H3C UIS 7.0超融合软件是新华三集团面向企业和行业数据中心推出的面向未来的超融合创新产品。遵循开放架构标准，在通用X86和ARM服务器上无缝集成计算虚拟化、存储虚拟化、网络安全虚拟化、运维监控管理、云业务流程交付等软件技术。不仅可以精简数据中心服务器数量，整合数据中心 IT 基础设施资源，精简 IT 操作，提高管理效率，达到提高物理资源利用率和降低整体拥有成本的目的，而且UIS在上一代超融合架构基础上集成云原生引擎、赤霄加速引擎、多角色引擎、混合云引擎和智能边缘云引擎，利用ABC融合、全运行态、智能加速、云边端协同、高速网络聚合等先进技术，实现基于虚拟机/容器/函数/裸金属全运行态、云原生应用构建、边缘高性能实时计算、前后端整体加速、算力云边智能调度的超融合方案，提供私有云、混合云、边缘云全场景云计算解决方案。可为客户提供较佳融合、极简规模、极宽场景、智能加速的云基础架构，满足企业未来十年的技术架构变革。 •云原生引擎。可同时承载虚拟机、容器和函数计算。在内置云原生运行环境的优点是体积小、速度快，资源利用率极大提升。通过内置的K8SAPI接口，UIS具备了全运行态的资源编排能力，可以对虚拟机、容器、函数计算等资源统一编排管理，构建以应用为中心的云化数据中心。 •赤霄加速引擎。以智能加速卡为核心前后端到端全程加速、主机侧损耗为零，相同核数CPU条件下，对比非加速方案，可以多创建50%以上的虚拟机，每虚拟机成本降低20%以上。4K随机IOPS性能提升1倍以上。同时拥有业界最短IO路径的无损网络，网络时延从毫秒级降低到纳秒级。 •多角色引擎。UIS超融合管理软件打破了物理资源壁垒，以其自适应架构，不仅可以统一管理X86资源池和ARM资源池，还可以同时管理纯虚拟化节点、纯分布式存储节点、超融合节点、AI加速节点、裸金属节点等。兼容不同芯片、不同款型、不同配置、不同能力的物理节点。 •混合云引擎。结合紫光UIS超融合构建的本地私有云数据中心与在紫光公有云中部署的UISonUniCloud云中云，建立了一套资源同构、软件同构、管理同构、交付同构、灾备同构、迁移同构的全态同构混合云架构。 •智能边缘云引擎。超轻量级边缘云引擎，实现海量的物联网终端设备接入。建立了云、边、端三层技术架构，通过在边缘侧部署UIS-Edge智能边缘云平台，打通云边端数据通道和控制平面。 融合至简 •管理融合：计算、存储、网络、安全、运维监控、云业务等六大软件能力统一平台管理，融合交付，开箱即云。 •内核融合：虚拟化内核与IPv6、高性能虚拟网络交换机、SR-IOV硬件网卡驱动、GPU显卡驱动等无缝集成，从内核层控制系统效率、可靠性与稳定性。 •存储融合：UIS可以通过软件将服务器本地硬盘资源进行整合，构建统一资源池，向上层应用提供块、文件、对象统一存储服务，满足结构化、非结构化和半结构化等多类型数据存储需求。 •业务简化部署：集成一键自动化迁移工具，提供P2V、V2V的迁移服务，助力客户原有业务快速上云。 •可视化极简运维：UIS超融合管理平台构建了扁平化、随需而变、弹性可扩展的业务敏捷交付平台，集成了自定义大屏展示、六大一键操作、系统健康度模型、所画即所得、首页快捷方式等极简运维操作，使运维可视化、数据化、自动化、智能化。 虚拟化成熟度 UIS计算虚拟化软件UISCAS，在国际权威虚拟化性能基准测试SPECvirt中表现优异，并提供业内创新性的动态资源扩展（DynamicResourceeXtension，DRX）、无代理杀毒、应用HA、云彩虹等技术。 统一分布式存储 UIS存储虚拟化软件UISONEStor采用统一分布式存储融合架构，为存储系统的高性能、高扩展、安全可靠、自动化运维提供了有力保证。 •统一分布式存储架构。分布式对称架构，无需单独的元数据服务器；同时支持块、文件、对象存储；分布式全局缓存，有效提高集群读写性能。 •高可用。多副本冗余策略，保证数据可靠性，支持2-6个副本灵活配置；支持N+1到N+4的不同纠删码级别，可基于资源池和目录设置；全面的数据保护和容灾能力，支持复制、快照、克隆、拷贝、故障域、保护域等技术。 •高可靠。采用完全冗余组网，无单点故障，硬盘或节点损坏时保证业务不中断、应用无感知；硬盘或节点故障时自动重构，可调整重构优先级；支持在线不停机扩容，增加或删除节点、硬盘不影响业务正常运行，支持集群自动数据均衡 可靠性监控中心 UIS超融合管理软件提供可视化、极简的运维方式，管理人员可一键获取超融合集群的资源信息和服务状态，了解平台的整体运行状况，并能够迅速定位到具体问题。通过分层的方式，展示UIS超融合集群中服务层、系统层、硬件层的可靠性现状，基于一键巡检模式快速诊断站点的健康状态，为高效运维提供指导。 多维度数据保护 UIS超融合提供了UIS备份方案、UIS容灾方案和UIS双活方案三层防护体系，全面覆盖国家标准《信息安全技术信息系统灾难恢复规范》定义的6个灾难恢复能力等级。 •灵活丰富的冗余策略：UIS集成的分布式存储组件支持以卷为单位设置纠删码或者多副本冗余策略，无需热备盘就可快速完成数据重构，保障用户数据完整性。 •多场景备份：自带无代理备份功能，无需额外投入即可实现对虚拟机的差异、增量、全量备份功能，同时提供CDP连续数据保护 •SRM容灾：基于SRM异步复制等容灾方案，满足用户对异构站点或同构站点间容灾服务的需求，为关键业务永续提供有力保障。 •双活：以超融合集群延展技术为核心，为客户提供中心级容灾，保障用户关键业务永续运行。 一键上云 •IaaS云服务能力：融合云平台功能，提供丰富的IaaS云服务目录，可以实现资源的自助交付、分级分权管理、多租户管理、流程工单管理以及异构虚拟化纳管等功能。 •接口开放：开放标准化的RESTAPI接口及兼容OpenStackH/J/K/L/M/P等版本的插件与接口。 •平台开放：兼容200+种通用GuestOS、20+种开源和商用VNF网元。 •合作开放：开放安全、备份、特定行业应用、云管平台等垂直领域合作，培育商业生态，跨界融合。 核心业务承载 UIS为数据库场景负荷进行了针对性优化，为数据库等关键业务应用的部署、管理、应用提供了以下优势： •优秀I/O处理性能：元数据分离技术减少访问消耗；通过计算端缓存加速技术，提升数据库日志高效处理能力。 •简化基础架构和管理复杂性：通过组合不同负荷系统到统一的资源池，高密度整合计算资源，显著提高计算资源利用率。 •快速部署交付数据库实例：基于UIS超融合数据库部署向导可直接在现有资源池进行计算、存储、网络等资源的分配和配置降低时间和人员技术要求。 •数据库实例部署的较佳实践：计算节点资源规格、操作系统设置以及存储规划及搭配组合建议模板化呈现。 •计算资源随业务需求动态伸缩能力：应对业务峰值需求，提升资源利用率的同时也免除了初期规划和基础架构升级烦恼。 应用场景 UIS主要面向虚拟化、私有云、云桌面、分支机构、混合云、开发测试、边缘计算、容灾备份和数据库/关键应用一共九大应用场景。 •虚拟化场景：采用完全软件定义技术，实现IT基础架构的融合，并通过统一管理界面对所有资源集中管理和监控 •私有云场景：基于超融合构建私有云实现更高的实施效率、更弹性的扩展、更高的资源密度。 •云桌面：减少硬件资源消耗，同时减少机房空间占用量。超融合架构存储技术采用缓存分层技术，加速IO读写应对启动风暴问题。 •分支机构：可大幅简化IT运维管理，实现多分支机构统一管理，轻松横向或纵向扩展，以适应不断变化的需求。 •混合云：实现混合架构统一的运维管理、健康巡检、快速完成故障排场，减少IT运维时间和异构平台运维难度。 •开发测试：实现快速环境获取，模拟生产网络环境、运维自动化、更快的应对新技术发展和加速业务上线 •边缘计算：将网络、计算、存储等能力延伸到网络的边缘，在边缘站点就近提供稳定、可靠、高速的边缘计算服务。 •容灾备份：针对不同的RTO和RPO需求提供更加高效、简单和低成本的的容灾备份解决方案。 •数据库关键应用：大简化传统模式的部署复杂性,显著提高计算、存储资源的利用率和缩短业务部署时间。

成果描述：互联网文本内容主题 概念漂移检测系统， 通过分析数据集中的 所有文档数据的潜在 语义关系，提取出它 们之间的潜在语义主 题标示，通过评估参 数的方法，将生成的 主题时序关系用数据 的形式表示出来，并 以此为依据主动发现 待预测数据集中主题 的转变与转化现象， 并提供给用户这一主 题转移过程。市场前景分析：点。基于这些特点， 流数据的处理和分析 面临巨大的挑战，是 当前数据挖掘领域研 究的热点。 分类是数据挖掘领域 的重要课题，当前流 数据分类问题面临的 主要挑战之一就是概 念漂移问题，即数据 中学习的概念（从属 性到类别的映射）是 随时变化的。 通过对互联网中文本 内容的主题概念漂移 进行检测，对于正确 分类互联网文本等方 面具有重要的意义。与同类成果相比的优势分析：能够将生成的主题时 序关系用数据的形式 表示出来，方便用户 查看； 可以动态调整评估参 数，以实现对不同数 据集的自适应性分析； 可以将评估参数值与 发生概念漂移的主题 中心相关联，主动探 测出主题发生变化的 过程。

项目成果/简介:项目在多年国家项目的支持下，在项目“面向工厂规划和生产过程的数字化工厂技术”获2013年教育部科技进步二等奖的基础上，进行持续开发完善，与沈阳机床合作，在智能制造领域进行了深入的合作研究， 在沈阳机床智能制造展示线开发完成数字化孪生仿真模型及基于互联网的定制信息系统，系统实现了网络化定制下达生产订单，数字化孪生系统在线仿真模拟，真实展现生产场景，并可通过移动设备进行浏览和信息管理。项目符合中国制造2025所倡导的智能制造和互联网+技术的发展，对中国制造向智能化转型起到促进作用。项目通过展示真实个性化印章的智能加工、检测和装配，体现网络化的定制及数字化双胞胎技术。应用范围:项目所开发完成的技术符合中国制造2025所提出的智能制造技术路线，已应用于工业实际和大专院校的教学培训。目前国家大力资助建立智能制造试点示范项目，制造企业也在积极转型，向数字化和智能化转型发展，这些都需要数字孪生和互联网+技术的支持。 项目成熟度：小批量生产，项目已独立以及结合沈阳机床的生产线及教育系统得到市场的应用，特别是在中国航发商用航空发动机有限责任公司相关项目中得到应用。 拟在全国范围内推广：1.项目可应用于离散制造业的规划、调试、运行和维护阶段的仿真优化，通过建立工厂、生产线、设备的三维模型，实现虚实结合的数字双胞胎。 2、教育培训领域：通过实现智能制造理念的面向教育和培训的生产线系统，通过模块化的系统，实现对智能制造教学和培训。项目阶段:小规模生产效益分析:项目的技术创新点、先进性在于实现了数字孪生技术在生产线中的应用，达到了生产线的虚实融合。不仅可在规划阶段对生产线进行仿真验证，还可在生产运行过程中实现虚实融合，并通过AR-VR技术对操作指导、维修指导和生产过程监控提供支持，从而实现多维的虚实融合，是实现智能制造的关键技术之一。项目相关技术不仅能够应用于工业实际的智能化制造之中，还特别适合面向智能制造的教育和培训。

成果描述：本实用新型公开了一种基于物联网的HART仪表分析平台,包括上位机和通过无线网关与上位机通讯的多个HART无线适配器；所述HART无线适配器通过HART总线与HART仪表一一对应连接,同时与物联网中网络节点无线通讯,所述HART无线适配器包括壳体和安装在壳体内的电路板；所述电路板上设置有HART处理器、串口自供电电源转换电路、人机交互接口模块、存储器、调制解调模块、ZIGBEE收发模块、GSM收发模块、隔离电路、防雷模块。本实用新型基于物联网技术,通过ZIGBEE/GSM信号实现现场多个HART仪表的实时监控,能耗低、抗干扰性能好。而且,本实用新型中的HART无线适配器采用无源供电模式,有效节能。市场前景分析：本实用新型基于物联网技术,通过ZIGBEE/GSM信号实现现场多个HART仪表的实时监控,能耗低、抗干扰性能好。而且,本实用新型中的HART无线适配器采用无源供电模式,有效节能。与同类成果相比的优势分析：国内领先

成果描述：本实用新型公开了基于物联网的热水器远程控制设备,其包括远程控制端和分别通过物联网与热水器和远程控制端进行通信的被控执行端；远程控制端包括控制单元,分别与控制单元连接的Flash存储单元、语音采集模块、输入模块和第一无线通信模块；被控执行端包括控制模块、第二无线通信模块及分别与控制模块连接的流量传感器、信息安全识别模块、电磁阀和温度传感器,信息安全识别模块与第二无线通信模块连接。市场前景分析：本实用新型公开了基于物联网的热水器远程控制设备,其包括远程控制端和分别通过物联网与热水器和远程控制端进行通信的被控执行端；远程控制端包括控制单元,分别与控制单元连接的Flash存储单元、语音采集模块、输入模块和第一无线通信模块；被控执行端包括控制模块、第二无线通信模块及分别与控制模块连接的流量传感器、信息安全识别模块、电磁阀和温度传感器,信息安全识别模块与第二无线通信模块连接。与同类成果相比的优势分析：国内领先

成果描述：本实用新型公开了一种基于物联网的房间调控系统,其包括依次连接的传感器模组、处理系统和受控端,以及与处理系统相连接的移动终端；处理系统包括依次连接的输入电路、处理电路和输出电路,以及与处理电路相连接的存储器、无线通信模块和电源模块,电源模块连接无线通信模块。本实用新型可以通过移动终端远程控制作为受控端的家用电器,也可以通过传感器模组自动控制受控端,提前改善房间内的环境,为用户提供更好的居住体验。市场前景分析：本实用新型可以通过移动终端远程控制作为受控端的家用电器,也可以通过传感器模组自动控制受控端,提前改善房间内的环境,为用户提供更好的居住体验。与同类成果相比的优势分析：国内领先

本项目在已有技术条件下，研究开发具有自主产权的工业物联网应用技术，构建面向制造企业的多主体按需使用的云服务平台，形成支持云服务平台的运行和使用的标准规范，推动工业企业服务模式的创新，促进生产型企业向服务型企业转型

本系统在设计中使用了先进的网络处理器技术，包括高性能的IXP2400处理器和高速千兆以太网接入能力，提供了强大的网络处理能力和可靠的运行稳定性。本系统完成的基于网络处理器硬件平台根据不同的实际需求，可以广泛应用于各种网络通信系统和网络安全领域，边缘路由器，千兆硬件防火墙和入侵检测系统，具有广阔的市场前景。

随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。

随着油田数字化的发展，物联网技术在油田企业的生产管理中应用越来越广泛。新技术的应用，提升运维人员技能培训迫在眉睫。油气生产物联网实训创新平台是针对石油企业的数字化油田运维人员和在校大学生物联网技术应用而建立的平台。 采用油田企业通用的PLC或DCS,构建采集控制系统；使用油田常用的通讯方式（4G、无线网桥、Zigbee/LoRa）进行仪表参数及数据的传输；配备计算机和SCADA系统，可以进行PLC或DCS的编程培训，实现在不同通讯方式下的数据传输；SCADA系统将现场中控室进行情景还原。平台培训由易到难，从最基本的传感器仪表接线及电路搭建、下位机编程、通讯方式的组建、上位机SCADA控制系统及管理平台的布置，能够实现仪表工、通讯人员、中控人员及高级技术人员等不同层级人员的培训。