
由于收购了北电网络的企业网业务部门,Avaya已经连续两届以赞助商的身份承担了冬奥会的网络建设。不过,这两届却有极大的不同。温哥华冬奥会上,网络建设用了两年的时间,维护团队达到一百多人,而在今年索契冬奥会上,网络建设只用了三个月时间,运维则只需要两个人。
在这四年间,究竟发生了什么样的事情,使得出现了这样的大不同?
从一百人到两个人的维护团队
在温哥华冬奥会上,当时的北电搭好网络平台,做好相应的设计、规划和维护等,前后花了两年的时间让它稳定下来,在温哥华冬奥会的维护团队,有一百个人。
Avaya大中国区网络产品总监徐震介绍,温哥华冬奥会,实际上是北电的主场,有充足的时间来对这个系统进行相应的准备,花了两年的时间。而且从难度上来讲,传统的网络需要比较长的时间。
而在今年索契的冬奥会上,Avaya只用了三个月的时间,维护团队只有两人。
时隔四年,两届冬奥会上,采取的工作模式完全不一样。
之前,所有网络的连通性的配置,都变成统一的模式。不管设备放在网络的哪个部分,它的配置都是统一的。启动SPB,给一个ID,一个唯一的标识符,把相应的接口,放在SPB互联的域里面,每一个节点都是同样的,实施变成一个非常简单的事情。
“一旦网络连通好之后,剩下的事情,留给工程师的就是如何把网管界面上,开展相应的业务。坐在机房前面,动动鼠标就可以了,需要看每一个细节问题。”徐震说,“所以两个人来维护整个冬奥会的网络就够了。”
如果说,索契冬奥会在网络上的最大的挑战,则是把网络设备运送到机房,然后上架,这是Avaya所付出的最大的工作。真正的配置和调试,其实很简单,三个月的时间,把所有的设备都搭好之后,里面所有的无线,所有的网络设备,包括数据中心到整个城域,还有散布在各个城市节点上的一些功能节点,都进行相应的部署。
底气来自可靠的网络
两个人就可以维护的整个冬奥会网络,其实底气还来自于Avaya系统的可靠性和稳定性。
在现场,徐震做了一个演示,随意地去插拔骨干线,同时再跑两个实时的视频,在拔插这个主干线路的同时,视频图像仍然很稳定,切换没有任何的影响。Avaya可以保证20到200毫秒的切换。这也是Avaya敢实时地做演示的底气。
在这样的网络架构中,增加设备,进行设备的变更,配好之后,马上一插就可以了。200毫秒之内就可以同步到这个系统上。所以网络的变更和维护,变得非常的简单,即插即用,而且配置相同。
在索契冬奥会当中,它实际上是一个城域网,在冬奥会的部署当中,有高山的冰雪赛区,还有平原的场馆赛区,在这两大赛区,Avaya都设置了相应的数据中心,赛区采用了云灾的数据中心。在这样的应用系统当中,网络的规模和网络的特点都非常鲜明。
徐震指出,今年的索契冬奥会是唯一一届没有视频同揽线的奥运会,它不靠CableTV,不靠我们传统的有线电视的方式来传递视频。在网络上面跑了30多个IPTV,在各个赛场上,所拍摄的所有运动画面、视频,全部通过IPTV,传输到相应的数据中心。这是第一届没有同轴电缆的奥运会。
今天,Avaya在全球市场上所销售的所有网络产品,包括在中国市场上销售的所有网络产品,都应用在索契冬奥会当中,索契是第一届利用下一代以太网的奥运会。
俄罗斯世界杯:还是用这些设备
一届冬奥会之后,场馆内进行了大量的网络投资,使用完毕之后,这些网络设备难道就结束生命了吗?
答案是否定的。来自冬奥会官方的说明显示,冬奥会之后这些网络设备会有两个用途,一是索契当地的应用环境继续保留使用,另外,俄罗斯之后一些大型的比赛,包括世界杯还将继续使用。
俄罗斯世界杯将在2018年举办,而在2010年温哥华冬奥会的网络设备在今天看来已经显得过时了,那么,2014年的设备到2018年是否还能继续采用呢?
徐震表示,其实这个技术本身就像十年前的以太网一样,现在的设备跟十前年以太网交换机肯定不一样。
“从温哥华到索契冬奥会,整个技术的变革很大。Avaya现在全球80%左右的客户,是用七八年前、十年前的老设备,通过升级一定的硬件或者是软件,直接切管到当前的SPB架构。”
徐震提到,当年,思科和当时的北电,都提出下一代以太网的概念。但是思科对传统以太网帧格式,进行一定的修改。这意味着使用Trill协议的话,交换机的网络芯片都要做一定的改动。在思科的产品线里,支持Trill协议的一些产品无法和老的硬件产品实现兼容。
今天Avaya对传统的用户的投入的继承和资源保护非常好。我们很多老的用户之前的设备,机箱、风扇、控制引擎、板卡都可以登录软件升级来使用SDN。如果是十年以前的以太网可以升级一个引擎来用上新技术。
2010年温哥华冬奥会到今年的索契冬奥会,恰逢网络行业跨越式的发展,但类似的发展不会在三五年内就会有变化,所以俄罗斯在索契冬奥会上购买的基础设施还可以继续在俄罗斯2018年世界杯上继续使用。
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。