方式下，高负载链路利用率：低负载链路利用率达7:1，即流量 无法有效hash，高负载链路堵点概率极大。因此对网络负载均衡 4 调优、无损传输等提出了更高要求。同时大模型的训练和推理也 对网络的可靠性提出了更高要求，任何网络中断都可能导致训练 失败或推理错误，降低集群算力的效率。 三是高可维网络挑战。大模型单次训练时间在数天-月级。 训练期间如果出现网络不稳定的问题，会影响整个训练任务的进 度。且大模型训练环境涉及各软硬件组件配合，运维复杂。例如 恢复能力的高可用网络，减少因网络故障中断、网络拥塞低效等 问题带来的算力资源浪费，保障分布式计算任务的稳定进行。 1.高可靠传输网络 相较于传统网络，大模型训练网络对丢包中断等异常情况的 容忍度更低，对故障敏感度更高，收敛时间要求更严，有更高的 可靠性要求。传统网络依赖控制面协议探测协商，故障中断时可 能产生百毫秒左右的短暂中断，但是这百毫秒中断若发生在数据 读取或模型更新等关键阶段，系统会丢弃这批数据或在恢复后重 90%以上。转发过程如图 5 所示： 图 5 包级负载分担 值得一提的是，使用包级负载均衡技术，需要解决报文在网 络中乱序的问题。当接收方接收到的报文顺序与发送方发送的报 16 文顺序不一致，会造成业务中断。目前解决报文乱序问题有两种 方案，一种是在端侧进行报文排序，此方案对交换机的要求比较 低，仅需支持报文分片和流控机制；另外一种是在网络侧进行报 文排序，此方案需要交换机支持报文分片和流控，以及支持报文

控的全景视图 融合管理： 支持超融合一体机管理，商业市场运维系统归一，简化客户作业面； · 成本低、效率高： 一套管理系统、技能复用、信息共享； · 业务中断少： 通过实时感知ICT设备健康状态，实时处理，有效减少因设备故障导致的 业务中断； · IT规划有依据： 通过系统提供的月度、年度等资源使用报告、故障报告，分析ICT系统的 · 关键瓶颈、辅助规划设计。

系统陆续迁移到云上，使得金融云平台承载的业务规模不断扩大，重要 性不断攀升。随之而来的是，业务对持续高可用的要求更加苛刻，尤其 是核心业务上云后，任何业务中断都会引发重大的影响。金融对公众开 放的核心业务一旦中断会造成严重的社会影响甚至引发信用危机。除业 务中断外，业务的劣化，如卡顿、报错等，也会造成最终用户的不满和 投诉。这就对承载核心业务的云平台提出了更高的稳定性、可靠性要 求。 除了稳定的产 全团队还会面临技术上的限制，从而需要花费更多时 间来研究和实施解决方案。 在实际业务场景中，由于安全管理不善造成重大事故 和业务损失的案例并不鲜见，如误删数据库账户造成 结算业务失效，误删虚拟机造成业务中断，租户权限 管理不当误删OBS桶等等。云化、集中化虽然提升 了业务的创新速度，也让运维安全的管控以及租户安 全的治理变得更加复杂，所以运维安全是业务可靠性 保障的基石，也是运维现代化的基础。

塞。最后，控制器将路径信息再下发给网络设备，由网络设备作出路径调节。 图2 网络级负载均衡技术 （3）高性能WSON技术 传统的WSON重路由时间为秒级到分钟级，现网测试中容易发生概率性训练中断事件，影响智算业 务。因此，需要进一步提升WSON的重路由能力，实现确定性的光层恢复能力。 针对智算百公里级互联场景，本方案利用WSON 50ms技术可以在提供相同保护能力的情况下降低对资 源 中的加密性，防止数据 被非法解读，从而有效降低泄露风险。 2. 复杂的网络环境风险： 电信行业运作依赖多种网络设备和系统，但这也提高了安全风险。黑客可能利用漏洞发起攻击，造 成数据泄露或服务中断。为应对这一挑战，相关平台采用人工智能和机器学习技术，实时分析网络流量 和用户行为，识别异常活动和潜在安全威胁。这些技术通过持续学习，不断优化性能，有效抵御日益复 杂的网络攻击。 3. 内部人员风险： 和业务扩展时，能够更加从容应对。此外，项目在实施过程中采用了专业的上线保障服务和高效的迁移 工具，使得迁移过程高效、低成本，兼容度高达99.98%。这种高效、低成本的迁移策略，不仅减少了迁 移过程中的业务中断时间，也降低了迁移成本，提高了投产效率。综上所述，联通商城APP数据库国产化 替换项目在技术创新、性能优势、安全性优势、可服务性优势等方面均表现出色，处于业内领先水平。 通过国产化替代，项目不仅

速度和用户体验。随着 AI 在实时推荐、预测建模、语义分析等场景 中的深度应用，算力需求呈现明显的波动性与突发性，缺乏动态算力 与资源调度能力的系统面临性能瓶颈、任务积压、性能延迟、甚至服 务中断等问题。针对此，这一能力支持根据上层应用的实时需求，自 动、智能地分配底层算力资源，例如 GPU、CPU 等，能够在推理请 求量高时即时增加 GPU 节点数量以保障推理性能，在批量任务时优 先 行的关键一环。 该能力支持全程跟踪每个任务执行状态，包括待执行、进行中、已完 成、异常中断等，确保任务状态监控实时性达秒级；支持实时异常检 测与管理，确保出现异常时自动触发预测规则，例如自动重试多次、 提升任务优先级、切换至备用执行渠道等；在复杂异常场景中，支持 基于实时数据重新推理，确保业务不中断。 4）结果闭环反馈 结果闭环反馈能力是实现动态调整和持续改进的关键功能。该能 防护等方式，保障数据传输与 访问链路的安全性与稳定性。审计与监控还应与告警机制联动，实现 异常事件实时告警与自动响应，实现闭环安全监控与管理。 4）灾备与恢复 灾备与恢复能力确保在系统出现硬件故障、网络中断、恶意攻击 等情况下能够保障数据持续可用与业务快速恢复。该能力支持实时异 地备份，数据库需具备跨可用区高可用部署与数据同步能力，确保主 备节点在不同物理位置运行并实现实时同步，防止单点故障导致的数

伤病现场至医院间的伤员转运 > 医院至医院间的伤员转运 商业应用场景 - 应急救援 院间转运 前方指挥中心投放人员物资至受灾地点 > 受灾群众疏散至外围，快速获得救治 应急救援 地面交通中断， eVTOL 打通救援通 道 垂起 + 爬升 + 出 航 36.5km— 12min GISTC 次级城市医院 院前转运 汶川县城 < 三阶段 > 规模运行阶段 飞行汽车： ● 城际商务接驳

风险分析 风险评价 风险应对 一级流程： 采购业务 二级流程： 供应商选择及维护管理 【合格供应商名单】【未及时审核和更新】，采购 部与不合格供应商发生交易，可能发生交货及时性 差的情况，导致生产中断或停滞，严重情况下可能 还会导致延迟向外部客户供货。 采购部每年对供应商提供物资或劳务的质量、价 格、交货及时性、供货条件及其资信、经营状况等 进行综合评价，根据考核评价结果，提出供应商淘 汰和更换名单，对供应商名单进行审核与更新；并

从 端口保证没有环路；若在一定周期内主端口收不到自己发送的 HELLO，则认为 环网处于故障状态，主节点会打开从端口使其正常转发。 一旦故障发生时如链路 down，故障相邻的节点或端口上会通过中断立刻检 测到故障，并立刻向主节点发送 Link_down 报文，主节点接收到该报文则认为 环处于故障状态，立刻打开从端口，同时发送报文通知其他传输节点更新转发 表，传输节点更新转发表后数据流则切换到正常的链路上。 地址，系统会自动辨别新增设备，对新增设备进行虚拟化整合，这样新增 设备的容量就能融入集群，并作为集群内全部存储资源的一部分为用户所用； 同时，在整个存储资源的扩展过程中，在线业务正常运行，保障用户不会因为 系统的扩容而中断正在进行的正常业务，从而实现存储资源的在线扩展，秒级 交付。 云存储的系统架构保证了存储资源在线扩容的同时，可以满足容量与处理 性能的线性增长，从而提供了无限制的容量增长能力。 3) 虚拟空间的灵活使用 硬件，负责存储本摄像机的抓拍图片，支持 16G、32G、64G 存储空间，单台 相机存储容量大于 8 万张数据，当存储达到最大储存容量时，自动进行循环覆 盖。若网络中断或其它故障，数据无法上传至管理中心时，可暂时将数据存储 在前端 eMMC 中，待网络恢复后前端存储设备自动上传网络中断期间的数据至 管理中心，防止数据丢失。 远程维护功能 系统具备故障自动检测功能，能通过软硬件自动检测系统故障并恢复正常 工作。具有

随着技术以及企业信息化与数字化的迅猛发展，给 IT 运维带来了全新的挑战 业务变化越来越快 系统变更越来越频 新系统上线越来越多 业务访问量快速增长 用户体验要求越来越高 业务处理时效性更高 业务中断容忍度更低 高层对 IT 部门考核更严…… 系统架构越来越复杂 故障类型越来越多 系统负载更大、故障风险高 故障排查、修复更难 技术快速演进与新技术应用 人员技术能力与经验不足

智能告警：采用动态基线等智能化预警技术，第一时间通 过短信、微信、邮件、工单等方式将故障内容快速、准确通知 86 郎丰利 大数据云平台建设和运营整体解决方案 V3.0 郎丰利 到责任人。 快速定责：针对应用系统中断、缓慢等故障，通过应用感 知型网络流量监控产品 NI，通过分析网络流量数据包，从网络、 服务器、应用等多个视角对应用故障进行分析和定位，对故障 点进行快速判断和定责 精确定位：采用代码级应用服务端监控产品 大数据云平台建设和运营整体解决方案 V3.0 郎丰利 5.1.7、 信息安全中心设计 5.2、 行政审批中心云安全风险分析 5.2.1、 行政审批中心云环境面临的传统安全威胁 1、自然灾害、供电中断等不可测风险 • 自然灾害类风险：地震、火山、洪水等 • 机房保障丧失风险：空调或供水系统故障、电力供应失去 电信设备故障 • 技术失效：基础软硬件故障、信息系统饱和、信息系统可 维护性破坏 攻击行为：黑客通过注入病毒木马，将内部服务器当作 “肉鸡”，控制内部服务器由内向外发起 DDoS 攻击 4） 产生的后果：占用系行政审批中心算资源，严重时影响 网络上行带宽，导致行政审批中心云平台服务中断。 5） 主要原因： a) 系统补丁未及时更新，存在漏洞被黑客利用， 进而获取服务器权限； b) 感染病毒木马，服务器不具备查杀能力。 威胁 3：非法入侵 1） 威胁来源：外部。 2）