新兴业务支撑及推广是干什么的

新兴业务支撑及推广是干什么的,第1张

当前,为推进IT支撑系统集约化建设和运营,进一步发挥集中化能力优势,IT云成为运营商IT支撑系统建设的基础架构。但在IT云资源池部署过程中,服务器技术面临多个新挑战,主要体现在以下3个方面。

在性能方面,人工智能(AI)应用快速扩张,要求IT云采用高性能GPU服务器。AI已在电信业网络覆盖优化、批量投诉定界、异常检测/诊断、业务识别、用户定位等场景规模化应用。AI应用需求的大量出现,要求数据中心部署的服务器具有更好的计算效能、吞吐能力和延迟性能,以传统通用x86服务器为核心的计算平台显得力不从心,GPU服务器因此登上运营商IT建设的历史舞台。

在效率成本方面,IT云部署通用服务器存在弊端,催生定制化整机柜服务器应用需求。在IT云建设过程中,由于业务需求增长快速,IT云资源池扩容压力较大,云资源池中的服务器数量快速递增,上线效率亟需提高。同时,传统通用服务器部署模式周期长、部署密度低的劣势,给数据中心空间、电力、建设成本和高效维护管理都带来了较大的挑战。整机柜服务器成为IT云建设的另一可选方案。

在节能方面,AI等高密度应用场景的快速发展,驱动液冷服务器成为热点。随着AI高密度业务应用的发展,未来数据中心服务器功率将从3kW~5kW向20kW甚至100kW以上规模发展,传统的风冷式服务器制冷系统解决方案已经无法满足制冷需求,液冷服务器成为AI应用场景下的有效解决方案。

GPU服务器技术发展态势及在电信业的应用

GPU服务器技术发展态势

GPU服务器是单指令、多数据处理架构,通过与CPU协同进行工作。从CPU和GPU之间的互联架构进行划分,GPU服务器又可分为基于传统PCIe架构的GPU服务器和基于NVLink架构的GPU服务器两类。GPU服务器具有通用性强、生态系统完善的显著优势,因此牢牢占据了AI基础架构市场的主导地位,国内外主流厂商均推出不同规格的GPU服务器。

GPU服务器在运营商IT云建设中的应用

当前,电信业开始推动GPU服务器在IT云资源池中的应用,省公司现网中已经部署了部分GPU服务器。同时,考虑到GPU成本较高,集团公司层面通过建设统一AI平台,集中化部署一批GPU服务器,形成AI资源优化配置。从技术选型来看,目前运营商IT云资源池采用英伟达、英特尔等厂商相关产品居多。

GPU服务器在IT云应用中取得了良好的效果。在现网部署的GPU服务器中,与训练和推理相关的深度学习应用占主要部分,占比超过70%,支撑的业务包括网络覆盖智能优化、用户智能定位、智能营销、智能稽核等,这些智能应用减少了人工投入成本,提升了工作效率。以智能稽核为例,以往无纸化业务单据的人工稽核平均耗时约48秒/单,而AI稽核平均耗时仅约5秒/单,稽核效率提升达 90%。同时,无纸化业务单据人工稽核成本约15元/单,采用GPU进行AI稽核成本约0048元/单,稽核成本降低达968%。

整机柜服务器发展态势及在电信业的应用

整机柜服务器技术发展态势

整机柜服务器是按照模块化设计思路打造的服务器解决方案,系统架构由机柜、网络、供电、服务器节点、集中散热、集中管理6个子系统组成,是对数据中心服务器设计技术的一次根本性变革。整机柜服务器将供电单元、散热单元池化,通过节约空间来提高部署密度,其部署密度通常可以翻倍。集中供电和散热的设计,使整机柜服务器仅需配置传统机柜式服务器10%的电源数量就可满足供电需要,电源效率可以提升10%以上,且单台服务器的能耗可降低5%。

整机柜服务器在运营商IT云建设中的应用

国内运营商在IT云建设中已经推进了整机柜服务器部署,经过实际应用检验,在如下方面优势明显。

一是工厂预制,交付工时大幅缩短。传统服务器交付效率低,采用整机柜服务器将原来在数据中心现场进行的服务器拆包、上架、布线等工作转移到工厂完成,部署的颗粒度从1台上升到几十台,交付效率大大提升。以一次性交付1500台服务器为例,交付工作量可减少170~210人天,按每天配10人计算,现场交付时间可节省约17~21天。

二是资源池化带来部件数量降低,故障率大幅下降。整机柜服务器通过将供电、制冷等部件资源池化,大幅减少了部件数量,带来故障率的大幅降低。图1比较了32节点整机柜服务器与传统1U、2U服务器机型各自的电源部件数量及在一年内的月度故障率情况。由于32节点整机柜服务器含10个电源部件,而32台1U通用服务器的电源部件为64个,相较而言,整机柜电源部件数减少844%。由于电源部件数量的降低,32节点整机柜服务器相对于32台1U通用服务器的月度故障率也大幅缩减。

三是运维效率提升60%以上。整机柜服务器在工厂预制机柜布线,网络线缆在工厂经过预处理,线缆长度精确匹配,理线简洁,接线方式统一规范,配合运维标签,在运维中可以更方便简洁地对节点实施维护 *** 作,有效降低运维误 *** 作,提升运维效率60%以上,并大幅减少发生故障后的故障恢复时间。

液冷服务器技术发展态势及在电信业的应用

液冷服务器技术发展态势

液冷服务器技术也称为服务器芯片液体冷却技术,采用特种或经特殊处理的液体,直接或近距离间接换热冷却芯片或者IT整体设备,具体包括冷板式冷却、浸没式冷却和喷淋式冷却3种形态。液冷服务器可以针对CPU热岛精确定点冷却,精确控制制冷分配,能真正将高密度部署带到前所未有的更高层级(例如20kW~100kW高密度数据中心),是数据中心节能技术的发展方向之一,3种液冷技术对比如表1所示。

液冷服务器在运营商IT建设中的应用

液冷服务器技术目前在我国仍处于应用初期,产业链尚不完备、设备采购成本偏高、采购渠道少、电子元器件的兼容性低、液冷服务器专用冷却液成本高等问题是液冷服务器尚未大规模推广的重要原因。从液冷服务器在运营商数据中心领域的具体应用案例来看,运营商在IT云资源池规划和建设过程中,通常会对液冷服务器的发展现状、技术成熟度等进行分析论证。

考虑到目前液冷服务器规模化应用尚处于起步阶段,需要3~5年的引入期,因此暂时未在IT云资源池建设中进行大规模落地部署,但在部分地区有小规模应用,如中国移动南方基地数据中心已经开展液冷服务器试点应用,中国联通研究院也在开展边缘数据中心服务器喷淋式液冷系统的开发。未来,随着IT云建设规模、建设密度的继续攀升,以及液冷产业生态体系的逐步成熟,液冷服务器在IT云建设中将有更大的应用空间。

总体来看,运营商IT云资源池建设对服务器计算性能、延迟、吞吐、制冷、定制化、分布式部署等方面都提出了更高要求。未来,GPU服务器、定制化整机柜服务器、液冷服务器等新兴服务器技术将快速迭代,为运营商数据中心服务器技术的发展和演进带来新的思路和路径。

联通,移动和电信是国内三家手机通讯运营商,均是提供手机通讯相关的服务。区别在与各自使用的网络技术不同,区别如下:联通使用的网络为:4g:FDD-LTE/TDD-LTE;3g:WCDMA;2g:GSM。移动使用的网络为:4g:TDD-LTE;3g:TD-SCDMA;2g:GSM。电信使用的网络为:4g:FDD-LTE/TDD-LTE;3g:CDMA2000;2g:CDMA。使用的网络不同,导致该运营商的手机卡需要的手机不同。网络覆盖情况,具体要根据使用地点的情况判断,至于资费套餐,则各有特色。

是给企业的运营做支撑和业务推广的

比较接近事实的观点,应该是业务支撑是给企业的运营做支撑的。传统电信运营商的运营支撑系统,主要说的是网管,那时运营的核心是保障网络的稳定运行,因此运营支撑很大程度上是说网管。但是,现在的运营商,越来越多的是围绕客户和围绕产品两个核心开展运营;而产品也不再是网络直接提供的,而是经过业务部门利用业务支撑系统来包装和整合的。因此,业务支撑系统实质上是支撑运营的平台,这种运营不仅是针对单一业务的,更包括多业务之间的。业务支撑前端面向分散的、多元的、各自独立而又存在交叉的业务部门;后端面向的则是分立的、标准化、规范化刚性运作的网络、计划、财务等部门。凡是别的部门不愿意改的,往往改动的需求就交给了业务支撑部门。这还不能说明业务支撑是在为企业的运营做支撑么。

业务支撑部门不仅需要发现问题,还需要提出解决问题的建议和方案,在很大程度上,已经超越了IT支撑部门的定位,在做一些应该由企业的业务部门或者说运营部门(如果存在运营部门的话)完成的工作。比如,在业务设计时有多少建议是支撑部门提出的。有多少与其他业务的矛盾、冲突是业务支撑人员发现的。企业内部谁在主动地制定和推进跨部门的流程(业务流程甚至管理流程)。甚至谁在做业务规划。如果业务支撑部门仅将自己定位于支撑,它完全可以只接受最终的需求,有问题打回去,没有必要参与确定运营流程和规则的工作,更不必提出建议。可请问我们的业务部门:事实是这样么。事实上,业务支撑部门已经很深地参与到运营里面去了,甚至成了运营商内部和运营结合最紧密的部门。

中国联通好些

中国联通和中国移动相比,最强的地方可能是联通系统集成能力。一是比较灵活,二是生态体系比较丰富。当然,中国移动的系统集成刚刚起步,比较起来不太公允

02

第二:联通的IT支撑系统比较强!

三家电信运营商中,中国移动的IT支撑能力应该是最弱的(当然几个大省除外),这点也让付老师很奇怪。实际上,中国联通的IT支撑系统一直都很先进,这点也令人好奇!

03

第三:中国联通的网络不是强一点!

比较移动通信网络来,中国联通比中国移动好的不是一星半点

以上就是关于数据中心服务器技术发展趋势与应用全部的内容,包括:数据中心服务器技术发展趋势与应用、中国联通和中国移动有什么区别、新兴业务支撑及推广是干什么的等相关内容解答,如果想了解更多相关内容,可以关注我们,你们的支持是我们更新的动力!

欢迎分享,转载请注明来源:内存溢出

原文地址: https://outofmemory.cn/langs/8879068.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023-04-22
下一篇 2023-04-22

发表评论

登录后才能评论

评论列表(0条)

保存