关于华为云stack技术伙伴的信息

本篇文章给大家谈谈华为云stack技术伙伴，以及对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

微信号：cloud7591
如需了解更多，欢迎添加客服微信咨询。
复制微信号

本文目录一览：

• 1、华为云Stack承诺：上云即容灾，全栈可防护
• 2、工商银行携手华为云，打造金融数据创新应用实践新标杆
• 3、专访华为云业务总裁郑叶来：数字化转型是产业经济稳定的关键
• 4、数据治理说起来容易，做起来难，华为云Stack有解

华为云Stack承诺：上云即容灾，全栈可防护

政企业务深度上云，云计算为工作和生活带来巨大的便利。例如，通过银行APP转账汇款，去医院使用医保报销，到人社局办理业务等，都离不开背后的云服务。一朵云、一个系统能稳定可靠的长久运行，是政企上云的核心诉求，意外和灾难的发生将对业务带来巨大影响。选择华为云Stack，上云即容灾，全栈可防护，为政企提供最省心可靠的政企上云容灾方案。

三大实力，构筑稳定可靠的华为云Stack

选择理由1：业务无改造，上云即容灾

云原生业务生于云、长于云，容器、分布式数据库、应用中间件、大数据等云原生组件将代替原来传统的烟囱式架构； 政企客户在 探索 云原生双活时，要强依赖ISV设计开发从而实现容灾，而ISV的能力参差不齐，业务改造挑战很大。

华为云Stack提供从IaaS到高阶服务的云原生应用所需的全栈组件，并支持组件的容灾能力。客户无需端到端改造业务，上云即可轻松实现云原生双活以及跨地域的容灾，匹配政企从0到1、1到N的容灾建设节奏，满足不同的业务连续性需求。

获益点：

1.平台级全栈容灾，业务上云更可靠

2.业务不改造，成本节省50%

3.数据0丢失，业务永在线

选择理由2：实例级双活，无感知切换

在传统灾备方案设计中，往往是以数据中心的基础设施为中心，应对的都是数据中心的故障场景； 这是因为由于上层应用的依赖访问关系复杂，很难拆分清楚，无法再做到更细粒度的切换。尤其在每年的灾备演练时，需要全部切换过去才敢做验证，这个一直都是做灾备运维管理者的噩梦。

针对上述情况，华为云Stack提供了实例级 双活自动切换能力 ，不论是网络、数据库、中间件都可以做到实例级的跨DC自动切换。实例切换后对外访问的IP地址都不会改变，不影响应用之前的访问关系，从而减少局部故障对整体服务的影响，不论在家还是在公司，都可以做到心里无忧。

获益点：

1.从IaaS、数据库、中间件、大数据、高阶服务全栈高可用

2.实例级、细粒度主备双活

3.业务无感知，自动切换

选择理由3：匹配政企，租户化管理

业务云化部署，需要以应用为中心实现容灾，而非传统灾备以IT为中心的集中式管理架构。云内租户对业务管控需求增加，若依旧按照传统方式线下填写灾备申请，转嫁给IT部门的管理成本和沟通成本越来越高，这不利于一朵云的 健康 运营。

通过华为云Stack提供的 租户向导式自助服务 ，针对关键业务，云上一键式容灾申请，做到灾备管理可量化、可视化，实现“灾备即服务”的按需申请，避免IT管理员对灾备资源集中式低效管理，一定程度降低成本。同时，租户可通过容灾管理平台定期演练，防患于未然。

获益点：

1.租户按需自助申请

2.一键容灾，一键演练

3.统一灾备管理，恢复效率提升100%

工商银行携手华为云，打造金融数据创新应用实践新标杆

工于至诚，行以致远。

1984年，中国工商银行（以下简称工行）正式成立。如今，以建设“数字工行”为目标，工行全面布局大数据、人工智能等创新领域，在 探索 新业务、采用新技术等方面持续 探索 践行。目前，工行已实现行内外海量金融数据资产要素的融合，全面支持客户营销、产品创新、风险控制等多领域智能化创新，服务实体经济的金融供给能力大幅提升。而在这背后，华为云大数据有着浓墨重彩的一笔。

始于数据的业务创新

在8月31日举行的华为云TechWave大数据专题日上，中国工商银行软件开发中心总经理助理刘承岩表示，“工行在大数据创新应用方面的 探索 ，就是一段不断使用新技术、提升自身数据驾驭能力的历程。”

从数据角度来看，工行经历了自动化、数据化、智能化和生态化四个阶段。在每个阶段里，工行都采用了当时最领先的技术来支撑业务需求与发展，始终走在业界前列。智能化阶段，工行正式开启与华为的合作，引入了华为云FusionInsight智能数据湖解决方案中的大数据产品，搭建了自主可控的大数据云平台，真正将数据智能服务由事后快速演进到事前、事中的阶段。

生态化阶段，工行进一步深化与华为的合作，实现大数据云平台与华为云Stack云基础设施的融合，进一步提升大数据云平台的高可用和弹性灵活扩展等能力，全面支撑起数字平台的生态化建设，更好地服务于数字工行的转型。

刘承岩介绍，通过综合运用大数据和人工智能技术，工行实现了风险数据整合，在金融同业中首家推出了大数据风险信息服务产品融安e信，服务了260家金融机构和4.6万家企业。大数据的应用还改变了传统意义上“客户找服务”的金融服务模式，实现了“金融服务找用户”，通过渠道交易行为数据，工行建立精准客户画像，通过数据算法判断客户偏好，进而提供针对性的金融产品与服务。

工行与华为的合作始于大数据，双方进行了一系列的联合创新。目前，工行已经有大量的数据放到了基于华为云FusionInsight构建的金融数据湖中，FusionInsight MRS大数据、GaussDB(DWS)数据仓库等产品承载了关键的金融数据业务，实现不同场景下的运营、管理，以及风控。

风控系统是金融领域的“生命线”。然而随着金融 科技 的飞速发展，传统的风控已经无法满足当前的需求，势必需要新的技术手段介入。大数据风控系统就是在这种背景下诞生的新技术，在华为全力支持下，工行的风控管理一直保持着业界一流水准。

大数据平台提供的超高频实时计算能力，帮助工行率先在行业内实现了实时反欺诈防控，在不影响客户体验的情况下，实现了对每笔交易的实时欺诈防控，为客户避免损失约90亿元。此外，通过全行风险信息的整合共享，以及前中后模型服务的沉淀与开放，工行实现了金融业务端到端的风险防控，真正实现了一点出险、全面防控的目标。

刘承岩介绍，工行引入华为云的另一个目的，是希望将原来在IaaS上的一些业务系统迁入到华为云Stack，并结合华为云FusionInsight智能数据湖方案，使之成为数据的底座和业务平台的底座。这将是一次规模空前的云迁移，整体迁移规模将达到75%以上。

目前，双方正在加快推进工行大数据技术平台与华为云的融合，构建混布式容器化和存算分离架构，进一步提升大数据平台的高可用、稳定性、资源弹性灵活扩展能力，更好地支撑工行全数据存储、全数据挖掘、全算法应用、全场景布署的需要。这个过程预计需要一两年的时间，而在所有工作完成之后，一朵华为云支撑起工行整个业务和数据体系的运行与管理。

刘承岩认为，大数据技术平台融合了云计算、大数据和人工智能等技术，为工行数据中台生态的创新应用，提供了强大存储、算力、算法的保障，是工行数据智能体系的技术底座。

存贷是银行业的核心业务之一。过去的贷款发放，需要做很多的核验工作，而现在借助大数据、人工智能等技术，工行基本可以做到秒批秒贷，以便捷、高效的金融服务，助力实体经济的稳健发展。

在高复杂性的人工智能领域，工行与华为的合作正在不断加深。目前，工行的数据分析师和业务专家们正在极大受惠于华为云FusionInsight智能数据湖解决方案的系列产品，以及“普惠AI”的理念，而未来在数据隐私等更深入的领域，双方还会进一步进行 探索 与合作。

面向未来，工行将不断加强与华为云的合作，通过云计算、人工智能、区块链、IoT等创新技术，更好地利用数据这一新的生产要素，从 社会 的痛点、难点入手，做好金融数据中台的建设工作，不断提升自身服务实体经济的能力。

2020年9月23-26日，华为将于上海举办第五届HUAWEI CONNECT，携手来自全球的业界思想领袖、商业精英、技术大咖、先锋企业、生态合作伙伴、应用服务商以及开发者等，共同探讨行业数字化的发展方向，展示ICT领域的领先技术、产品和解决方案，分享成功实践，构筑开放、共赢的 健康 产业生态，共创行业新价值。

专访华为云业务总裁郑叶来：数字化转型是产业经济稳定的关键

“通过600多个项目实践，我们发现已经有30%的项目进入企业核心生产系统，人工智能正在加速进入行业核心业务系统，AI正由‘人工’智能走向真正的人工智能。”11月24日，在世界互联网大会人工智能论坛上，华为公司副总裁、华为云计算技术有限公司董事长郑叶来在演讲中透露，经过测算，AI进入企业核心生产系统会带来超过18%的盈利和效率提升。

郑叶来强调，站在政企智能化升级的重要关口，华为云的目标是要构建智能世界的“黑土地”,通过技术创新助力政企行业伙伴轻松跨越技术鸿沟，帮助政企客户更好地聚焦在业务创新上。

疫情进一步放大政企上云紧迫性，华为云受国际环境变化影响较小

新京报贝壳 财经 ：十四五规划建议提出，要推动互联网、大数据、人工智能等同各产业深度融合，推动先进制造业集群发展，云计算在赋能千行百业中能起到什么作用？

郑叶来：今年突如其来的疫情，给生产生活方式带来了十分巨大的变化，更进一步放大了政企上云的紧迫性。因此，通过推动各行业企业“上云用数赋智”的数字化转型，促进产业经济稳定和高质量发展，是破解当前难题的关键举措。

在此背景下，华为云在“赋能应用、使能数据、加速AI落地”三个方面也做了进一步的技术创新，提高行业数字化高效创新能力，使能数据治理和运营，释放海量数据价值，推动跨行业的可信数据融合和协同，通过为政企提供完整的云数智融合服务，进一步加速政企智能化升级。

新京报贝壳 财经 ：现在华为整体上处于非常特殊的时期，华为云的业务有没有受到什么影响？

郑叶来：从华为来讲，我们知道，云本身是一个软件为主的产品，云的软件就是我们自己一个个代码敲出来的。云本质是一个软件产品，不是硬件产品，当然硬件强会发挥更好的性能。

从这个角度讲，华为云受到的影响相对较小。我们一直讲多样性算力，既是客户选择的结果，也是技术发展的选择。原来做服务器做存储的时候，那是一个一体机，是一个盒子，需要追求极致的性价比，拼命追求制程。到云的时候我们发现，云的前端服务化，就实现了算力的重新定位。因为服务的对象不关心后面用的是什么制程，感受到的只是服务。云的本质练的是什么？练的是团队软件能力。从这个角度来讲，我们未来应对更加复杂的外部环境，更重要的是把软件能力踏踏实实打造好，真正体现出架构的能力。

新一代AI将结合知识驱动和数据驱动，混合云要实现真正的云化服务

新京报贝壳 财经 ：展望未来，人工智能技术演进迭代的趋势是什么？

郑叶来：AI在发展过程中，经历了知识驱动和数据驱动两个阶段。知识驱动的人工智能包括知识、算法、算力三要素，数据驱动的人工智能包括数据、算法、算力三要素，两者都有一定的局限性，很难深入行业生产系统，解决行业的实际问题。

新一代人工智能则是要把知识驱动和数据驱动结合起来，通过同时利用知识、数据、算法和算力四个要素，构造更强大的“四位一体”AI。由“三体”走向“四体”，这是AI未来发展的必然方向。

新京报贝壳 财经 ：很多云计算厂商都在强调混合云，华为如何看待混合云这个新趋势面临的机遇与挑战？

第二是真正要实现云化的服务，而不是传统的服务。今天我们讲企业数字化、进入智能时代，政企就需要AI、区块链、IoT、大数据等新技术。这种情况下技术更新迭代非常快。如果再像以前一样一年交付一个版本、两个版本，就根本玩不下去。

我们今年发布的华为云Stack，就是要重新定义混合云，全新混合云可以持续同步公有云能力，可本地化部署，从资源混合到能力融合，匹配政企组织架构和业务流程，实现用户视角一朵云。目前，华为云Stack已经在全球交付了4000多个项目。面向未来，华为云还将进一步完善混合云的解决方案，满足政企转型的复杂需求。

云市场年交易额超10亿元，华为云要构建智能世界的“黑土地”

新京报贝壳 财经 ：华为进入云市场已经三年了，你如何评价过去三年华为云取得的进展？

郑叶来：三年前，我们正式发布华为云。我们有三点初心：第一，把华为在ICT领域的研发投资以云服务的形式变现。第二，把华为30多年积累的各种能力，通过云服务的方式提供给客户。第三，为华为自身，包括华为终端云服务、内部IT，提供云底座支撑全球业务发展。

经过3年的持续努力，我们取得了巨大的进步，华为云已上线210多个云服务，有210多个解决方案服务全球客户，汇聚了150万全球开发者，携手伙伴在全球23个地理区域运营45个可用区。云市场上架应用3500+个，云市场年交易额超过10亿元。

新京报贝壳 财经 ：当前的云计算竞争很激烈，你对华为云的市场份额和排名有什么样的期待？

站在政企智能化升级的重要关口，华为云的目标是要构建智能世界的“黑土地”,通过技术创新助力政企行业伙伴轻松跨越技术鸿沟，帮助政企客户更好地聚焦在业务创新上，无需在基础设施的选择、升级上浪费时间。而这也正是在新基建时代，华为云之于政企智能转型升级的价值和意义所在。

数据治理说起来容易，做起来难，华为云Stack有解

移动互联网和大数据日益发展，沉淀的数据越来越多，数据的质量、使用效率、数据安全等等各类的问题迎面而来。为了让数据发挥最大的价值，数据治理作为数智化战略的一项必要举措，列入了大多数企业的战略行动计划，业界也有“数字转型、治理先行”的说法。但是谈到数据治理，业界有一个普遍的共识，那就是 “数据治理说起来容易，做起来难”。怎么通过数据治理解决这些难题？数据治理究竟难在哪里？华为作为典型的非云原生企业是如何应对的呢？

2018到2021年间全球8300家标杆企业中，全面拥抱数字技术的前10%企业相比后25%企业营收增速超过5倍。数字化转型浪潮下，数据资产将成为关键生产要素支撑未来数据产业化升级，是未来政企实现跨越式发展的必然选择。

根据华为在政企行业多年的深入耕耘和自身转型的实践，我们发现，优质高效的数据底座，是保障政企运营效率持续提升和业务创新升级的重要基石。我们深知打破数据孤岛、确保数据准确、促进数据共享、保障数据隐私与安全，是政企数据治理的关键。当前很多企业数据体系建设呈现出“烟囱化”的趋势，为政企数据治理带来了四大挑战：

l 进不来 ：数据来源复杂，集成难；

l 质量差 ：数据质量要求高，规则校验多，落地难；

l 出不去 ：数据烟囱林立，业务和数据匹配难，共享难；

l 不放心 ：数据安全、交互风险高。

早期的华为是典型的非数字原生企业。从2007年开始，我们通过两个阶段的持续变革，系统地完成了数据管理体系建设，实现业务感知和ROADS体验的数字化转型：

l 阶段一（2007-2017） ：设立数据管理专业组织，建立数据管理框架，发布数据管理政策，通过统一信息架构与标准、有效的数据质量改进机制，提升数据质量，实现数据全流程贯通，业务运作效率整体提升。

l 阶段二（2017-至今）： 建设数据底座，汇聚和联接全域数据，实现数据业务可视、随需共享、敏捷自助、安全透明的目标，支撑准确决策和数据创新，构筑差异化竞争力。

华为经过十多年的实践，我们总结出 “4层保障”和“2个抓手”（信息架构、数据质量） ，实现清洁数据，充分释放数据价值的核心手段。

4层保障包括：

l 政策保障： 从目的、适用范围、管理原则、问责等方面进行政策制定，公司层面需统一遵从，确保业务与IT共同参与数据治理。

l 流程保障： 建立数据管理流程，重大决议由企业变革指导委员会决策，通过变革管理体系和流程运营体系落地。

l 组织保障： 按领域任命数据管理Owner和团队，建立实体化数据管理组织承接数据管理改进目标。

l IT落地保障： 建设承载面向“联接共享”的数据底座和数据服务融合的统一IT平台，完成数据全流程流转与价值变现。

2个抓手是指：

l 信息架构： 构建面向“业务交易”的信息架构，描述业务运作和管理决策所需要的各类数据及其关系，保障企业内统一“数据语言”。

l 数据质量： 建立数据质量管理框架和运作机制，例行开展公司级数据质量评估，由企业数据管理组织定期发布报告，牵引各业务领域持续改进。

上述的4层保障和2个抓手，构成了企业数据战略资产综合治理体系，能够确保关键数据资产的有清晰的业务管理责任，IT落地有稳定清晰的原则依据，作业人员有规范的流程指导。遇到争议时，有裁决和升级处理机制，治理过程有充足的人力、组织、预算保障。只有建立起有效的数据治理环境，数据的质量和安全才能得到保障，数据的价值才能真正发挥。

作为华为数字化转型的底座，华为云沉淀了大量的实践经验和方案能力，并通过华为云Stack来赋能政企，加速各行各业的数字化转型。在数据治理领域，华为云Stack为政企提供数据湖治理中心服务（DGC）来帮助企业客户快速构建数据运营能力。DGC是数据全生命周期一站式开发运营平台，提供数据集成、数据开发、数据治理、数据服务、数据可视化等功能，支持行业知识库智能化建设，支持大数据存储、大数据计算分析引擎等数据底座。下面我们就来一起看看DGC是怎样应对我们前面提到的挑战：

l 进的来：简单高效的物理和逻辑数据集成保障数据全面入湖

非数字原生企业发展普遍有较长的 历史 ，随着不同阶段的发展需求，业务系统间存在大量复杂的集成和嵌套，数据来源多样，数据形成孤岛难以集中共享。

数据集成：简单易用的多源异构数据批量和实时接入

DGC能够提供活易用的可视化配置与迁移任务编排，将数据迁移和集成的效率提升数十倍。除主流关系型数据库支持外，还支持对象存储、NoSQL等40余种同/异构数据源及三方大数据平台批量迁移入湖。 DGC物理入湖与HetuEngine跨湖跨仓协同的逻辑入湖 作为两种重要数据集成方式协同互补，满足数据联接和用户数据消费不同场景需求，支撑客户数据湖从离线走向实时，构建物理分散、逻辑统一的逻辑数据湖。

l 理的清：从源端架构到平台工具端到端数据质量保障

企业级信息架构：结构化的方式实施有效的治理

企业在运转过程中，需要定义业务流程中涉及的人、事、物资源，实施有效的数据治理，确保各类数据在企业业务单元间高效、准确地传递，上下游流程快速执行和运作。企业长期存在信息架构与IT开发实施“两张皮”的现象，数据人员和IT人员缺乏统一协同，企业数据架构混乱，信息架构资产和产品实现逻辑割裂，数据模型资产缺失。

平台工具和服务：一体化开发设计，端到端专业服务，有机联动保障数据质量

结合华为数据治理专家团队与项目实践经验，DGC规范设计实现了一体化设计和开发，不仅确保了元数据验证、发布和注册的一致性，而且实现了产品数据模型管理和资产可视，同时辅以专业的数据治理服务团队、成熟项目管理机制和丰富的实践经验，支撑企业构建高质量的清洁数据架构和能力。在政务大数据中心通过DGC一体化平台和专业服务，完成多个委办局全量数据接入，落地数据分层架构模型设计，完成基础库与主题库的建设，实现委办局数据全流程生命周期设计与落地，涵盖数据架构和模型设计、数据标准设计、数据模型物化、数据质量稽核作业等，助力领导决策支持、宏观经济云图和惠民APP示范应用系统上线。

l 出得去：通过数据服务和数据地图实现数据自助消费

数据底座建设的目标是便捷地支撑数据消费，确保用户安全可靠地获取数据，并通过灵活的数据分析等方式，按需快捷的消费数据。

数据服务：服务化方式供应数据

通过服务化方式对外提供，用户不再直接集成数据，而是通过聚合应用模型可视化构建，涵盖API发布、管理、运维、售卖的全生命周期管理，作为业务的“可消费产品”的关键要素之一，解决了数据的可供应性。

数据地图：从查询到分析到使用一站式自助

以数据搜索为核心，综合反映数据的来源、数量、质量、分布、标准、流向、关联关系，满足多用户、多场景的数据消费需求，解决了数据“可搜索/可获取性”的难点问题。消费方获取数据后，还支持从数据查询到拖拽式分析的端到端的一站式自助作业，帮助数据消费者结合自身需要获取分析结果，满足业务运营中数据实时可视化需求。

l 用的安：从模型、制度到平台多维度打造立体化数据安全体系

安全能力模型评估：系统化安全管理抓手

数据安全能力成熟度模型是数据安全建设中的系统化框架，围绕数据全生命周期，结合业务的需求以及监管法规的要求，持续不断的提升组织整体的数据安全能力，提升数据安全水平和行业竞争力，确保数据生产要素安全流通和数字经济 健康 发展。在多个项目中，华为通过安全评估、安全加固等专业服务，助力客户高分通过等保评估，实现数据安全流通。

从制度到工具和服务：统一安全治理框架落地

数据安全治理需要从决策层到技术层，从管理制度到工具支撑和服务体系，自上而下形成贯穿整个组织架构的完整链条。企业组织内的各个层级之间需要对数据安全治理的目标达成共识，确保采取合理和适当的措施；DGC数据安全定义数据密级、认证数据源、对数据动静态脱敏及添加水印等方式以最有效的方式保护数字资产。

企业数字化转型逐步进入深水区，如何提升海量数据治理的效率和准确率，如何将专家经验固化传递都面临巨大的挑战。人工智能与数据治理深度融合将会开启数据治理的新阶段，通过AI加速企业数据生产要素的变现、进一步释放数据价值。

l 智能数据资产编目

基于AI的智能数据编目系统具备数据的学习、理解和推理能力，帮助团队实现数据自主、简化数据 探索 、实现重要数据资产智能编目推荐。

l 智能数据标准推荐/去重

通过机器学习技术，自动扫描元数据信息，提炼关键数据项，智能识别新增数据标准、冗余存量数据标准去重，提高智能化程度。

l 智能重复/异常数据检测

智能重复/异常数据检测技术，将数据根据相似读音、相似数据类型分组，通过模型计算相似度得分，超出规定阈值时，自动异常检测和识别。

l 智能主外键识别

通过筛选候选主外键时构造特征向量，并调用分类器智能判别该元数据是否为主外键，提升数据模型质量，进而优化和简化后续资产梳理和对外提供数据服务。

数据是物理世界、数字世界和认知世界相互联接转换的纽带，大规模数据交互将构成庞大的政企数据生态。政企数字化转型不能一蹴而就，数据治理亦非一朝一夕之功，治理的数据规模日趋庞大，类型千变万化，手段也更智能丰富，需要我们共同携手从制度、流程、技术、生态多维度一起努力，构建数据智能新世界。

华为云stack技术伙伴的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于、华为云stack技术伙伴的信息别忘了在本站进行查找喔。