形象进度查看、物资提量、分 包审核等核心应用，帮助技术、生产、商务、管理等 人员进行有效决策和精细管理，从而达到减少项目变 更，缩短项目工期、控制项目成本、提升施工质量的 目的。 变更软件 （2）整体项目各专业建模并协调优化，三维模型可在任意位置剖切大样及 轴测图，观察并调整该处管线的标高及碰撞情况。 （3）管线综合后确定各楼层吊顶高度， 配合精装修工作的展开。 （4）BIM 模型管线综合后还可进行实时漫游、重要节点观察批注等。 26 （5）由于 BIM 模型已集成了各种设备管线的信息数据，因此还可以对设 备管线进行较为精确的列表统计。 通过在综合管线设计中对 BIM 技术进行实例应用，由 BIM 传统的施工交底是依靠对二维蓝图的理解，加上人的空间三维想象能力进 行。但人的三维空间想象能力有限，而通过 BIM 可视化的模型，虚拟展示施工 工艺，进行三维技术交底，使施工人员更直观的了解管线走向，尤其是便于理 解负责节点部位，并可以辅助漫游动画，有效提升工程施工安装效率。 27 5、预留洞口 在结构专业前期建模中，预留洞口牵涉到与机电专业的配合，项目中对模 型进行预留洞口出图工作，并根据模型进行设备管线与结构预留洞口之间的校

隔离策略、高可用、 单机多卡、多机多卡 ⃞ku berne tes • 轻运维设计 • 开箱即用，动态资源分配，可视 化算力调整 • 可扩展，企业级安全加密 计算节点 管理节点 存储节点 网络节点 硬件层 操作系统： Centos/ Ubuntu 分布式 / 并行文件系统 GPTJ-6B LLAMA2-7B ChatGLM3-6B BLOOM-7B QWEN-14B

F5G 全光网的管理架构也进行了简化，采用了点对多点的架构，由 OLT 集中 管理 ONU 设备，故只需配置 2 台 OLT，极大减少了网络的独立管理节点，减少 了管理配置工作量。 图 1-10 F5G 全光网对网络节点进行集中管理 F5G 全光网中海量的 ONU 设备无需独立的管理 IP 地址，而是由 OLT 设备集 中管理和统一配置（类 SDN），可将 ONU 理解为 大量的电能消耗，通过架 构优化实现了节能减排。F5G 全光网减少了学校运营中的碳排放，帮助学校承担 公共服务机构在生态文明建设中的示范引领责任。且由于 F5G 全光网减少了有源 汇聚设备等转发节点，减少了拥塞冲突的风险，降低了时延，提高了传输质量， 为持续高效地支撑业务应用系统的数据交互奠定了基础。 图 1-12 F5G 全光网点对多点架构更绿色节能 F5G 全光校园的点对多点架构更绿色节能。OLT 的污染。采用光纤，有助于实现碳达峰、碳中和的“3060”双碳目标。 图 1-13 F5G 全光网采用的光纤绿色节能 F5G 全光网采用点对多点的 PON 技术，简化了末端 ONU 设备的管理，减少 了管理维护节点，减少了维护工作量，实现绿色维护。F5G 全光网的 OLT 设备是 整个 PON 网络的管理中枢，通过光网络终端管理控制接口 OMCI 协议对整个 PON 网络的 ONU 设备进行管理和配置；无需在

并行训练系统（HAI）： 16 路流水线并行(Pipeline Parallelism, PP)、 跨 8 个节点的 64 路专家并行(Expert Parallelism, EP)，以及数据并行 (Data Parallelism, DP) ，大幅提升模型训练速度。 4. 通讯优化（DualPipe）： 高效的跨节点通信内核，充分利用 IB 和 NVLink 带宽特点，减少通信开销，提高模型推理性能。 5 人工智能专业课程体系 人工智能与学科融合课 程体系 北大青鸟 人工智能产品详情 AI编程实训项目 AIGC实训系统 AIGC实训项目 证书认证 精品课制 作 课程资源包 计算节点 管理节点 存储节点 网络节点 操作系统 单机多卡 多机多卡 集群管理 存储管理 镜像管理 数据管理 知识库管理 模型管理 配额管理 机时管理 计费管理 集群监控 算力池化 算力划分 算力动态分配 提示词工程 第70页 高校人工智能教育实践-案例：北大青鸟 节点化流程设计： • 图像流程节点化，通过拖拽和连接节点 即可构建工作流； • 提高了流程透明度，便于定位错误和调 整参数。 高效复用与批量化生成： • 一次搭建，多次复用； • 大幅提升批量任务的效率。 直观的图形界面： • 通过拖放操作快速上手； • 实时预览每个节点的输出效果，便于即 时调整参数。 显存优化与速度提升：

化的校本状态数据集，高职院校人才培养工作 状态数据采集与管理平台网络版的大部分数 据 自动采集于业务数据。 状态数据采集： 智能校园要求 人事系统 教务系统 状态数据的自动采集 采集节点 1 采集节点 2 采集节点 3 每天）自动更新 采集周期起点 共 享 数 据 中 心 状态数据平台 高基平台 师资平台 …… 归档数据 1 归档数据 2 归档数据 3 永久归档库 数