中国移动技术发展策略-IT部分.pptxVIP

IT领域技术发展策略;IT技术的范畴;目录;公司IT发展到了变革的关键时期;;IT转型目标-架构：集中共享、分层开放、灵活可扩展;;;目录;IT整合方法论;构建统一的云平台，IT支撑系统和业务系统在统一云平台进行部署，实现IT基础资源的共享和按需使用，提升业务上线速度和快速响应能力，未来演进到核心网系统（NFV）在统一云平台的部署。;横向域内整合案例：第三代业支能力开放平台;通过专业公司实现专业领域的纵向业务整合，构建全国统一的系统 最彻底的纵向整合方式;IT的目标及技术策略要点;目录;业务支撑系统部;事务型支撑系统分析;分析型支撑系统分析;业务系统分析;技术能力小结;目录;总体策略：充分利用开源社区和行业组织的力量，实现linux操作系统的自研发自服务，降低服务器采购成本，提升数据中心节能减排和智能化运维管理水平。;总体策略;服务器虚拟化： 1、建???近期通过集采方式直接采购虚拟机产品，之后逐步用自研产品替代；2、容器技术建议在内部系统、无安全隐患的场景下尝试自研。 云存储：1、分布式文件存储直接采购商用产品；2、基于X86集群的弹性块存储以自研产品为主，在移动云和部分私有云场景开展商用和试点；3、对象存储直接自研。 虚拟网络：1、近期，“交换机等专用网络设备”-“软件实现的网络功能单元”，实现网络设备的虚拟化，支持更大规模组网、灵活的安全域和更精细化的运维管理；2、远期，引入SDN，进一步将网络功能单元的转发和控制面分离，使得网络策略可通过编程方式快速调整。;云资源管理和运营管理：开源+定制化自主研发;中间件：采购+自研;大数据领域以事实标准为主，也即：Hadoop、Spark等开源生态体系、MPP商用产品及外围工具组件。标准化工作处于起步，主要围绕数据交换和使用规则，发挥作用有限。 1、数据采集：根据需求采用合理的商用、开源和自研产品，提供高适配性、高吞吐量、高扩展性的数据采集能力。 2、数据存储与计算：基于现有主流大数据生态系统，针对不同应用需求，选择相应的模块，采用混搭架构，搭建低成本高效的数据存储和计算架构。 3、数据挖掘、可视化：充分利用当前主流大数据生态系统模块和商业化工具，根据业务发展需要选择对应的分析工具，提供高效的数据挖掘、展示能力。 4、平台管理：定制需求多，没有可直接使用的商用或开源产品，根据自身需要选择合理的工具进行定制开发。主要工具包括：Zookeeper，Hcatalog，Ambari，Kafka，Flume等。;技术特点：大数据采集系统一般需要具备高适配性、高吞吐量、高扩展性等特征。 主流产品特点：内部采集（ BOM生产系统数据采集）商用产品丰富且成熟，外部采集（ 非中国移动系统的数据采集）无对外销售的商用产品，主要是开源产品为主。 策略建议： 内部采集：对于关键性场景采用商用产品，对于非关键场景采用自研产品，并逐步采用自研产品替代商用产品。 外部采集：采用自研产品或开源产品。;Spark、Hadoop、MPP、传统数据仓库在多方面各有优劣势、可以形成有效的互补，在具体应用中应该采用混搭架构，各取所长、优势互补 Spark与Hadoop均基于HDFS，可以通过相同的资源管理（YARN）部署在相同集群上，有利于共享底层资源 Spark基于内存计算，较Hadoop更快，可尝试用于支持即席查询和自助分析等交互要求高的场景，Hadoop主要用于时间要求不高的海量数据离线处理场景 未来随着内存/SSD成本的降低以及Spark的不断完善，Spark可以逐步替代Hadoop及MPP MPP更好的支撑复杂关系的结构化数据，对于SQL的支持更加标准，适用于构建数据仓库和集市，支撑业务人员进行各类分析 传统数据仓库主要用于关键任务的计算处理，保证稳定、可靠、及时的数据处理及呈现，但其成本高昂，应该尽可能减少其应用，并逐步采用MPP、Hadoop、Spark替代;大数据挖掘：从海量数据中“挖掘”隐含的、过去未知的、有价值的信息，以达到“驱动”企业发展的目的。是实现数据向价值转换的核心。 策略建议：1）现阶段中小规模以及抽样分析场景采用商用产品；2）同时基于开源构建自有产品，满足大规模数据分析需求（选择算法集支撑更完整的Mahout和R），最终替代商用。 数据可视化：数据可视化技术将信息以直观形象的图像表达，一方面增加分析结果的可理解性，另一方面通过交互提高分析的效果和准确性，两者相辅相成，帮助企业从信息中提取知识、从知识中收获价值。 策略建议：引入开源产品并进行定制开发。; 根据多租户管理、服务订购、运维管理等业务需求，大数据运营管理平台划分为三大功能域：服务运营、资源管理和运维管理。 特点和趋势：1）定制化功能较多，无可直接采用的商用/开源解决方案，部分模块有开源可利用。2）互联网公司进行自研；传统IT