项目概述
项目建设的目标
通过项目的实施,为不同的业务的应用响应需求提供虚拟化支持,从而提高需求实现效率并降低环境搭建成本。
项目建设范围
UAT2系统后连的8个外接系统:ECIF系统、贷记卡系统、理财系统、历史库系统、CPS系统、超级网银系统、基金系统、大小额系统,共超过50个操作,全部用虚拟服务实现。每个后连系统对应一个虚拟服务,每个虚拟服务包含若干个操作,满足UAT2系统压力测试的需求。
方案描述
项目采用CA Lisa产品来快速实现虚拟服务,并统一部署。CA Lisa服务虚拟化软件内置了大量模板,可以快速生成虚拟服务。
通过对定长报文的分析,CA Lisa可以通过编写脚本的形式解析TCP协议,实施过程中的主要工作内容都是编写TCP协议报文解析脚本。脚本编写完毕后,通过配置界面加入到包含有TCP协议操作的虚拟服务中即可。IBM MQ协议的虚拟服务只需要通过配置界面配置即可完成。
虚拟服务创建之后,通过菜单命令就可以部署到CA Lisa虚拟服务运行环境服务器上,并开始运行,UAT2系统只需要将后连系统的访问地址改为CA Lisa虚拟服务地址即可。
下图展示了CA Lisa虚拟服务方案架构和为UAT2系统提供后连系统虚拟服务的情况:
项目投产运行情况
项目投产标准
虚拟服务可以正常工作,对于UAT2系统发送给虚拟服务的每个请求都可以返回正确的请求。虚拟服务的性能可以满足UAT2系统压力测试的要求,不会在压力测试过程中成为性能瓶颈。
项目运行情况(一体化运营;中心自建系统投产基线的达成情况;投产运行的效果;运行中与相关系统的协同情况;项目投产后自主维护能力的评价;运行中存在的问题或负面影响,解决的思路)
项目目前实施完毕,测试结果正确,可以返回UAT2系统调用后连系统的请求,并可以支持压力测试的性能要求。达成项目目标的要求。虚拟服务建设过程中对UAT2系统调用后连系统的操作接口进行了调研,目前已经部署了完整的虚拟服务内容,可以满足所有操作请求的响应,协同效果比较好。虚拟服务运行环境,部署架构比较简单,后续通过相关服务商的技术人员就可以维护现有的8个虚拟服务的稳定运行。虚拟服务运行过程中不存在负面影响。
项目的产出
项目的社会和经济效益
CA Lisa提供了可视化的界面,通过配置和编写简单的脚本就可以实现具有挡板功能的虚拟服务,可以缩短挡板开发时间。通过CA Lisa开发挡板不需要使用开发团队的人员,节约开发人力成本。
CA Lisa提供独立的虚拟服务运行环境,可以统一部署用于挡板功能的虚拟服务。并且作为成熟产品,CA Lisa提供的虚拟服务运行环境考虑到进行压力测试的性能需求。只需要按照CA最佳实践的方式在适当的软硬件环境中部署虚拟服务运行环境,CA Lisa提供的虚拟服务就可以满足压力测试的需求。减少交通银行开发挡板的成本,保障压力测试的快速进行。
项目的创新点
本次项目首次引入了统一的虚拟服务平台,以后所有的挡板,虚拟服务都可以统一部署在此平台上。对于交通银行的开发测试环境,首次形成了集中的挡板部署。在以后的开发工作中,相似的挡板系统不需要再次开发,直接使用CA Lisa虚拟服务平台上的相应的挡板或虚拟服务即可,这为交通银行进行快速开发测试提供了新的模式。
项目经验分享(项目经验教训总结;用户体验,用户在试用阶段的感受及建议)
虚拟服务作为压力测试的后台,开发测试人员进行测试时效果与连接到实际系统上没有任何区别,用户体验效果理想。
项目中遇到的问题就是,在实施虚拟服务项目之前,应该对被开发系统调用后台系统的所有操作进行全面的整理,以便提供完整的操作列表,以确保虚拟服务实施的效果。
好文章,需要你的鼓励
AI能让够更早,更准确的发现并预测癌变的发生,这也是目前AI医疗的的一个主流发展方向,更早的发现,更准确的预测。最近一项来自美国国立卫生研究院(NIH)的研究就在对肺癌精准预测方向上取得了重大突破
字节跳动联合浙江大学发布了ImmerseGen系统,这是一个能根据文字描述自动生成VR世界的AI工具。该系统采用轻量化代理和RGBA纹理技术,用AI代理协作完成从地形生成到物体布置的全流程,还能添加动态效果和环境音效。相比传统方法,它生成的场景效率提升数十倍,在移动VR设备上达到79帧流畅运行,为VR内容创作带来革命性突破。
Salesforce发布Agentforce 3平台重大升级,新增指挥中心提供AI智能体实时性能监控,支持MCP开放标准实现与数百种企业工具无缝集成。数据显示AI智能体使用量六个月内激增233%,超8000家客户部署该技术。百事可乐等全球企业已将其深度集成到业务运营中。新版本还提供50%更低延迟、增强安全性和200多个预配置行业操作模板,帮助企业快速部署功能性AI智能体。
慕尼黑大学研究团队开发了SwarmAgentic技术,这是首个能够完全自主生成智能体系统的框架,无需人工预设模板。该技术借鉴蜂群智能原理,让AI系统自己决定需要什么角色、如何分工协作。在旅行规划等六项复杂任务测试中,SwarmAgentic表现优异,在旅行规划任务上比现有最佳方法提升261.8%,展现了全自动智能体系统设计的巨大潜力。