云服务器内容精选

  • 产品规格 工业数字模型驱动引擎(Industrial Digital Model Engine,简称iDME)的产品规格如下所示: 表1和表2约束限制中应用、基础版数据建模引擎、节点、增量包、用户和MCU数量范围是指同一华为账号同一区域下,服务或服务对应配置项可设置的数量下限和上限。约束限制中所述的数量上限指初次购买时可配置的最大值(即总配额),实际购买时每次可设置的数量上限取决于剩余配额。如果某个资源的剩余配额不能满足后续的购买需求时,您可申请扩大配额,详细操作请参见配额管理。 表1 产品规格 产品类型 产品规格 约束限制 描述 iDME设计服务 基础版 iDME设计服务 支持创建的应用数量范围:0-20 每个应用可开发模型数不超过500个。 “iDME 设计服务”指iDME的数据模型开发环境。 数据建模引擎 基础版 数据建模引擎 运行服务 同一华为账号同一区域下支持购买的基础版数据建模引擎数量范围:0-5 基础版数据建模引擎提供了物理隔离的运行环境,运行环境实例发放到租户虚拟私有云中,企业自用首选。 数据建模引擎-节点 基础版 数据建模引擎 节点 基础版 数据建模引擎 边缘节点 节点增长步长:1 节点数量范围:1-20 节点指支撑数据管理应用程序运行的云资源组合,用户在应用设计态完成数据模型开发后可根据需要购买一个或者多个“数据建模引擎-节点”部署数据管理应用程序,构建数据管理服务。数据建模引擎部署位置不同,适用的节点类型有所不同: 部署在公有云上,适用的节点类型为“基础版 数据建模引擎 节点”,单节点提供固定规格:应用运行4U8G*2、结构化数据存储200G、非结构化存储500G和基线数据存储20G。 部署在边缘云上,应用运行依赖于智能边缘小站所提供的资源,适用的节点类型为“基础版 数据建模引擎 边缘节点”。 数据建模引擎-增量包 结构化数据增量包(20GB) 文件数据增量包(500GB) 基线数据增量包(20GB*2) 增量包增长步长:1 结构化数据增量包数量范围:0-50 文件数据增量包数量范围:0-200 基线数据增量包数量范围:0-50 搭配“基础版 数据建模引擎 节点”使用,用于扩容节点中的数据容量。 单个结构化数据增量包可为节点扩容20GB的结构化数据容量。 单个文件数据增量包可为节点扩容500GB的文件数据容量。 单个基线数据增量包可为节点扩容40GB的基线数据容量。 数据建模引擎-用户 基础版 数据建模引擎 用户 基础版 数据建模引擎 边缘用户 用户数量增长步长:1 基础版用户数量范围:1-10000 基础版边缘用户数量范围:50-10000 用户指数据管理应用所管理的最终用户。例如客户采用iDME构建PDM应用并服务于最终用户,则需要购买相应数量的“数据建模引擎-用户”商品。数据建模引擎部署位置不同,适用的用户类型有所不同: 部署在公有云上,适用的用户类型为“基础版 数据建模引擎 用户”。 部署在边缘云上,适用的用户类型为“基础版 数据建模引擎 边缘用户”。 数字主线引擎 数字主线引擎 MCU 数字主线引擎各服务能力规格根据分配的MCU数量不同而有所不同,详细请参见表2。 按需计费的MCU起购数量为6 包年/包月的MCU起购数量为10 MCU(Model Compute Unit),数字主线引擎计费的计算单元。根据各服务能力分配的MCU数量总和和使用时长计费。 根据数字主线引擎提供的以下服务能力进行MCU分配: 模型管理 服务管理 数据管理 表2 数字主线引擎各服务能力规格说明 服务能力 MCU分配指标 约束限制 描述 模型管理 已发布的数据模型数量 已发布的数据模型数量范围:50-6750(个) MCU数量范围:2-270 用户创建的业务模型(如数据实体、关系实体)数量,体现业务复杂度。每1MCU支持25个已发布的数据模型,MCU分配数量以正整数递增。 服务管理 各类数据服务调用所需的计算资源规模 服务管理范围:10-100(万边/秒) MCU数量范围:3-24 在每秒内服务可计算数据广度,体现业务分析规模。服务管理与MCU数量换算呈现非线性变化关系,详细请参见表3。 数据管理 模型承载的实例数据规模 数据规模范围:100-2000(GB) MCU数量范围:1-20 产品联接的数据大小,体现用户数据规模。每1MCU支持100GB,MCU分配数量以正整数递增。 表3 服务管理与MCU换算关系表 服务管理(万边/秒) MCU 10 3 20 6 50 12 100 24 父主题: 工业数字模型驱动引擎简介
  • 系统管理 系统管理功能概览如表5所示。 表5 系统管理功能概览 功能名称 功能描述 发布区域 应用配置 定义系统的功能构架,支持的类型包括产品、应用、模块、微服务、前端Web及移动App。 管理系统中所有API信息,支持通过Swagger从各模块提取同步API信息。 按模块维护系统功能菜单栏目及菜单中的子页面及按钮对象,包括菜单、按钮需要的API权限。 维护数据字典。 定义参数配置。 华北-北京四 用户权限 管理用户信息,支持添加用户、重置密码等操作。 维护角色拥有的功能权限,管理角色权限对应的用户。 支持给用户授予角色,使其获得角色拥有的功能权限。 华北-北京四 运维监控 支持记录登录日志、操作日志、文件日志及审计日志。 华北-北京四
  • 质量管理 质量管理功能概览如表4所示。 表4 质量管理功能概览 功能名称 功能描述 发布区域 质量计划 维护工单质检方案。 支持查询工单质检单信息以及质检项内容。 华北-北京四 质量检验 支持按质检单完成对产品的质检,记录质检信息,也支持对完成缺陷/故障维修的产品再次进行检验。 提供产品缺陷登记的能力。 提供产品故障现象登记的能力。 支持录入产品维修结果,以及查看产品缺陷故障记录、产品维修记录。 提供对维修失败的产品登记报废的能力。 华北-北京四
  • 制造数据模型管理 制造数据模型管理功能概览如表1所示。 表1 制造数据模型管理功能概览 功能名称 功能描述 发布区域 从这里开始 可参考向导制定一个通用的生产方案。 可参考向导制定一个高阶的生产方案。 华北-北京四 工厂模型 建立和维护工厂的虚拟模型,该虚拟模型可以反映出工厂、流水线、工厂地址等信息。 定义公司内部的一个或一组业务独立经营的部门。 定义集团下的公司及公司下的工厂。 管理供应商信息。 管理制造商信息。 管理客户信息。 定义部门信息以及管理部门人员。 定义不同层级的位置信息。 华北-北京四 产品模型 对产品、物料等规格信息建立规范的规格编码体系。 维护产品制造BOM信息,包括维护BOM行数据、维护BOM行物料的装配位置以及维护BOM行对应的生产工序及工位。 华北-北京四 工艺模型 定义生产的工序,包括工序组及工序组下的工序。 支持通过图形化的方式定义产品的工艺路线。 维护加工产品的线体的生产能力信息,为生产排产提供参考信息。 管理生产工序的作业指导书。 审核作业指导书的发布请求。 华北-北京四 资源模型 维护指定产品的工艺路线中需要的资源信息,通过配置工序中的资源来定义使用的工治具。 维护资源实物信息。 维护产品在其生产过程中需要操作人员具备的技能。 维护公司级、工厂级、车间级、线体级的班次、通用事件,以及资源的日历信息。 维护资源规格(工治具)信息。 华北-北京四 Recipe模型 维护在生产工序中设备的参数信息。 维护在生产工序中需要从设备采集的数据。 华北-北京四 质检模型 维护各种故障现象、故障对象、测量方法、故障原因、缺陷及措施。 维护物料的追溯标准。 维护不同产品的质检方案、检验方案和抽样规则。 维护产品质检方案中检验项目的检验结果项。 维护产品质检方案中检验分组的累计规则。 华北-北京四 设备模型 维护设备规格信息。 华北-北京四 仓储模型 以工厂为维度按仓库-库区-货位的层级维护工厂下的仓库结构及相应的属性。 以工厂为维度维护仓库类型的LookUP值。 华北-北京四 建模工具 以图形化界面的方式灵活定义系统中的编码信息。 管理各类数据描述集合。 记录配置项相关信息。 配置动态属性扩展。 配置全局扩展属性。 华北-北京四
  • 生产管理 生产管理功能概览如表3所示。 表3 生产管理功能概览 功能名称 功能描述 发布区域 生产准备 支持按照线体、工单号显示已派工到线体的工单清单,提供工单开工功能。 支持对线体加工工单的批次物料、资源上载或卸载。 支持对生产工单按批量需求进行拆分生成产品条码。 支持对已拆分生成的产品条码进行再次拆分出新的小批料单。 支持导入和查询系统中用于生产消耗的物料信息。 华北-北京四 生产执行 支持执行产品在线体工位上的过站,完成批次物料扣减与序列物料采集绑定。 提供产品返工的能力,支持让产品重新回到已完成的工序步骤上重新过站。 支持对原产品条码所绑定的序列物料条码信息进行替换或者打散。 华北-北京四 生产入库 支持对已完成生产的产品进行入库状态的更新。 华北-北京四 生产看板 支持查看产品过站记录和其他交易记录(如维修、故障、缺陷、报废)。 支持按工单或产品追溯所使用的批次物料与序列物料记录。 支持按物料条码反向追溯该物料的使用记录。 华北-北京四
  • 计划管理 计划管理功能概览如表2所示。 表2 计划管理功能概览 功能名称 功能描述 发布区域 工单方案 提供手工录入工单、批量录入工单、工单方案生成、工单方案实例化、工单取消、修改加工区域、查询工单、维护工单工程方案(工艺路线、料、机、人、法)功能。 华北-北京四 计划排产 提供排产保存、一键排产、导出待排产信息、排产调整、取消排产、导出排产结果信息、查询工单排产信息功能。 支持生成物料需求、查询工单物料需求信息。 支持生成生产工具需求、查询工单生产物料信息。 支持冻结工单、解除冻结工单、查询工单冻结信息。 华北-北京四
  • AppStage运行时引擎基本概念 表1 基本概念说明 基本概念 说明 微服务 微服务是云原生应用的最佳架构, 它提倡将单一应用程序划分成一组小的服务,服务之间互相协调、互相配合,为用户提供最终价值。每个微服务运行在其独立的进程中, 微服务与微服务间采用轻量级的通信机制互相沟通。每个微服务由全功能团队独立构建、独立测试,并且能够被独立地部署到生产环境。微服务的特点:组件化、松耦合、服务自治、去中心化。 应用 完成某项完整业务场景的软件系统。应用一般由多个微服务组成,应用里面的微服务能够相互发现和调用。 NUWA框架 NUWA提供一个完整的微服务开发框架,是一个开箱即用的应用级容器,以插件的形式汇聚云服务平台能力,让开发把时间更多的花在业务代码逻辑上。 NUWA Runtime NUWA Runtime托管了一个微服务运行的所有基础设施,微服务对基础设施的所有要求,都通过IaC代码来描述。NUWA Runtime根据IaC描述,对接相关的配置服务器,通过弹性伸缩管理平台接口,完成部署。应用托管到NUWA Runtime以后,Runtime提供IaC、管理台、CLI三种方式对集群进行变更。 Kubernetes 它是一个开源的,用于管理云平台中多个主机上的容器化的应用,Kubernetes的目标是让部署容器化的应用简单并且高效(powerful),Kubernetes提供了应用部署,规划,更新,维护的一种机制。 Pod Pod是Kubernetes创建或部署的最小单位。一个Pod封装一个或多个容器、存储资源、一个独立的网络IP以及管理控制容器运行方式的策略选项。 Node Node是一个执行具体工作的机器,可以是虚拟机或者物理机。Pod是部署在Node节点上的,如果Node故障,整个Pod会被调度到集群中的另外可用的Node节点上去。 工作负载 工作负载是在Kubernetes上运行的应用程序。无论您的工作负载是单个组件还是协同工作的多个组件,您都可以在Kubernetes上的一组Pod中运行它。在Kubernetes中,工作负载是对一组Pod的抽象模型,用于描述业务的运行载体,包括Deployment、StatefulSet、DaemonSet、Job、CronJob等多种类型。 无状态工作负载:即Kubernetes中的“Deployment”,无状态工作负载支持弹性伸缩与滚动升级,适用于实例完全独立、功能相同的场景,如:nginx、wordpress等。 有状态工作负载:即Kubernetes中的“StatefulSet”,有状态工作负载支持实例有序部署和删除,支持持久化存储,适用于实例间存在互访的场景,如ETCD、mysql-HA等。 创建守护进程集:即Kubernetes中的“DaemonSet”,守护进程集确保全部(或者某些)节点都运行一个Pod实例,支持实例动态添加到新节点,适用于实例在每个节点上都需要运行的场景,如ceph、fluentd、Prometheus Node Exporter等。 普通任务:即Kubernetes中的“Job”,普通任务是一次性运行的短任务,部署完成后即可执行。使用场景为在创建工作负载前,执行普通任务,将镜像上传至镜像仓库。 定时任务:即Kubernetes中的“CronJob”,定时任务是按照指定时间周期运行的短任务。使用场景为在某个固定时间点,为所有运行中的节点做时间同步。 父主题: AppStage运行时引擎简介
  • 功能介绍 表1 运维中心功能介绍 服务名称 服务简介 部署服务 基础设施即代码(Infrastructure as code,简称IaC)是一种基于软件开发实践形成的基础设施的自动化方法,它强调一致、可重复的供给和变更系统及其配置。当代码发生变更后,可以进行自动化测试,测试完成后可自动化的应用变更到运行系统中。使用基础设施即代码的方法,可以使用敏捷工程的优秀实践(如测试驱动开发、持续集成、持续发布)可以快速安全的变更基础设施。 部署服务按架构元素(服务)组织资源,软件单元(微服务或函数)作为最小变更单元 ,执行变更的结果围绕服务环境进行资源管理,每个组件可以独立发布版本、独立变更。 监控服务 监控服务(ServiceInsight)是一个面向自有服务和生态开发者的开发和运维SRE(Site Reliability Engineer),围绕故障生命周期,构建开箱即用的,集预防、检测、诊断、恢复、通报和改进于一体的可观测性平台。 弹性资源服务 弹性资源服务(Elastic Resource Service,简称ERS)提供资源池监控、访问安全控制、任务调度、业务负载弹性伸缩、集群联邦、配额管理和多种K8s扩展等能力,通过统一的对外接口提供业务管理能力,上层业务不再感知下层资源。同时提供Portal可视化管理容器,包括工作负载的管理、配置文件管理和容器WebTerminal。 弹性网络服务 弹性网络服务(Elastic Network Service,简称ENS)通过引入“隔离域”这一网络资源概念,将业务使用的底层网络资源进行封装。 主机管理服务 主机管理服务(VMS)是基于云原生的主机资源管理服务,负责各种类型的主机资源发放/回收/操作、OS管理、密码密钥管理。 父主题: 运维中心简介
  • 调优大模型的流程 图2 调优大模型的流程 表2 调优大模型的流程详解 序号 流程环节 说明 1 创建数据集 创建微调数据集 用户根据需要创建微调数据集,用于模型微调。 标注数据 用户可以将数据集中的某些元素进行标记或分类,以便模型可以更好地理解和使用这些数据。 2 创建提示语 选择平台预置提示语或自定义提示语 用户根据需要选择平台预置的提示语模板或自定义提示语模板,可在创建Agent、调测模型中快速引用。 优化提示语 针对提示语进行结构、排版、内容等维度的优化和改进,将大模型的输入限定在一个特定的范围中,进而更好地控制模型的输出。 3 调优大模型 创建模型微调流水线 通过选择合适的数据集,调整参数,训练平台预置的模型以提高模型效果,可通过训练过程/结果指标初步判断训练效果。 创建模型服务 训练好的模型需要部署后才可提供推理服务(在线测试模型、应用调用均需先部署模型)。 调测模型 通过调测模型,检验模型的准确性、可靠性及反应效果,发现模型中存在的问题和局限性。
  • 编排Agent的流程 图1 编排Agent的流程 表1 编排Agent的流程详解 序号 流程环节 说明 1 创建数据集 创建微调数据集/创建知识库数据集 用户根据需要创建微调数据集、知识库数据集,分别用于模型微调、创建知识库。 标注数据 用户可以将数据集中的某些元素进行标记或分类,以便模型可以更好地理解和使用这些数据。 2 创建提示语 选择平台预置提示语或自定义提示语 用户根据需要选择平台预置的提示语模板或自定义提示语模板,可在创建Agent、调测模型中快速引用。 优化提示语 针对提示语进行结构、排版、内容等维度的优化和改进,将大模型的输入限定在一个特定的范围中,进而更好地控制模型的输出。 3 创建模型服务 模型需要部署成功后才可正式提供模型推理服务,平台支持将微调后的模型、系统预置的模型以及通过自建模型服务接入的模型发布为模型服务。调测模型、应用调用均需先部署模型(即部署模型服务)。 4 创建知识库 自定义创建并管理知识库,创建的知识库启用后可在创建Agent时引用。 5 编排Agent 创建及发布Agent 将准备好的模型服务、提示语、知识库等编排Agent应用,以及将应用程序和相关的组件发布,使其能够正常运行。
  • 大数据融合分析 随着IT、信息技术的发展和进步,数据资源已经成为企业的核心资源。整合数据资源,构建大数据平台,发现数据价值,成为企业经营的新趋势和迫切诉求。而如何从海量数据中快速挖掘“价值”,成为助力客户实现预测性分析的关键要素。 图2 大数据融合分析 优势 统一分析入口 以DWS的SQL作为上层应用的统一入口,应用开发人员使用熟悉的SQL语言即可访问所有数据。 实时交互分析 针对即时的分析需求,分析人员可实时从大数据平台中获取信息。 弹性伸缩 增加节点,即可扩展系统的数据存储能力和查询分析的性能,可支持PB级数据的存储和计算。
  • 数据仓库迁移 数据仓库是企业的重要数据分析系统,随着业务量的增长,自建数仓性能逐渐不能满足实际要求,同时扩展性差、成本高,导致扩容极为困难。DWS作为云上企业级数据仓库,具备高性能、低成本、易扩展等特性,满足大数据时代企业数据仓库业务诉求。 图1 数据仓库迁移 优势 平滑迁移 DWS提供配套的迁移工具,可支持Teradata、Oracle、MySQL、SQL Server、PostgreSQL、Greenplum、Impala等常用数据分析系统的平滑迁移。 兼容传统数据仓库 DWS支持SQL 2003标准,兼容Oracle的部分语法和数据结构,支持存储过程,可与常用BI(business intelligence)工具无缝对接,业务迁移修改量极小。 安全可靠 DWS支持数据加密,同时可与数据库安全服务对接,保证云上数据安全。同时DWS支持数据自动全量、增量备份,提升数据可靠性。
  • 增强型ETL和实时BI分析 数据仓库在整个BI系统中起到了支柱的作用,更是海量数据收集、存储、分析的核心。为IoT(Internet of things)、金融、教育、移动互联网、O2O(Online to Offline)等行业提供强大的商业决策分析支持。 优势 数据迁移 多数据源,高效批量、实时数据导入。 高性能 PB级数据低成本的存储与万亿级数据关联分析秒级响应。 实时 业务数据流实时整合,及时对经营决策进行优化与调整。 图3 增强型ETL+实时BI分析
  • 实时数据分析 移动互联网、IoT场景下会产生大量实时数据,为了快速获取数据价值,需要对数据进行实时分析,DWS通过+时序、+流、+AI引擎,实现快速入库和查询能力,可支持实时数据分析。 图4 实时数据分析 优势 流式数据实时入库 IoT、互联网等数据经过流计算及AI服务处理后,可实时写入DWS。 实时监控与预测 围绕数据进行分析和预测,对设备进行监控,对行为进行预测,实现控制和优化。 AI融合分析 AI服务对图像、文本等数据的分析结果可在DWS中与其他业务数据进行关联分析,实现融合数据分析。 IoT场景 图5 IoT场景 物联网(IoT)所产生的数据,通过构建GaussDB(DWS) ,围绕海量的数据进行实时分析并进行反馈优化。应用在工业IoT、O2O业务系统、车联网等解决方案。 优势如下: 流式数据实时入库:IoT设备及网关汇集的流式数据经华为云DIS导入至GaussDB(DWS) 。 设备监控与预测:围绕数据,进行分析和预测,对设备进行监视、控制和优化补给,以及自我诊断和修复。 信息推荐:结合围绕在用户周围的联网设备汇集的数据,为用户进行定向的信息推荐。
  • 调优大模型的流程 图2 调优大模型的流程 表2 调优大模型的流程详解 序号 流程环节 说明 1 创建数据集 创建微调数据集 用户根据需要创建微调数据集,用于模型微调。 标注数据 用户可以将数据集中的某些元素进行标记或分类,以便模型可以更好地理解和使用这些数据。 2 创建提示语 选择平台预置提示语或自定义提示语 用户根据需要选择平台预置的提示语模板或自定义提示语模板,可在创建Agent、调测模型中快速引用。 优化提示语 针对提示语进行结构、排版、内容等维度的优化和改进,将大模型的输入限定在一个特定的范围中,进而更好地控制模型的输出。 3 调优大模型 创建模型微调流水线 通过选择合适的数据集,调整参数,训练平台预置的模型以提高模型效果,可通过训练过程/结果指标初步判断训练效果。 创建模型服务 训练好的模型需要部署后才可提供推理服务(在线测试模型、应用调用均需先部署模型)。 调测模型 通过调测模型,检验模型的准确性、可靠性及反应效果,发现模型中存在的问题和局限性。