
制造业如何应对大数据管理 融合方案有新招
在如今的大数据时代,对制造行业而言,存在着极大地挑战如何满足这类客户的数据管理的需求呢?融合基础架构作为一种新型的存储解决方案正好可以解决制造行业面临的问题。
制造业的挑战
对制造行业而言,随着其业务的增加,其数据中心正不断扩大,来自企业生产、管理、销售等多个部门的数据一直源源不断地归纳到数据中心之中。尤其是在面对数据量的几何级别增长以外,海量数据的存储归档、对数据的实时访问和调取也为企业IT网络系统带来了压力。
制造行业客户亟需采用一套更加灵活、稳定和可靠的整体解决方案。正如安靠封装测试(上海)有限公司IT经理徐炯介绍的那样:“作为安靠科技世界第二大的半导体封装和测试外包服务业独立供应商的直属子公司,随着国内封装市场需求的增长,他们面临着很多新的需求。
首先,在虚拟化方面,需要新的IT平台能够提供对VMware平台数据存储的支持,来提高ESXi业务恢复效率;在存储方面,要同时具备NAS和SAN功能,来满足虚拟化平台的数据存储要求;在服务器方面,由于刀片服务器发生故障更换需要较长时间来恢复业务,新的IT平台需尽可能减少和缩短业务恢复时间并提高系统可靠性,保证关键型业务应用的响应时间” 这也是同类型制造企业面临的共同需求。
融合方案显神通
那么,究竟要如何满足上述类型客户自身业务发展需要,以及对现有IT平台升级的要求?
据徐炯介绍,他们采用了NetApp FlexPod融合基础架构作为解决方案。“NetApp FlexPod整合了思科统一管理、统一计算、统一Fabric、NetApp统一存储,并结合虚拟化桌面架构,实现了安靠技术数据中心物理和虚拟资源的池化,这也解决了其虚拟化平台的应用所带来的压力挑战,使得各部门能够快速地访问、调用数据,而且IT部门也可统一管理不断增长的数据。”
图:安靠技术FlexPod解决方案
值得一提的是,在部署FlexPod解决方案之前,安靠技术已经部署了NetApp存储系统,因此NetApp FlexPod的横向拓展功能能够支持其统一管理之前的NetApp存储系统,并且可以平滑、无中断地拓展至更多NetApp存储,为安靠技术应对今后业务版图的扩大和数据的高速增长留下空间,减少额外的投入。NetApp存储系统所具有的高稳定性和拓展能力也是其继续选择NetApp FlexPod的重要原因。
徐炯表示:“NetApp FlexPod极大减轻了数据中心的网络压力,帮助我们简化了维护工作,并提供了可靠的业务支持。”
实现高效的方案
在部署了FlexPod融合基础架构之后,安靠技术的IT平台具备了NAS和SAN功能,同时满足统一架构部署,“NetApp FlexPod融合基础架构可以同时提供万兆NFS的数据存储共享和SAN-BOOT的远程启动ESXi服务器,通过SAN架构来提供ESXi系统启动服务,并通过NAS提供VMware对数据存储的访问需求。”实现数据的集中管理,提升管理效率。降低部署和管理成本,NAS-SAN的统一架构降低了IT的部署和管理成本,NetApp FlexPod架构将思科刀片服务器部门的服务器配置和硬件分离,由此可在短期内完成服务器的更换,缩短了业务恢复所需的时间。并且支持横向拓展,为未来拓展预留空间。
现在,安靠技术不但减少了升级IT平台所需的成本,而且有效降低系统业务恢复时间,我们只需要重新指定映射关系即可恢复业务,降低了宕机时间的影响;同时具备的NAS和SAN功能也让安靠技术解决了IT平台最特别的需求。这一案例值得制造行业借鉴。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16