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 整体态势感知 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 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 划，充分借鉴与对标先进的行业经验，从“

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 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 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： 分子公 司 整体态势感 知 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 稳定性保障工具建设历程 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 划，充分借鉴与对标先进的行业经验，从“走出去

等故障，将导致重大损失。因此，钢铁行业对 PLC 的稳定性和可靠性要求极高。 表 4.7 钢铁行业中 PLC 的应用情况 环节 设备 具体功能 要求细节 原料 破碎机 进料速度控制 稳定性 可靠性 实时性 烘干煅烧设备 温度、压力控制 稳定性 可靠性 运输设备 （皮带机、堆取料机、 卸船机、装船机） 承担原材料的输送、倒运、 上料任务 可靠性 稳定性 大型 PLC 自主可控白皮书 翻车机 翻车机启停、速度同步等精 度控制 稳定性 可靠性 烧结和焦化 烧结机 烧结机点火炉温度、风箱压 力控制 稳定性 可靠性 焦炉本体及四大车 焦炉的装煤、出焦操作。 包括温度、压力制度的确定 与调节，流量（加热煤气量、 空气量、废气量）的供给与 调节。 稳定性 可靠性 炼铁 预热炉 温度自动控制系统 稳定性 可靠性 热风炉 精确控制热风炉温度，并维 精确控制热风炉温度，并维 持炉内适当压力 稳定性 可靠性 高炉 精准投料控制； 温度与压力控制； 喷煤与富养控制 稳定性 可靠性 实时性 炼钢-精炼-连铸 转炉 温度、压力、流量控制； 精确控制废钢、铁水、合金 料的加入量及氧气流量 稳定性 可靠性 电炉 温度、压力、流量控制 稳定性 可靠性 精炼炉 温度、压力、流量控制 稳定性 可靠性 连铸机 温度控制；

大多数黑白打印 打印量大 自助机柜内的打印设备通常需要 持续打印，不能停机 支持大纸盒 设备可靠，稳定性好 打印速度快 耗材容量大，纸盒大 院区 自助打印 A�/A�为主的检验结果、化验单 单台日均打印量500页以上 多集中、自助打印 有彩打需求 首页打印和连续打印速度快 设备可靠，稳定性好 彩色打印效果好 检验 影像科室 A�/A�为主 财务部打印发票、日常办公文件 有云端打印需求 操作便捷 支持云端打印 办公 病案应用 空间狭窄 A�为主的处方和检查单 打印量大 打印机尺寸小巧 设备可靠，稳定性好 打印速度快 兼容性好 门急诊 医生站 A�/A�为主 打印出院病历、医嘱、体温单等 首页打印和连续打印速度快 A�/A�为主 设备可靠、稳定性好 有彩打需求，可网络共享 住院医生/ 护士工作站 需求 �� 门急诊医生站：空间相对狭窄，医生办公桌面积有限，因此需要小巧尺寸的打印 住院医生/护士工作站：多位医生和护士共用打印机，因此同样存在较大的打印量， 主要以A�/A�幅面的文档为主，包括出院病历、医嘱、体温单等。为减少打印机出现 故障而影响护理站的工作流程，所以设备的可靠性和稳定性至关重要。此外，首页 打印速度和连续打印速度都要快，以满足医护人员频繁打印的需求。同时还需要支 持彩色打印和网络打印，方便多名医疗人员共享设备。 检验影像科室：在检验科，主要以黑白打印为主，A�/A�幅面的检验结果、化验单等

P-State 优化技术，可以智能提升指定核心频率来增强实时处理能力。 通过将特定边缘应用绑定到专用处理器核心，系统能够以更高频率运行关键任务，并通过优先级调度和频率锁定机 制，保证核心处理能力的稳定性和一致性。 • 英特尔® 睿频加速 Max 技术 3.0 是英特尔在某些高端处理器中引入的技术，旨在进一步提高单线程性能。与传统的 睿频加速技术不同，英特尔® 睿频加速 Max 技术 3.0 能 技术平台。英 特尔基于深厚的平台技术积累，提供涵盖硬件架构优化、实时调度算法、负载隔离机制等在内的综合技术解决方案，帮助客 户在实现多元化负载整合的同时，确保关键控制任务在复杂运行环境中的性能稳定性和确定性响应能力，最大化发挥 AI 算 法的智能决策能力。 英特尔如何帮助解决 混合关键性工作的负载整合 行业挑战 • 系统集成的复杂性以及维护 的困难。 • 希望通过将不同的硬件系统 • 内存带宽监控 (Memory Bandwidth Allocation, MBA)：RDT 的子技术之一，可以使用 MBA 限制非实时系统的 内存带宽占用，降低实时任务的性能抖动，保障执行稳定性。 VT-d 技术为虚拟机的 I/O 设备提供了接近物理硬件的性能，延迟极低。同时，VT-d 技术通过硬件的强制隔离增强了 系统的安全性，防止恶意设备通过 DMA 攻击破坏整个系统或其他虚拟机。

/ 获 取 最 新 的 HUAWEI DevEco Studio。 测试套件 包括测试标准和测试工具两个部分。 35 1. 测试标准 覆盖鸿蒙生态应用性能、功耗、稳定性、兼容性、UX、安全等测试规范，帮助开发者 解决测什么的问题。 表 4-1：测试标准覆盖范围 标准分类 标准看护目的 标准看护关键内容 性能流畅 保障应用极致流畅 体验，资源使用无 体验要求：界面布局合理、清 晰、无遮挡、动效一致；导航栏、深色模 式、实况通知等系统特性交互适配。 大屏设备应用体验要求：横竖屏、多窗适配 体验；折叠、展开、悬停适配体验；键鼠、 触控适配体验等。 稳定性 保障长时间稳定运 行无故障，内存资 源无异常。 运行无故障：应用在使用过程中不触发闪 退、卡死等现象。 资源无异常：应用使用过程中无内存泄漏、 踩内存、句柄和线程资源过载异常。 功能场景测试 Hypium 提供应用 UI 集成测试基础框架，包括脚本开发框 架、测试 SDK 等。 体验专项测试 DevEco Testing 本地端侧测试服务，主要提供应用性能、功耗、 稳定性、UX、安全、兼容性测试服务等，对接本 地手机/PAD 等测试设备环境，适合开发阶段在本 地环境中使用。 测试套件获取途径如下表： 38 表 4-3：测试套件获取途径

在智算中心中应用全光交换面临诸多的现实挑战。首先，全光交换难 以实现有效的缓冲机制，因为光信号无法像电信号那样轻松存储，这 会导致在高负载的训练任务中，数据包冲突和丢包问题频发，影响任 务的同步性和稳定性。其次，基于线路交换的特性使得光交换在灵活 性和可重构性上受限，通常依赖于固定波长或空间切换，无法高效支 持训练任务中频繁的动态通信模式，这可能导致网络瓶颈和资源利用 率低下。现阶段使用光电协同方案组建智算中心网络，以结合光域的 高带宽和极低的延迟，而电链路的带宽相对较低但具有更好的延迟稳 定性。这种巨大的性能差异使得单态拥塞控制协议在光电链路切换过 程中出现剧烈的速率和窗口震荡现象，严重影响协议的控制效果和网 络稳定性。 3. 强潮汐流量的调度难题 不同于普通数据中心，智算中心的任务流量具有极强的潮汐性。 大型智算任务的训练需要多轮迭代，每一轮迭代中都有本地计算和网 络传输两个比较清晰可分的阶段。如何在传输开始时，迅速从间歇状 固定对称的局限性，无法充分挖掘光链路动态重配置的优势，带宽资 源浪费问题依然突出。 2.5 物理层：信号衰减挑战与时延约束挑战 在智算中心网络中，物理层不仅承担着数据的信号传输职责，更 直接影响整个系统的带宽、时延和稳定性。然而，当光交换技术被引 入到智算网络时，物理层面临一系列前所未有的挑战。 首先，光互连需要在高端口密度和长距离传输之间取得平衡。相 比传统电互连，光链路在传输距离上具有天然优势，但这也意味着必

3、 复旦大学“伏羲”大模型 4 等 AI 气象模型显 著提升了全球天气预报能力，实现更长时间 尺度、更高精度的天气预测。普林斯顿等离 子物理实验室利用强化学习优化等离子体控 制，解决撕裂不稳定性问题，加速核聚变能 源的实现 5。加州大学伯克利分校和劳伦斯 伯克利国家实验室利用机器人执行实验，机 器学习规划实验并结合主动学习优化实验过 程，研发用于无机粉末固态合成的自动实验 室 A-Lab，显著提高了材料合成效率 具身智能的情感感知和交互能力，使其更 自然、更人性化，是核心科学问题。 研究情感计算与多模态交互技术，优 化具身智能体的互动体验。通过融合视觉、 听觉和触觉信息，提高交互的沉浸感与效 率。面对实时性与稳定性的挑战，需要确 保系统能够快速响应，同时保持稳定数据 传输。任务规划与执行层面，要求智能体 具备自主探索与决策能力，优化数据获取、 模型泛化和实时性。个性化与泛化性的平 衡也是关键，需减少数据依赖，增强对不 趋势预示着脑机接口技术正式迈入智能增 强与认知重塑的新阶段。 3.3 前沿科学问题和突破路径 人脑作为大规模的复杂动力系统，其 网络化连接模式、动态时变特性和非线性 交互机制，构成了神经解码与编码技术实 现可靠性和稳定性的核心挑战。 如何实现神经集群复杂功能的特异性 调控？针对兴奋性 / 抑制性神经元、感觉 / 运动神经元等特定神经群体，通过跨时空 尺度的神经信息解码与编码研究，结合超 声、光学等技术手段建立从单神经元到神

验证、ROC 曲线分析等方法，可以评估模型的预测能力，并通过调 整超参数、集成学习等策略进一步优化模型性能。例如，可以采用 集成学习中的随机森林算法，结合多个单一模型的预测结果，以提 高模型的稳定性和准确性。 在这一过程中，还需要注意以下几点：  数据隐私与安全：在数据的采集、存储和处理过程中，必须遵 循相关法律法规，确保患者隐私的保护。  实时性与可扩展性：模型应具备实时预测能力，并能够适应不 高结合亲和 力和低副作用的化合物。 为了进一步优化候选药物，DeepSeek 技术还可以结合量子化 学计算和机器学习算法，对化合物的物理化学性质进行精细调整。 例如，通过优化药物的溶解度、稳定性和渗透性，提高其在实际临 床应用中的效果。具体来说，DeepSeek 可以通过以下步骤进行药 物优化： 1. 数据预处理：整合来自不同来源的化合物和生物数据，清洗和 标准化数据。 2. 特 集划分为训练集、验证集和测试集，以评估模型的泛化能力。常见 的划分比例为 70%训练集、15%验证集和 15%测试集，或 80%训 练集和 20%测试集。此外，可采用交叉验证方法，如 k 折交叉验 证，进一步验证模型的稳定性。 最后，预处理后的数据应存储在高效的数据管理系统中，便于 后续的模型训练和推理。可采用分布式存储系统（如 Hadoop 或 Spark）或云计算平台（如 AWS、Azure 或 Google