算力运维体系技术白皮书 1 算力运维体系技术白皮书 广东广信通信服务有限公司 中通服中睿科技有限公 版权声明 本白皮书所载的材料和信息，包括但不限于文本、数据、图片 和观点，不构成法律建议，也不应替代律师意见。本白皮书版权归 广东广信通信服务有限公司/中通服中睿科技有限公司所有，并受法 律保护。如需转载、摘编或利用其它方式使用本白皮书文字或者观 点的，应注明来源。违反上述声明者，将追究其相关法律责任。 心竞争力与社会数字化进程的关键命题。在此背景下，传统 IT 运维模式面临着从硬件 设备到软件系统、从单一架构到多云环境、从被动响应到主动预防的全方位变革挑战， 亟需构建一套适配算力时代特征的系统化运维体系。 当前，算力基础设施正经历着通算、智算、边缘计算多态融合的发展阶段，高密 度计算集群、异构芯片架构、分布式存储网络以及云边协同部署等技术趋势，使得运 维对象从传统服务器扩展至 GPU/TPU 加速器、液冷系统、智能能效管理平台等多元组 件。同时，“双碳”战略推动下的绿色运维要求、数据安全法规强化带来的合规压力， 以及人工智能技术催生的智能化运维需求，共同构成了算力运维的复杂技术生态。据 行业研究显示，算力中心的非计划停机每小时可能造成数百万美元损失，而高效的运 维体系可使设备故障率降低 40%以上，能源利用率提升 20%以上，凸显出科学运维体系 的核心价值。 本白皮书旨在系统梳理算力运维的技术框架与实践路径，为行业提供兼具前瞻性

航天云网工业大数据 复杂装备远程运维综合解决方案 中国航天科工集团航天云网公司 内 容 一、云网介绍 二、工业大数据建设背景及思路 三、工业大数据平台技术架构 四、工业大数据平台案例 • 中央直接管理的国有特大型高科技企业 • 由总部、 6 个研究院、 1 个科研生产基地、 13 个公司制 / 股 份制企业构成 , 拥有职工 16 万，涌现了钱学森、宋健、黄纬 禄等著名专家。 代制造业结合，促进电子商 务、工业互联网和互联网金 融（ ITFIN ）健康发展 大数据行动计划 数据迅猛增长，已成为 国家基础性战略资源，大数 据正日益对全球生产、流通、 分配、消费活动以及经济运 行机制、社会生活方式和国 家治理能力产生重要影响。 军民融合国家战略 工业大数据实践 制造强国 网络强国 工信部战略全局 航天科工集团公司 —— 战略机遇：完美匹配国家战略 航天科工集团公司 航空 石油 • 智能工厂 • 智能联网产品运维服务 • 绿色制造 • 广域电网测量 WAMS • 能源装备的远程运维 • 新能源分析与优化 • 停电预测和过载预警 • 飞行安全监控 • 航空器维护 • 航路管理，能耗优化 • 物探大数据管理和共享 • 油气生产物联网 • 管道完整性管理、能耗优化 轨道交通 • 列车运维 • 行车安全 • 环境安全 船舶 • 设备综合保障

square 【读书笔记】 NEW MANAGEMENT IN DIGITAL ERA 平台化管理 数 字 时 代 企 业 转 型 升 维 之 道 无论是寻求战略转型、 商业模式创新和组织变革的企业家 , 还是寻求思维突 破、 管理升级、 专业提升和自我实现的职业经理人 , 抑或寻求潜能激发、 自我迭 代 和持续创新的新生一代 维度空间里实现融合 注重赋能、 利他、 共赢和成就的使命感 构建三维空间中的平台化企业 , 连接不同的个体和组织、 使之协同合 作 , 同时建立各种机制 , 促使全局利益 优化 管理机制与心态的创新型升维 , 重新审视与竞争对手的关系 , 使各方利益在高维空间里统 合 为什么读它？ 思维升维 文化升维 战略升维 突围 不经意之间 , 我们不仅进入了社交媒体时代 , 也进入了大数据和人工智能 己的企业在这样的时代生存下去 , 不让自己像那些被翻篇的企业甚至行业 孙陶然 拉卡拉集团创始人、 昆仑堂商学院创始人 《创业 36 条军规》 《有效管理 5 大兵法》 作 者 企业管理的管控模式进行文化升维 , 以利他之心 , 通过赋能的管理方式 , 自上而下地释放权力 , 让个体发挥更大创造性 , 实现共生共赢的生态 文 化。 余华 人们去理解企业数字化转型的内在要求

建设韧性、开放云平台：软硬协同提升云平台韧性，构建新一代开放技术底座 平滑、高效迁移主机应用和数据​：以工程化技术实现主机应用和数据的全流程改造与迁移上云 应用开发与运维现代化转型：业务上云后，开展以应用为中心的敏捷开发和智能运维转型 同时结合我们在众多项目的成功实践，简要介绍了“华为主机上云解决方案”。期望为正在或计划推进主 机现代化的企业提供技术指引与决策参考，帮助客户在延续主机核心价值的同时，拥抱开放、敏捷、智能的新 2.1.2 主机现代化分三阶段实施落地 主机现代化三阶段实施路径技术诉求 2.2.1 云平台建设阶段关键诉求 2.2.2 应用和数据迁移阶段关键诉求 2.2.3 应用开发与运维转型阶段关键诉求 基础设施层 3.1.1 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 32 33 37 39 40 40 42 44 45 46 46 48 48 50 5 1 54 55 平滑、高效迁移主机应用和数据 应用开发与运维现代化转型 华为主机上云解决方案 04 05 06 迁移路径选择 4.1.1 Gartner 6R 模型 4.1.2 主机现代化选择 3R 作为主要迁移路径 迁移路径实施

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 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 n 数据分片、异地存储，传统维护模式难以为继 运维生态挑战 n n 工具重复： 工具按烟囱式建设，能力分散 n 能力割裂：运维工具能力割裂不成体系 n 数据孤岛： 应用、数据库、 中间件、云平台、 基础设施各管自身 集团 + 省分 几百套系统 跨系统全链路 定界诊断 故障自愈 混沌工程 主动预防 变更追踪 变更管控 集团 + 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

工业大脑和数字孪生平台，实现生产全流程智能化。 产业多元化发展现状。在 5G-A 与 AI 融合发展的过程中，运营商、设备商和垂直行业参与者需打破 传统角色边界，联合探索“业务 + 连接 + 运维”三位一体的融合理念，释放企业 AI 算力与智能化结 合的潜力。运营商应突破“网络管道提供商”的定位，不仅要强化算网智一体化平台构建，推动自 身资产价值升级，更应整合 5G-A 网络、算力资源， 5G-A与AI融合驱动发展 的背景 面向 5G-A 与 AI 融合驱动的算网智一体化解决方案白皮书 5G-A 与 AI 融合驱动发展的背景 在推进 5G-A×AI 算网智一体化的过程中，5G 专网存在部署不灵活、自运维难度高等问题，以及传 统算力平台的负载适配不足与资源协同较差，以上问题均成为亟待突破的关键。 企业专网面临系统性挑战：网络接入“多而不融”，园区内 5G、Wi-Fi、有线等异构网络并存，形成 时响应，从“需求”到“配置”仍需人工逐条配置，业务敏捷性严重受阻；网络资源“静而不柔”， 一张专网难以同时高效承载差异化的业务场景，资源僵化闲置或者隔离不足相互干扰，均无法实现“一 网千面”的精准供给；运维管理“治而不智”，仍依赖人工经验进行被动响应，缺乏预测性维护与主 动优化能力，智能化水平滞后；网络能力“连而无感”，仅能提供基础连接服务，无法原生支撑定位、 感知等融合应用，制约了智能化的深度与广度。

中国软件行业协会常务副秘书长 魏 凯 中国信通院人工智能研究所 所长 张宇昕 华为云 CTO 黄 瑾 华为云副总裁（战略与产业发展部总裁） 徐 峰 华为云 PaaS 服务产品部部长 编写组成员 汪维敏、孙彬彬、文永新、梁广泰、王一男、乔蔚云、高天赐、 刘 恒、黄慧娴、秦思思、闫东伟、付求爱、罗永佳、喜 超、 冯雪辰、王一凡、David Lai 贡献者 蒋 涛、黄 颖、王翱宇、杨国龙、朱少民、杜 动化向认知智能化 跃迁。本白皮书系统阐述应用智能化的框架、关键技术、和实现路径，旨在帮助企业应对应用智能化三大核心挑战： 1. 技术链断裂导致的落地周期过长：算力、大模型、智能体的新概念，开发、运维、安全合规等等环节的割裂都导 致企业落地智能化的周期依然较长； 2. 场景选择困难：单点试点难以穿透企业核心业务链的转型挑战，ROI 的评估难度大； 3. 产业协同低效：技术供应商能力分散与企业需求的差距。 API 的深度协同，构建起“感知 - 决策 - 执行 - 学习” 的闭环智能体系。在这一趋势下，应用现代化的核心命题已从“云原生”升级为“AI-Native”，即应用的全生命周期—— 从开发、运行到运维、集成——均需围绕智能体的自主性、协同性与进化能力重构。 从技术视角看，AI-Native 架构的关键在于数据与 API 的智能融合，传统企业系统沉淀的海量数据，需通过统一的 可信数据资产目录实现跨域流通，为

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系统和对数据的高度依赖，韧性数据中心的作用 愈加突出。此外，韧性数据中心还可以促进智能电网技术的发展和应用，帮助电力公司洞察能源消费和提升 在数字经济深度渗透的今天，数据中心作为关键基础设施，其“韧性”已成为衡量社会运转稳定性的核心指 标。这本白皮书立足实践，由华为和业界的专家共同执笔，从韧性定义与评估体系入手，通过容灾高可用架 构、确定性安全、AI驱动的智能运维及弹性自适应四个维度，系统解构了韧性数据中心的建设路径，既有理 论框架的清晰阐释，又有落地实践的参考价值。本白皮书提供了可供借鉴的韧性建设范式，对于推动数据中 心的韧性升级具有积极意义。 ——华为ICT 活、 政府管理、民生服务等各方面，其稳定运行不仅关乎信息技术服务的可靠与连续，更直接影响经济社会体系 的韧性与安全。《韧性DC白皮书》率先从业务永续、确定性安全、弹性自适应、Agentic AI运维等维度 体系化阐述了韧性DC的特征，为提升算力中心的可靠性系统等级与可持续服务能力提供理论支撑与实践指 引，对于推动算力向高韧性、高质量方向发展具有重要意义。 杨晓骋 在AI驱动的数字化浪潮

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 应用维度根因定位 几个 核心系统 被动应急 故障统一调度 系统具备应急预案 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  能力割裂：运维工具能力割裂不成体系  数据孤岛：应用、数据库、中间件、云平台、 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。 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

....................................................................................... 28 6.1 故障运维以业务为中心，提升客户体验 ..................................................................................... .................................................................................. 32 6.4 家庭宽带智能装维助手，提升交付效率 .......................................................................................... ............................................................................ 35 6.6 无线网络问题智能分拣，提升运维效率 ................................................................................................