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
施耐德电气以“新质服务+产业向‘新’行”为主题,第六次参会,展示全新升级的“新质服务体系”,围绕创新驱动、生态协同和行业赋能三大核心领域,以全新升级的“新质服务体系”,助力中国产业向高端化、智能化、绿色化迈进。
香港中文大学联合上海AI实验室推出Dispider系统,首次实现AI视频"边看边聊"能力。通过创新的三分式架构设计,将感知、决策、反应功能独立分离,让AI能像人类一样在观看视频过程中进行实时交流,在StreamingBench测试中显著超越现有系统,为教育、娱乐、医疗、安防等领域的视频AI应用开启新可能。
甲骨文正在成为大规模基础设施供应商的可靠选择。该公司通过AI技术推动应用开发,构建GenAI模型并将智能代理集成到应用套件中。CEO萨弗拉·卡茨透露,公司剩余履约义务达4553亿美元,同比增长4.6倍,并预测OCI收入将从2026财年的180亿美元增长至2030财年的1440亿美元。甲骨文正积极布局AI推理市场,凭借其作为全球最大企业私有数据托管方的优势地位,有望在云计算领域实现重大突破。
Atla公司发布Selene Mini,这是一个仅有80亿参数的AI评估模型,却在11个基准测试中全面超越GPT-4o-mini。通过精心的数据筛选和创新训练策略,该模型不仅能准确评判文本质量,还能在医疗、金融等专业领域表现出色。研究团队将模型完全开源,为AI评估技术的普及和发展做出贡献。