随着数字化转型的不断深入,国内电信运营商开始在智慧中台领域发力。作为实现价值经营的关键基础设施,智慧中台一方面可以优化企业资源配置,另一方面可以提升企业面向社会输出优质产品与服务的能力。但是,云计算和大数据技术的投入使用,使物理机和虚拟机数量呈几何级数增长,造成系统调用关系复杂、维护难度增高等问题。如何保证各系统安全、稳定、高效、智能地运行,充分发挥智慧中台在服务共享、效能提升、业务赋能等方面的作用,成为各大运营商关注的焦点。

智慧中台发展势不可挡,但也挑战重重

智慧中台不仅能够支持业务敏捷弹性需要,同时可以对大数据进行提取、分析和应用,辅助企业决策。但是打造智慧中台绝非易事,中国移动某省公司(以下称“S移动”)一直在做这方面的努力。

通过云计算的IaaS层能力建设,S移动实现了计算、存储、网络等IT基础架构资源的池化部署、集中管控、敏捷交付和快速开通,提升了资源的使用效率,降低了管理成本。

作为智慧中台的中流砥柱,技术中台对业务、数据和AI等中台的建设起着重要支撑作用,其中包含的数据库能力尤为关键。但S移动数据库类型众多,仍以传统、竖井式部署模式为主,PaaS层的数据库能力相对薄弱,资源共享性不佳、标准化程度低、数据库资源交付时间长等问题日益凸显。

智慧中台目标架构

值得关注的是,随着S移动业务急剧膨胀,服务类型更加复杂,管理环境激增,原先“基于人为指定规则”的专家预案变得力不从心。此外,S移动增加了大量硬件设备以应对云计算带来的挑战,造成设备数量猛增。同时,数据体量、产生频度也在快速增长,开发、运维、管理人员每天需面对大量繁琐、复杂、重复性的工作,消耗了时间和精力。

以上变化使S移动应用之间的调用关系和耦合情况日渐复杂,应用维护难度、故障判定和干预难度增加。为解决这些问题,S移动使用了多种运维工具,但效果并不理想。运维人员需要从众多工具中查询不同维度的运维指标,再根据以往经验对各指标进行关联分析,结果存在盲目性和选择性偏差。针对这些问题,S移动对改善技术中台环境提出了以下需求:

技术中台目标架构

  1. 全域组建服务:S移动要求数据库云管理平台(dbPaaS)具备自助化、多租户、微服务化、流程化编排、弹性扩展等能力;

  2. 开发交付:平台需要具备软件资产与质量管控的功能;

  3. 运维:S移动致力于实现运维的自动化和智能化,包括标准化设计、一体化管控、模块化实现、操作可视化、可定制化能力。

数据库管理之困如何破题?zCloud给出“硬核”答案

早在2017年,S移动就建设了企业级PaaS平台。该平台已成为IT私有云内各个单位申请资源、使用PaaS能力的唯一入口,也是IT各类资源、网络、容器、大数据、数据库等服务在S移动内的统一输出通道。

企业级PaaS采用的是“一套门户+能力集成”的方式,整合各个专业的平台层服务能力,实现统一对外提供资源,逐步引导应用采用“云平台+能力中台+前端应用”新型架构替代烟囱式、难共享的传统IT系统,从而不断提高系统集成效率,规范系统部署环境,帮助S移动掌握核心架构。

企业级PaaS架构

云和恩墨详细分析了S移动的问题和现有资源,在企业级PaaS平台内集成zCloud混合数据库云管平台,帮助客户快速实现标准化、⾃动化、智能化的数据库综合管理。

作为一个dbPaaS平台,zCloud能够融合管理多种类型数据库,降低了数据库应用门槛。同时,平台具备有效隔离租户间资源的功能,可以按需求实时的提供计算和存储资源,满足租户多元化数据安全需求。另外,zCloud可以实现对各租户数据的持续保护,将数据库保护及管理提升到了新的高度。例如,zCloud备份恢复速度相较于传统平台要快5到10 倍,数据库恢复能力可达到100%。

zCloud管理架构

zCloud具备数据库SQL质量管控功能,可以自动抓取数据库中的对象设计与SQL信息,依据既定的审核规则,对这些信息进行分析,找出系统潜在性能风险,使DBA和应用开发人员能够较早介入,将性能隐患扼杀于萌芽阶段,确保线上应用和数据库的稳定、高效运行。

数据库SQL质量管控功能界面

另外,zCloud为S移动数据库管理员提供了丰富的智能化运维能力,降低了数据库的使用和维护难度。依靠多种监控模型,平台可以持续多维度跟踪系统的变化情况,自动采集、分析运行数据,发现潜在隐患。同时,zCloud引入多种机器学习算法和智能模型,深度分析巡检数据,为管理层提供有效的决策数据支持,帮助S移动形成完善的故障处理机制。此外,所有的运维过程都是可视化的,数据库管理员可以对系统情况了然于胸。

zCloud监控大屏

zCloud答卷如何?让效果“说话”

S移动各应用系统上云部署效率有了显著提高。基于x86/一体机,zCloud实现了自动化数据库安装、数据同步配置、高可用切换等功能,系统部署速度从“周”缩短到“天”。此外,应用灰度发布、企业级镜像仓库、快速部署编排等能力的提升加快了S移动业务系统交付速度,系统编排扩容可以缩短到“分钟”级。

此外,zCloud的纳管范围非常广泛。目前,S移动各部门所建的主流关系型数据库都纳入了平台进行管理,资源池设备的利用率显著提高。相比虚拟机,具备轻量级优势的容器将资源利用效率提升了15%,并且实现了不同物理局点的设备统一提供服务的目标。

使用zCloud平台后,S移动系统的稳定性和安全性得到有效保障,具体表现为:PaaS平台部署的Oracle/MySQL型业务系统的可用性和连续性达到99.9%,业务系统灾备数据损失时长控制在30秒内,容灾恢复时间在10分钟以内。

zCloud智能巡检建议界面

此外,zCloud助力S移动基础环境硬件“去I去E”。结合“容器+dbPaaS”的方式部署,平台实现了业务系统完全去小型机化,提高了系统的自主可控水平,推动IT私有云降本增效。

 关于zCloud

zCloud是一个高效智能的混合数据库云管平台,能够统一纳管多种类型的数据库,提供服务化、自动化、智能化的数据库全生命周期管理,包括自动化安装部署、统一监控、智能巡检、性能容量管理、SQL审核、高可用和备份恢复管理等功能。zCloud持续构建稳定、安全、可靠、高性能的数据库运行环境,单位时间可将数据库资源交付效率提升10倍,将管理成本降低60%

zCloud应用场景-dbPaaS

产品特点和用户价值:

  1. 云化资源整合:实现Oracle, DB2, SQL Server, MySQL, PostgreSQL, Redis, MongoDB, openGauss, MogDB, 达梦等多种类型数据库的统一管理;通过资源统一调度管控和按需分配,提升资源利用率,降低IT运营成本,持续构建可以满足业务性能需求的数据库环境。

  2. 敏捷智能运维:将被动接工单的运维模式转变为以服务目录为接口呈现的主动运维模式,提升运维效率和水平,保障业务稳定、 高效、安全运行。

  3. 平滑迭代演进:内化于云和恩墨300+数据库专家经验知识库和覆盖金融、运营商、政府等行业10万+数据库最佳实践的积累和迭代;架构可扩展,可快速迭代支持各类新数据库,提供各类新管理功能模块。保护用户投资,为混合数据库场景提供可持续演进的管理环境。

END

数据驱动,成就未来,云和恩墨,不负所托!


云和恩墨创立于2011年,以“数据驱动,成就未来”为使命,是智能的数据技术提供商。我们致力于将数据技术带给每个行业、每个组织,构建数据驱动的智能未来。

云和恩墨在基础软件、数据和云软件、数据服务等领域为企业提供可信赖的产品、解决方案和服务,与业界厂商广泛合作,围绕用户需求,持续为客户创造价值,激发数据潜能,为成就未来敏捷高效的数字世界而不懈努力。

目前,云和恩墨的700多名员工分布在国内外的32个地区,已累计直接服务8大关键行业(金融、通信、能源、政务、制造、交通、医疗、商贸)的1,000多个组织,50,000多套业务系统,300,000多名行业从业者。

zCloud补齐某省移动智慧中台dbPaaS能力“短板”相关推荐

  1. 桌面虚拟化 | 同VDI扭打,IDV要如何补齐短板?

    桌面云技术从诞生之初就深入"人"心,越来越多的政府.学校.企业等机构已经应用桌面云,即便如此,桌面云仍然具备着巨大的市场潜力: 2016-2022年中国桌面云行业市场规模预测 (图 ...

  2. pandas使用pad函数向dataframe特定数据列的每个字符串添加补齐字符或者字符串、向所有字符串的左右两侧填充、直到宽度达到指定要求(both padding)

    pandas使用pad函数向dataframe特定数据列的每个字符串添加补齐字符或者字符串.向所有字符串的左右两侧填充.直到宽度达到指定要求(both padding) 目录

  3. pandas使用pad函数向dataframe特定数据列的每个字符串添加前置(前缀)补齐字符或者字符串、向所有字符串的左侧填充、直到宽度达到指定要求(left padding)

    pandas使用pad函数向dataframe特定数据列的每个字符串添加前置(前缀)补齐字符或者字符串.向所有字符串的左侧填充.直到宽度达到指定要求(left padding) 目录

  4. pandas使用pad函数向dataframe特定数据列的每个字符串添加后置(后缀)补齐字符或者字符串、向所有字符串的右侧填充、直到宽度达到指定要求(right padding)

    pandas使用pad函数向dataframe特定数据列的每个字符串添加后置(后缀)补齐字符或者字符串.向所有字符串的右侧填充.直到宽度达到指定要求(right padding) 目录

  5. python使用箱图法和业务规则进行异常数据处理并检查预测使用的数据特征是否有字段缺失的情况并补齐

    python使用箱图法和业务规则进行异常数据处理并检查预测使用的数据特征是否有字段缺失的情况并补齐 关于预测或者推理的时候特征补齐的情况是这样的: 你在模型训练的时候使用了多少特征,那么在模型预测和推 ...

  6. python 字符串补齐

    python 字符串补全填充固定长度(补齐)的三种方法 text justification 补零,也可以补别的: ''' 原字符串左侧对齐, 右侧补零: ''' str.ljust(width,'0 ...

  7. ios-晋级之路 CocoaPods引用第三方库不import不自动补齐

    对于CocoaPods不自动补齐解决方案如下 选择工程的 Target -> Build Settings 菜单,找到\"User Header Search Paths\" ...

  8. nerdctl命令tab键补齐方法

    nerdctl命令tab键补齐方法 一.查看containerd版本 二.查看bash-completion安装情况 三.配置tab键补齐 四.测试tab键补齐命令运行容器 一.查看container ...

  9. mysql 自动补齐 表名,列名 方法, 重启mysql方法

    1.mysql自动补齐方法 方法一.修改my.cnf vi /etc/my.cnf [mysql] auto-rehash         #添加auto-rehash 注:修改 #no-auto-r ...

最新文章

  1. Android 9.0 系统弹框
  2. java中collection方法_Java 8中的Collector toCollection()方法
  3. 使用Wine 1.6.2 在OS X El Capitan下运行Galgame
  4. NIO详解(七):进程间通信(MappedByteBuffer)
  5. 2022 年第一场云原生技术实践营开启报名
  6. 比较字符串a和b的大小
  7. 缺省参数-回顾列表的排序方法明确缺省参数的概念及作用
  8. 集群(三)——haproxy+nginx搭建web集群
  9. 自定义hybris生成订单的ID格式
  10. python模式选择符,Python设计模式之修饰器模式
  11. java - 匿名类
  12. 简自动类型提升,精度损失类型强制转换,常用转义字符,简单帮你回顾Java基本数据类型整形浮点型字符型布尔型Boolean及其运算规则
  13. matlab ifft频率分辨率,[FFT] matlab中关于FFT的使用(理解频率分辨率、补零问题)
  14. 推荐几个非常有用的工具
  15. 基于Apache ShardingSphere打造分布式数据库
  16. HBase shell命令
  17. IconFont图标库
  18. 网站实现扫描二维码关注微信公众号,实现自动登陆
  19. 2020-01-16
  20. Material Design(三)--暗色主题设计

热门文章

  1. 2015十大CMS系统介绍
  2. surface pro 4 发热抖屏的解决方法
  3. slice扩容机制分析
  4. 无线路由的beacon interval
  5. 年前人间尤物,年后惨不忍睹
  6. QualNet收发包过程分析(一)
  7. 牛逼!程序员给鸿星尔克写了一个720°全景看鞋展厅
  8. 阴阳师各服务器在线人数,阴阳师伪神活动成难忘今宵,玩家团结一心,你换了哪个SSR?...
  9. “二老板”何以疯行互联网?
  10. 水质监测系统解决方案