R sync 日志同步至某个数据中心节点 上传 hdfs Cron tab 定时调起脚本 小时级 、天级计算 可视化 日志 计算 调度 S he l l 发起 hive 任务，结果入库 Mysql View 读取 Mysql 进行报表展示 大数据生态演进 应用 报表统计 数据分析 业务需求 计算 Hive/MR Storm sqoop kafka 客户端上报 SDK 服务端日志采集 业务爆炸下的数据痛点 人力 业务繁多，重复造轮子 ，人力资源消耗大 系统 需要不断定制开发，服务紊乱，维护成本大 资源 存储 、计算资源出现瓶颈，影响业务开展 数据痛点 目录

生成式人工智能基于海量数据训练、推理生成新的输出，并能以文本、音频和图像等形式创建新内容。 智算中心是支持生成式AI工作负载的新型数据计算中心，基于AI计算架构，提供AI应用所需算力服务、数据 服务和算法服务的算力基础设施，它融合高性能计算设备、高速网络以及先进的软件系统，为人工智能训练 和推理提供高效、稳定的计算环境。据测算，2023年全球生成式AI市场规模，包括硬件、软件以及服务等， 达675亿美元，到2028年有 达675亿美元，到2028年有望增长到5160亿美元，复合年化增长率达50.2%；2023年，中国生成式AI市场 规模为1200亿人民币，到2028年将超过5000亿人民币（图1-1）。 据中国信通院测算，2023年全球计算设备算力总规模为1397EFlops，其中通用算力为497EFlops，智 能算力（换算为FP32）为875EFlops，占总算力比例为63%。未来五年，全球算力规模仍将以超过50%速度 增长，至2 部署高速、大容量的存储系统。互联网公司通常具备强大的云计算、大数据、人工智能等核心技术积累和研 发实力，能够快速迭代和推出创新性的AI服务和解决方案。许多互联网巨头具备自研硬件（如AI芯片）和软 件的能力，可以实现软硬件深度协同优化，提升智算中心的性能和效率。电信运营商拥有覆盖全国甚至全球 的骨干网络和接入网络，这为智算中心互联提供了得天独厚的网络优势，可以为用户提供低延迟、高带宽的 连接服务，尤其是在边缘计算场景下更具优势。

２３０５９Ｇ４０)． 通信作者:周子豪(１０４３０８２０５９＠qq．com) 一种基于改进 DＧS证据的智慧水利网络安全态势评估方法 夏卓群１ 周子豪１ 邓 斌２ 康 琛３ １ 长沙理工大学计算机与通信工程学院 长沙４１００００ ２ 长沙理工大学水利与环境工程学院 长沙４１００００ ３ 湖南省水旱灾害防御事务中心网信技术部 长沙４１００００ (xiazhuoqun＠csust．edu．cn) 依赖性、证据冲突大的问题,提出了一种基于改进 DＧS证据理论的智慧水利态势评估方法.首先,面对海量水利数据,使用深度 自编码器对数据进行特征学习和过滤降维处理.然后,将处理后的数据交由深度神经网络进行二分类和多分类计算,并将结果 融合,得出基本概率分配函数值,其将作为 DＧS证据理论的输入.最后,通过 DＧS证据理论的融合规则得到最终的网络安全态 势评估结果.实验结果表明,相较于传统态势评估模型,所提方法能够在提升客观性的情况下 贝叶斯等同类型算法来说较低[４].但是,DＧS理 论 也 存 在 着 较为突出的问题,传统的 DＧS理论常常采用专家评估法得出 基本概率分配函数,会导致存在较大的客观性.为解决这个 问题,可使用深度神经网络来自动训练分类计算得出基本概 率分配函数,以降低其主观性.在网络安全态势的研究中,由 于强容灾能力以及能够通过低代价实现较好效果等特点,深 度神经网络备受学者喜爱.但同时深度神经网络在处理大规 模数据时也会存在收敛速度慢、分类精度差的问题

23 .3 分析库 24 .4 索引库 24 第 5 章 数 据 处 理 25 . 25 .1 分布式计算框架 25 .2 内存计算框架 25 .3 流式计算框架 26 .4 分析引擎 26 .4.1 垂直搜索 26 .4.2 信息挖掘 27 .4.3 数据比对 27 心环节。 .2 建设目标 在广泛调研基础上，本项目确定了“利用大数据与云计算技术，建立 一个平台、一套服务、一批应用”的总体建设思路，以实现全局信息资源 的深度整合和综合应用，为领导决策提供支持，为业务拓展提供支持。 （1） 整体架构。采用云计算技术，优化技术架构的顶层设计，以分布式文件 系统和分布式计算为核心，建立全局统一的一套存储、网络、应用、管理 平台,通过统一数据格式、接口标准，推动并实现基础设施资源、软件资源、 产权大数据平台建设架构如下图： .2 建设内容 基于企业信息化总体框架，引入虚拟化、大数据、分布式存储和分布 式计算框架等新技术新手段，构筑公司大数据资源库与云计算中心，建 立面向全公司各业务部门的信息资源共享服务与数据分析挖掘技术支撑体 系，积极探索通过大数据技术的强大分析运算能力，充分挖掘海量数据 的价值。通过计算机智能处理、挖掘分析等手段，解决当前突出存在的 获取海量信息数据能力薄弱、信息数据资源分散、共享能力不强、应用

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 ......................................................................................- 47 - 3.4.4 计算运维技术............................................................................................... 算力本质上是对信息数据进行加工处理的能力，其核心体现为计算设备通过硬件 （如 CPU、GPU、ASIC 芯片等）和软件协同工作，完成各类计算任务（如数值计算、逻 辑运算、数据处理等）的效率。 1.1.2 算力分类及应用场景 通用算力场景：面向日常计算需求，涵盖个人终端、通用服务器计算能力，应用 于消费互联网、行业互联网等领域的常规计算能力，通常在云计算及分布式计算中， 以 CPU 为代表。 智算算力

息情况综合态势总览及分析；四是实现对数据资产的综合治理和标签、模型等 成果配置；五是实现对包含数据安全、故障分析、分级授权管理在内的大数据 7 安全分析预警和系统化运维管理。六是实现基础支撑能力包含网络带宽、计算 能力、存储能力、支撑组件等提升。 系统建成后本平台覆盖管理全市 10000 多名吸毒人员和可能潜在的 50000- 100000 名涉毒人员，为禁毒工作提供很多的信息情报来源，并能够通过信息化 企业微信公众号是针对相关企业进行开放的使用平台，企业可以在微信公 众号上进行绑定登录，绑定后的企业可以使用公众号上传信息，进销库存等。 2.2 平台对接系统 对接其他各类平台系统，实现在数据能力、模型战法能力、计算能力、应 13 用能力上与其他平台的全面协同，并建立标准化的应用服务对接接口。 2.2.1 对接全省实有人口数据库 根据信息收集的结果，分析出可疑手机号码后系统自动与实有人口数据库 进行比对，并调用比对结果。 和业务功能的性能需 求，对系统的存储容量、计算节点、网络负载、支撑引擎进行规划，同时可实 现对计算、存储等资源动态分配、引入多线程任务的概念，增强系统架构对上 层服务和应用功能的基础支撑能力，增强系统对各类应用功能，各类用户不同 应用资源的合理分配。确保有力支撑在网络负载、计算能力、存储空间等方面 的所有应用需求，确保并发用户数、响应时间、计算速度等符合系统建设性能 15 指标。 2

成本控制 思维导图 项目三 餐饮成本核算 ● 知识目标 1. 掌握净料率和净料成本的核算； 2. 掌握毛利率的计算方法； 3. 掌握餐饮成本分析的内容； 4. 掌握餐饮成本分析的方法。 ● 能力目标 ● 素养目标 1. 能够进行餐饮成本核算； 2. 能够计算餐饮毛利率； 3. 能够进行餐饮成本分析。 1. 具有成本意识，树立正确的成本观念； 2. 具有利润意识，养成良性的企业盈利思维。 争激烈的市场中生存并发展。 李明对食品毛利率的计算过程非常重视，他知道这是确保餐厅盈利的关键。以下是他计算毛利率的步骤： （ 1 ）确定菜品售价：这是顾客支付的价格，李明通过市场调研确定了每个菜品的售价。 （ 2 ）计算食材成本：包括所有用于制作这道菜的原料成本，如肉类、蔬菜、调料等。 （ 3 ）计算毛利额：菜品售价减去食材成本。 （ 4 ）计算毛利率：将毛利额除以菜品售价，然后乘以 100% 得到百分比形式的毛利率。 = ———————————— 净料总重量 02 餐饮毛利率 毛利率是餐饮企业中用来考核厨房和店 面运营的重要指标，它指的是毛利额与营业 额之间的比率。 餐饮毛利率 毛利润计算 毛利润 = 销售收入 - 原材料成 本 销售收入是企业从销售食品和饮料 中获得的总收入；原材料成本是制 作食品所需的食材和原材料成本。 通过定期分析成本， 可以找到降低成本的机 会。

1.0 3.0 2.0 决策支持 建立数据理念 业务场景驱动 数据应用闭环 业务需求驱动 数据业务融合 数据仓库建设 数据服务 阶段 应用场景 数据需求 参与方 价值体现 存储计算 数据组织 Data 1.0 、 Data2.0 “ 描述过去，看结果； 看了，然后呢” 报表 明确 业务（决策） IT （实施） 面向业务人员 的辅助决策 数据库选型： 高从数据采集、数据资产 更加扁平化 化到数据应用的工作效率， • 解决了因组织迅速膨胀、 推动现有业务的优化和新 员工众多造成的管理不 善和效率低下问题 业务的开展。 • 降低数据计算成本与数 据存储成本。 • 降低因大量重复建设及 数据体系不一致等导致 的人力成本的浪费。 • 将数据当成一种必须产 生价值的资产加以构建 “ 算”：通过吸引更多的数据实现数据资产体系的逐步完善，寻找更 多的 业务应用场景， 进行数据的深度挖掘计算，建立数据应用闭环， 数 据越用越有价值； 注：数据中台的规划一定要着眼于未来，从大处着手；落地时要从小场景进行切入，找到最能体现数据价值的地方，逐渐完善能力；随着存储、 计算需求的增加，逐步加大投入；应用回到场景，价值在场景得到验证，最终形成闭环。 数据中台 建设方略 以算

通用化程度低 新的要求 国外模型 国内模型 P8 算法在高效支撑数字孪生业务上存在明显不足 ， 需改进算法 ， 以提高计算 效率 现有传统的模型建模过程复杂 ，复用难度大、推广成本高 ，在模型计算方面存在着计算时间过长 的问题。需要改进算法与计算模式 ，提高模型的计算速度。 复杂水网系统示意 堤防 新的要求 复杂水网精细刻画 水量交换节点精准建模 P9 技术成果： 延长预见 期 融合短临预报和实测数据的降水空间分布计算方法 提出了耦合深度学习和时空地理加权回归的数据融合方法（ GTWR-LSTM ） ； 融合站点观测数据与雷达回波反演或模式短临预报数据 ，提供精细化降水时空数据； 降低短临预报平均绝对误差减小 10% 以上 ，预见期延长 6h 以上。 引用 LSTM 模型计算 GTWR 距离权重 短临预报和实测数据深度融合 技术成果： 结合机器学习与随机模拟的方法 ，基于深度学习构建了洪水模拟的替代模型； 通过替代模型挖掘洪水模拟模型参数空间与对应目标函数空间的响应关系 ， 经多次迭代计算确定相应 目标空间的近似 Pareto 解集 ， 实现对模型参数的快速率定 ，解决参数率定的计算负荷问题。 提高参数率定速度： 基于深度学习替代模型的参数快速动态率 定 技术成果： 提升建模效 率 采用替代模型快速率参 P21 P22

私有云 / 混合云 / 数据机房 / 云边协同 华南理工大学 South China University of Technology 边缘智能、 物联代理、 双向互动 、 边缘计算、 自 由聚合 E 云 边 ( 数 字 能 源 终 ) ) 端 ( 能 源 实 体 曲 理 构建基于电力物联网“云管边端 ” 的自动化技术架构，支撑海量 对 象接入 充分发挥“云一边”协同系统优 势 ， 充分消纳海量异构信息和业 务应用请求 构建边缘计算终端的分区自治机 制 ，实现采集数据实时处理和就 地分析 构建基于云原生技术的边缘计算 终端架构，实现终端功能软件定 义、业务应用快速部署 建立资源弹性分配机制，在不同 时空尺度满足各类业务应用的实 时性需求 时性需求 建立适用于并发场景的数据读写 可靠性机制和数据加密认证机制 , 提高业务的可靠性和安全性 分析源网荷储智慧联动运营对于 自 动化系统通讯资源和计算资源需求， 为自动化系统建设奠定基础 建立面向第三方应用服务的 APP 全 生命周期管理机制及方 法 ，促 进自 动化系统对源网荷储各行业 的支撑 作用 通过构建应用商店，完成应用服务 认证、自动更新，培育生态型业务 应用 新型电力系统