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

备，运行 AI 模型对图像进行识别，识别内容包括但不限于植被覆 盖、建筑物分布、道路状况、水体变化等。识别结果将自动生成报 告，并通过用户界面展示，支持进一步的数据分析和决策支持。 为确保系统的稳定性和可靠性，项目将采用模块化设计，每个 功能模块均可独立升级和维护。系统将集成多种传感器，如红外摄 像头、多光谱传感器等，以增强图像识别的准确性和适用性。此 外，系统还将具备自动避障、路径规划、电量监控等智能功能，确 的快速发展，无人机的能力得到了显著提升，尤其是在低空飞行和 复杂环境下的自主导航与任务执行方面。 在硬件方面，无人机的设计已经从简单的固定翼飞机发展到多 旋翼、混合动力等多种形态。多旋翼无人机因其垂直起降能力和悬 停稳定性，成为低空应用的主流选择。同时，无人机的续航能力、 载荷能力和抗风能力也在不断提升。例如，现代商用无人机已经可 以实现 30 分钟以上的续航时间，并搭载高分辨率摄像头、红外传 感器、激光雷达等多种设备。 计到图像处理自动化流程的构建，确保系统能够在复杂环境下稳定 运行，并提供高质量的图像分析结果。 具体而言，项目将包括以下几个关键环节：  无人机硬件选型与集成：选择适合低空飞行的无人机平台，确 保其具备足够的飞行稳定性、续航能力以及负载能力，以搭载 高清摄像头和其他必要的传感器。  飞行控制软件开发：开发或集成现有的飞行控制软件，实现无 人机的自主飞行、路径规划、避障以及实时数据传输功能。  AI 识

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；

构建统一的数据平台，实现多源数据的无缝接入和高效管理；  提供智能化的分析工具，支持对园区运营状态的实时监控和预 测；  优化资源配置，提升园区的运营效率和服务水平；  强化数据安全和隐私保护，确保平台的可靠性和稳定性。 通过上述措施，工业园区数字政府领域大模型底座将显著提升 园区的数字化管理水平，推动园区向智能化、绿色化、高效化方向 发展。以下是一个简化的数据流程图，展示了底座的核心功能模块 及其相互关系： 术，保护数据隐私；服务层通过身份认证和权限管理，防止未授权 访问；应用层则通过日志审计和异常检测，保障系统的运行安全。 为支撑上述架构，基础设施层提供高性能计算资源、网络资源 和存储资源，确保系统的稳定性和扩展性。同时，运维管理平台通 过自动化运维和智能监控，降低系统维护成本，提升运营效率。 总体而言，该架构设计充分考虑了工业园区的实际需求和技术 特点，通过分层设计和模块化实现，为数字政府领域的智能化应用 接下来，采用分布式训练框架如 TensorFlow 或 PyTorch，结 合 GPU 集群进行并行计算，以加速模型训练。训练过程中，通过梯 度累积和动态学习率调整策略，提升模型收敛速度和训练稳定性。 具体来说，采用自适应优化算法如 AdamW，结合混合精度训练技 术，进一步优化计算资源利用率和训练效率。 为了确保模型的泛化能力，采用交叉验证和早停技术进行训练 监控。通过设置验证集，实时评估模型性能，并在验证损失不再下

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

、高性 能的模型部署架构，确保系统能够支持大规模并发请求；再次，制 定严格的数据安全和隐私保护策略，确保符合金融行业的监管要 求；最后，通过持续的性能监控和优化，保障大模型在实际运行中 的稳定性和效率。 在项目启动前，我们已对多家银行的业务需求和技术现状进行 了深入调研，总结出以下关键问题： - 客户服务场景中，传统客服 系统的响应速度和准确性不足，导致客户满意度下降； - 风险管理 秒级 别，以确保用户体验；模型应支持高并发处理，能够同时处理数千 个请求；模型的训练和更新周期需尽可能短，以适应快速变化的市 场环境。此外，模型的资源消耗需控制在合理范围内，以确保系统 的稳定性和可扩展性。 在安全需求方面，银行系统对数据安全和模型安全的要求极 高。需求分析中需考虑以下关键点：模型处理的数据需进行加密传 输和存储，以防止数据泄露；模型的访问权限需严格控制，确保只 有 高并发处理 能力，以应对银行日常业务中的大量并发请求。根据银行实际业务 量，系统应能够支持每秒处理至少 1000 次并发请求，且平均响应 时间不超过 500 毫秒。此外，系统在高负载情况下的稳定性同样重 要，需确保在峰值时段的响应时间不超过 1 秒，并避免出现系统崩 溃或服务中断。 其次，模型的推理速度直接影响用户体验和业务效 率。Deepseek 大模型在进行推理时，需在单次请求中的平均处理

过持续的更新和优化，确保其在实际应用中的高准确性和可靠性。 例如，在医学影像诊断领域，DeepSeek 智算一体机将能够自动识 别和标注病灶区域，辅助医生进行更快速、更精准的诊断。 为了确保系统的稳定性和可持续性，DeepSeek 智算一体机将 采用智能化的运维管理系统。该系统能够实时监控设备的运行状 态，预测潜在故障，并提供远程维护和升级服务。此 外，DeepSeek 智算一体机将支持绿色节能技术，通过智能功耗管 基础设施层是整个系统的基础，主要包括硬件资源和网络架 构。硬件资源采用高性能服务器集群，配备 GPU/TPU 加速器，确 保数据处理和模型训练的高效性。网络架构采用冗余设计和高速互 联，保证数据传输的稳定性和低延迟。此外，数据中心部署了分布 式存储系统，支持海量医疗数据的快速存取和备份。 数据处理层负责数据的采集、清洗、存储和管理。系统通过标 准化的数据接口，支持从电子病历系统（EMR）、医学影像设备 化转型和智能化升级。 2.1 硬件架构 在医疗场景的 DeepSeek 智算一体机硬件架构设计中，我们采 用了模块化、高扩展性和高可靠性的设计理念，以满足医疗场景对 计算性能、数据安全性和系统稳定性的严苛要求。核心硬件架构由 计算单元、存储单元、网络单元、电源与散热系统以及安全模块五 大部分组成，各部分通过高速总线互联，确保系统整体性能的最优 化。 计算单元采用多核高性能处理器集群，包括

企业业务场景，明确智能体的功能需求与性能指标； 2. 系统设计 与开发：基于需求分析结果，完成智能体的整体架构设计与功能开 发； 3. 测试与优化：通过功能测试、性能测试和用户体验测试， 确保智能体的稳定性与高效性； 4. 部署与集成：将智能体集成到 企业现有系统中，完成数据对接与功能验证； 5. 运维与支持：提 供长期的技术支持与系统优化服务，确保智能体的持续高效运行。 通过上述方案的实施，DeepSeek 规模数据环境下的快速响应与高并发处理能力。安全保障方面，系 统将实现多层次的安全防护机制，包括数据加密、访问控制、身份 认证与审计日志等，确保数据的安全性与合规性。 最后，项目将制定详细的测试与部署计划，确保系统的稳定性 和可维护性。测试计划将包括单元测试、集成测试、性能测试与安 全测试等多个阶段，部署计划则将涵盖本地部署与云部署两种模 式，支持弹性扩展与自动化运维。 综上所述，本项目范围广泛且切实可行，涵盖了从数据处理到 名数据科学家；产品设计组专注于用户体 验与界面设计，由 2 名产品经理和 1 名 UI/UX 设计师组成；工程实 现组负责系统集成与部署，配备 3 名后端开发工程师和 2 名前端开 发工程师；质量保障组确保系统稳定性与可靠性，包括 2 名测试工 程师和 1 名 DevOps 工程师；项目管理组统筹整体进度，由 1 名项 目经理和 1 名项目助理构成。 团队成员的选拔严格遵循行业标准与项目需求，确保每位成员