杉岩:以对象存储为底座,双中心读写加速业务提效

文章探讨了传统NAS在双中心架构中的局限性,提出以对象存储为基础的解决方案,通过在生产和灾备中心部署对象存储集群,实现多站点多活和数据高效同步,从而提高业务响应速度和数据可靠性。珠海华润银行和广发证券的成功实践验证了这一方案的有效性。

基于NAS的双中心架构掣肘业务发展

随着监管日趋严格,为了满足数据集中治理和灵活灾备的要求,多数金融机构(尤其中小型金融机构)采用主备双中心运营架构。由于IT架构演进的历史性,现有的IT基础设施多采用传统NAS作为底层存储,本地部署NAS承载生产业务,异地部署NAS实现容灾备份。

在这里插入图片描述

图1.基于传统NAS的双中心架构

在双中心架构下,由于NAS只支持主备模式,部署在灾备中心的业务数据需要跨中心写入到主NAS,容易造成单点压力过大、带宽不足;而且读数据时同样无法本地读取,业务响应慢。另外,随着互联网业务增多,非结构化数据激增,NAS的性能瓶颈、扩容复杂等常被诟病的痛点同样凸显。寻求更具弹性和未来就绪能力的存储底座,成为金融机构的普遍诉求。

对象存储当底座,双中心读写加速业务提效

对比传统NAS,对象存储在应对海量非结构化数据(如金融影像)管理难题有着天然优势,这已经得到了业界共识。在解决双中心架构下数据近端读写问题上,对象存储同样交上了一份令人满意的答卷。

在这里插入图片描述

图2.基于对象存储的双中心架构

以杉岩MOS对象存储为例,在生产和灾备中心分别部署MOS对象存储集群,两个集群分别对外提供服务,集群间读写互不影响,因此能实现多站点多活,保障业务连续。而且,两个数据中心之间的数据能够按照策略相互同步,保证数据一致性和高可用。此外,双中心部署MOS集群为应用提供了最短路径的选择,从而实现业务就近访问,效率更高,体验更好。

成功实践:珠海华润银行

珠海华润银

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈升分类精度,实现高自动化信息取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练率。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值