中国联通数字化监控平台稳定性 保障工具落地实践 曹家豪 联通软件研究院 项目经理 目 录 CONTENTS 稳定性保障工具演进历程 1 稳定性保障工具落地场景 及成效 2 当前面临的挑战及未来展望 3 01 稳定性保障工具演进历程 GOPS 全球运维大会 2023 · 上海站 数字化转型中系统安全生产痛点问题 工具职责范围的演进：覆盖广度及深度不断增加 单系统 混沌工程 故障自愈 变更追踪 变更管控 体系建设 故障发现 与诊断 故障恢复 与应急 故障预防 故障调度 体系演进 分布式架构挑战 运维生态挑战 数智运维挑战  端到端稳定性保障体系缺失，自动化、智能化故障处理能力不足  故障处理过多依赖专家经验，故障没有沉淀为有效的资产  故障处于被动防御，救火，运维大数据未被合理价值挖掘  工具重复：工具按烟囱式建设，能力分散 经成为常态和趋势，几何增长的云资源、微服务以及复杂化的调用关系与业务场景，传统人肉运维难以为继， 如何保障系统的全面稳定，保证业务流程的高效运转，为系统运营提出了不小的挑战。 GOPS 全球运维大会 2023 · 上海站 稳定性保障工具建设历程 • 工具化建设 2019 • 产品化建设 2020-2021 • 体系化建设 2022-2023 稳定性保障工具的建设与演进从来不是一蹴而就的，是基于当前的现状与存在的问题，提出解决方案与目标规

中国联通数字化监控平台稳定性 保障工具落地实践 曹家豪 联通软件研究院 项目经理 稳定性保障工具演进历程 稳定性保障工具落地场景 及成效 当前面临的挑战及未来展望 目 录 CO N T E N T S 1 2 3 01 稳定性保障工具演进历 程 随着云原生技术的不断成熟，企业数字化转型也在不断加速，企业 IT 架构进入云原生时代，多云多集群部署 已 经成为常态和趋势，几何增长的云资源、微服务以及复杂化的调用关系与业务场景，传统人肉运维难以为 继， 如何保障系统的全面稳定，保证业务流程的高效运转，为系统运营提出了不小的挑战。 工具职责范围的演进：覆盖广度及深度不断增加 GO PS 全 球 运 维 大 会 2 0 2 3 · 上 海 站 几个 核心系统 单系统 应用维度根因定位 故障点人工恢复 系统具备应急预案 被动应急 被动应急 统一变更入口 故障统一调度 工具建设 数字化转型中系统安全生产痛点 问题 数智运维挑战 n 端到端稳定性保障体系缺失， 自动化、智能化故障处理能力不足 n 故障处理过多依赖专家经验，故障没有沉淀为有效的资产 n 故障处于被动防御，救火，运维大数据未被合理价值挖掘 分布式架构挑战 n 维护对象： 系统节点、微服务数量几何级数增加 n 调用关系：从简单对应到极其复杂，人力维护无法胜任

科 技创新成果丰硕，新质生产力稳步发展；全面深化改革进一步推进，高水平对外开放不断扩大； 全过程人民民主深入发展，全面依法治国有效实施；文化事业和文化产业蓬勃发展，精神文化产 品丰富多彩；民生保障扎实稳固，脱贫攻坚成果巩固拓展；绿色低碳转型步伐加快，生态环境质 量持续改善；国家安全能力有效提升，社会治理效能增强，社会大局保持稳定；国防和军队建设 取得重大进展；“一国两制”实践深入推进；中 超大规模市场优势、完整产业体系优势、丰富人才资源优势更加彰显。同时，发展不平衡不充分 问题仍然突出；有效需求不足，国内大循环存在卡点堵点；新旧动能转换任务艰巨；农业农村现 代化相对滞后；就业和居民收入增长压力较大，民生保障存在短板弱项；人口结构变化给经济发 展、社会治理等提出新课题；重点领域还有风险隐患。 变局蕴含机遇，挑战激发斗志。全党要深刻领悟“两个确立”的决定性意义，增强“四个意识”、坚 定“四个自信”、 彻新发展理念，加快构建新发展格局， 坚持稳中求进工作总基调，坚持以经济建设为中心，以推动高质量发展为主题，以改革创新为根 本动力，以满足人民日益增长的美好生活需要为根本目的，以全面从严治党为根本保障，推动经 济实现质的有效提升和量的合理增长，推动人的全面发展、全体人民共同富裕迈出坚实步伐，确 保基本实现社会主义现代化取得决定性进展。 （5）“十五五”时期经济社会发展必须遵循的原则。 —

王 硕 陆一鸣 杨 永 穆文静 杨杜卿 彭忠泓 聂云奕 编写单位 张 荣 黄昱恺 刘煜堃 阿里云智能集团通义安全负责人 阿里云智能集团安全治理中台负责人 阿里云智能集团安全保障研发负责人 responsibleAI@service.aliyun.com 编写组组长 联系我们 11 10 ALIBABA CLOUD MODEL STUDIO SECURITY WHITE 安全解决方案：安全可信的 MaaS 24 2 MaaS 安全核心理念：客户数据主权、25 负责任的 AI 与云原生安全保障 2.1 客户数据主权：平台可靠、数据自主可控、链 25 路可信、操作可审计 2.2 负责任的 AI：安全、合规、向善、透明 26 2.3 云原生安全保障：打造可靠 AI 基础设施 27 目录 大模型发展趋势、风险挑战与 解决方案 1 模型商业落地加速，面临多样化的部 模型商业落地加速，面临多样化的部 16 署与应用环境 2 模型应用安全风险具有系统性与复杂 17 性，全生命周期的安全保障是模型应用 落地的关键 2.1 AI 基础设施风险：供应链漏洞、DDoS 攻击 17 与模型资产威胁 2.2 大模型风险：算法合规、内容安全、对抗攻击 18 2.3 应用服务安全风险：算力消耗、供应链与 18

........................................................................................ 4 2.2.3 保障 AP 选取技术 .......................................................................................... 由此需要一种更加智能的辅助制定节能策略的技术手段，可兼顾到节能与用户体验。 1.2 解决思路 鉴于人工设定 AP 节能策略的弊端，可采用基于 AI 技术，充分挖掘网络的数据价值，智能推荐节能 策略，在保障用户与 IOT 业务不受影响的同时，将整体网络能耗降至最低。AP 上通过射频关闭，调频调 压以及有线口降速等功能，来降低需要休眠 AP 的功耗，同时，保存 AP 已最小的功耗代价保持在线状 态，通过周边 则不会被推荐为节能 AP。 2.2.3 保障 AP 选取技术 网络处于非活跃状态，考虑到少量用户的用网诉求，基于网络信号拓扑划分不同节能小区，每个小 区选取出保障 AP。保障 AP 一直处于工作状态，当小区内其他 AP 都进入节能态时，保障 AP 自动进行 功率调整，确保节能小区的 Wi-Fi 信号覆盖。 对于类宿舍多隔断场景，存在信号多径现象，为了选择更优的保障 AP，需要提供准确的 AP 部署点

家智能电网重大专项（2030）项目责任专家 刘建明 在电力行业，韧性数据中心发挥着举足轻重的作用。作为关键基础设施，电力系统高度依赖于持续的数据支 撑和完整可靠的控制系统。而韧性数据中心不仅能够保障电网的稳定运行，还能够支撑实时荷载管理、故障 检测，在各类突发情况下实现快速恢复，从而增强电网稳定性、预防停电事故、加强网络安全防护、确保运 营合规。随着可再生能源时代的到来，面对日益复杂的电力 在AI驱动的数字化浪潮中，数据中心已成为支撑业务连续性、抵御各类风险的核心底座。我们见证行业从 “被动灾备”向“主动韧性”加速蜕变，既需应对 AI 算力爆发带来的架构挑战，又要在网络威胁、突发状况 下保障业务无损续动。我们始终相信，韧性数据中心的价值不仅在于应对风险时的 “兜底能力”，更在于为 企业数字化创新筑牢底座 —— 让业务在 AI 时代的高速迭代中，拥有 “永续运转” 的确定性。这本白皮书能 ···························· 第三章 94 95 97 企业落地韧性DC的“三建议四保障”··········································· 企业落地韧性DC的“三建议” 企业落地韧性DC的“四保障” ············································································

体，推进公共服务均等化，把民生改善转化为增长韧性。 第六，统筹安全和发展：坚持以新安全格局保障新发展格局，前移风险防控关 口，构建供应链、科技、能源、数据和金融的安全体系。完善识别、预警 、处 置机制，推动地方债与房地产风险有序化解。 第七，坚持党的全面领导：以党的集中统一领导为根本保障，把政治优势转化 为治理效能与执行力。持续推进从严治党与反腐机制建设，为改革发展与 风险 防控提供坚实政治和制度支撑。 外，《建议》中新增强调了若干挑战：例如“有效需求不足，国内大循环存在卡点堵点 ”，“新 旧动能转换任务艰巨”， “就业和居民收入增长压力较大”等。这反映出党中央对于提升 内需、 提高居民收入、保障就业和推动传统产业升级等工作的重视程度进一步提高。总的来 看，进 入“十五五”时期，国际格局深刻变化、国内经济转型升级背景下，不确定因素增多，“十四 五”末奠定的基础需要在“十五五”继续巩固，以确保我国在 Page 4 / 16 [Table_Page] 宏观研究 2025 年 10 月 31 日 将安全置于发展议程中具有更高优先度。“以新安全格局保障新发展格局”这一提法，体现了 发展和安全并重的理念。具体而言，可以通过在供应链、科技、能源资源、数据、金 融等关 键环节建立可识别、可预警、可处置的风险防控体系，把风险管理关口前移并嵌入经 济活动

基于产出的 服务化 大规模 个性化定制 超级智能化 内涵丰富的 高质量 凸显优势的 高效率 制造业数字化发展态势及 文印管理的总体需求 第一章 数字化转型的IT投入，是数字化成功的关键保障之一。IDC数据显示，中国制造行 业在����-����年用于数字化的IT花费总体上保持增长的态势，尤其是����-����年增长率 将保持在�%以上。 数字化转型 领导力转型:管理者坚定地使用 智慧文印作为连接制造业企业数字化转型中物理世界与数字世界的重要桥梁，是企业IT投入 的重点领域之一，也是制造企业对国资委有关制造业绿色转型、资源节约循环利用和高质量 发展的目标落实的具体资源保障之一。伴随着行业数字化的加速推进，IDC预计����-���� 年中国在文印设备硬件领域还将保持一定程度的投入增长，这一市场也随之迎来增长机会， 未来�年也将保持稳定的市场规模。 一方面，制造 el） 海量生产型报告、作业指导书的高效、稳定打印与复印 核心设计图纸的高精度打印支持 对设计图纸、工艺文件和技术文档等高机密资料进行严格的权限控制， 如身份验证系统来管理访问，通过加密技术保障文印输出安全 废弃文档的安全销毁程序，防止核心信息泄露 文印设备的稳定和服务的及时，满足制造业连续生产的要求 文印管理服务提供商能够提供快速响应的维修和技术支持 从办公室到产线，文印设备需要适应高温、高湿、粉尘等环境

算力运维与传统运维的区别 传统运维核心是“保稳定”，注重基础设施可靠性；算力运维核心是“提效率”， 注重算力资源最大化利用，涉及全链路优化，对技术深度和动态管理能力要求更高： （1）. 传统运维核心目标是保障机房基础设施和 IT 基础设施的稳定运行，侧重 高可用性以确保业务连续性；服务对象多为企业内部业务系统或基础网络服务； 算力运维核心目标高效释放算力资源，侧重算力密度最大化与能耗比最优；服 务 快速替换硬件、切换冗余节点为主；算力运维故障可能导致“算力雪崩”，影 响大规模任务行（如分布式训练失败）；应对策略侧重预判性维护，通过传感 器实时监控硬件状态，利用 AI 算法预测老化趋势，并设计容错机制以保障任 务连续性。 （4）. 传统运维模式使用的工具通常以 ITSM 工具为主，主要满足运维管理要求。 算力运维服务体系中，由运维/运营团队瞄准 MTTR 和效率、成本目标，基于日 常活动，自行 置个性化的算力运维体系。 从算力业务发展需求来看，完善算力运维体系建设，已成为推动企业智算大模型 业务持续发展的必由之路。随着大数据、人工智能等技术的广泛应用，用户对算力资 源的需求和长期稳定保障的要求不断攀升。为适应基础架构和算力业务形式的不断演 算力运维体系技术白皮书 - 6 - 变，企业亟需建立系统化的算力运维体系，以有效引导和支撑运维工作，提升算力运 维能力，确保算力中心在高

软硬协同一体化，构建融合高性能基础设施 3.1.2 调度和升级优化，支持超大规模算力管理 3.1.3 端到端可靠性设计，保障系统稳定可靠运行 3.1.4 原生安全能力基线，构筑纵深防御高安全体系 数据层 3.2.1 五大核心要素，定义和设计云上数据库 3.2.2 基于数据迁移和同步技术，保障数据完整性与准确性 3.2.3 数据库和存储设备协同，高效实现大库备份和恢复 中间件层 3 资源申请和软件上线全流程自动化，实现一体化应用发布 应用一体化运维 5.2.1 全链路可观测，支撑故障快速发现 5.2.2 AI 模型结合混沌工程，实现故障智能定界 5.2.3 统筹构建故障演练与恢复体系，保障故障一站式自动化恢复 主机上云全流程顶设，提供主机现代化最佳指导和实践 主机上云现代化方案，构建主机现代化最优平台和服务 4.1 4.2 5.1 5.2 6.1 6.2 60 6 引 擎实现加密运算的加速处理 高可靠：硬件组件（处理器、内存、存储）普遍采用冗余设计，不会因单点硬件故障而引起系统中断 高安全：主机通常采用内置硬件加密模块，实现数据的加密处理与密钥管理，从而保障数据在存储、传 输及处理过程中具备机密性与完整性 (2) 管理运维层 主机的管理运维层包括硬件管理、操作系统管理、性能监控、故障恢复和备份管理等，它通常使用专有管 理工具进行集中控制和自动化运维。