面对日新月异的业务发展和更加严格的行业监管,商业银行对信息系统稳定运行的要求越来越高。
作为中国领先的大型零售商业银行
中国邮政储蓄银行(以下简称“邮储银行”)
拥有近4万个营业网点
服务个人客户达5.53亿户
它如何构建一张“业务永续”的服务系统?
紫光旗下新华三集团架构咨询团队凭借业界领先的容灾咨询和平台实施经验,通过搭建“数字化+自动化”的灾备管理系统为邮储银行保驾护航。
有数有真相 | 切换演练回顾
总行、数据中心和科技部的领导、业务部门
及16家分行参与观摩
涉及营业网点机构近1万个、柜员2万人
处置过程历时53分钟
所有任务均成功完成!
切换演练过程中业务无错账、无投诉
交易成功率达到99%以上
达到了RTO<3秒和RPO=0秒的目标
项目建设背景
经过多年的建设实施,邮蓄银行已完成了“两地三中心”的建设,储蓄逻辑集中系统也已正式上线运行。
为有效预防重大突发事件和重大灾难时,灾备系统能够按照业务连续性计划的要求,快速有序接管生产系统,恢复对外提供服务,需在亦庄同城中心和合肥异地灾备中心建设逻辑集中灾备系统。
既考量业务连续性的要求,又突出应急处置中的直接高效
灾备系统的建设是一项复杂的系统工程。新华三架构咨询团队基于对项目需求的深入剖析,搭建了一个兼具高可用性和灾难备份能力的灾备切换及运行管理平台。
该平台以预案管理为中心,从演练管理和应急切换管理两种模式出发,既考量业务连续性的要求、又突出应急处置过程中的直接高效,以确保:
生产系统出现短时间无法恢复运行的重大突发事件时,通过灾备切换及运行管理平台,按照事前制定的灾备切换预案和人员组织架构及权限,有序、规范、快速、自动化地将生产系统切换到灾备系统运行,恢复对外提供服务
通过灾备切换及运行管理平台的灾备切换预案,定期按计划进行相关灾备系统的切换演练、版本管理和事后审计
对灾备系统所采用的关键技术指标、灾备系统运行环境进行日常监控
极大提升灾难恢复能力和业务连续性
邮储银行容灾管理系统的投入运行,不仅革新了传统的人工灾备系统切换管理模式,还极大提升了邮储银行的灾难恢复能力和业务连续性水平:
通过日常演练管理和突发事件应急处置管理两种模式,实现灾备管理过程中的平战结合
从预案维护的专业全面,到任务流转的高效协作,再到预案执行时领导全局监控,实现了人员、过程、沟通、资源、决策、职责、报告的全过程联动,达到了信息沟通智能化、响应过程自动化、执行过程可视化、资源调度合理化、通讯互联一体化
通过手工执行和自动执行两种模式,按需配置,实现自动\半自动化切换
数字经济转型升级 金融改革纵深推进
源于客户的信赖,在邮储银行、浦发银行、民生银行、云南红塔银行等众多金融机构的背后,处处可见新华三架构咨询团队的身影和解决方案的应用。
我们从提供容灾咨询和系统实施服务,到搭建业务连续性管理平台,从管理角度、应用层面、适用场景和客户需求等不同方面,将容灾、应急和业务连续性有效整合,全方位助力金融客户提升容灾和风险预防能力,保障业务服务水平和关键业务持续性!
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。