大數據背景下金保數據中心建設關鍵技術研究

柴立 解建倉 龔尚福

摘 ?要： 海量數據的產生對傳統人力資源和社會保障信息系統的建設提出新的挑戰，構建大數據背景下的云數據中心對“金保工程”建設具有重要的意義。從分析傳統“金保工程”的特點入手，探討大數據對傳統“金保工程”的影響，突出建設云數據中心的必要性。虛擬化技術和云平臺搭建是“金保工程”建設中云數據中心的關鍵技術，該文結合“金保工程”建設的實際需求，探討云數據中心建設的關鍵技術和解決策略，以案例將其用于省級人社“金保工程”的建設中。結果表明，該策略取得較好的實際應用效果，研究成果對人社行業的“金保工程”建設具有理論意義和指導價值。

關鍵詞： 金保工程; 云數據中心; 大數據; 云計算; 虛擬化技術; 云平臺

中圖分類號： TN919?34; TP393.1 ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2019）10?0136?05

Research on key technologies of golden insurance data center construction

in big data background

CHAI Li1， XIE Jiancang2， GONG Shangfu3

（1. Department of Human Resources and Social Security of Shaanxi Province， Xian 710054， China;

2. Xian University of Technology， Xian 710048， China; 3. Xian University of Science and Technology， Xian 710054， China）

Abstract： Massive data generation has brought new challenges to the construction of the traditional human resources and social security information system， so it is of great significance to construct the cloud data center in big data background for golden insurance project construction. Proceeding from characteristic analysis of the traditional golden insurance project， the influence of big data on the traditional golden insurance project is discussed， and the necessity of building the cloud data center is highlighted. The virtualization technology and cloud platform establishment are key technologies of cloud data center during the golden insurance project construction. The key technologies and solution strategies of cloud data center construction are discussed in this paper by combining the actual demand of gold insurance project construction， and their cases are applied to the construction of the provincial golden insurance project of human resources and social security. The results show that the strategy can obtain a good actual application effect， and the research results have a theoretical significance and guiding value to the construction of the gold insurance project in human resources and social security industry.

Keywords： gold insurance project; cloud data center; big data; cloud computing; virtualization technology; cloud platform

0 ?引 ?言

隨著經濟發展和科技進步，各行各業每天都會產生海量的信息數據。作為政務信息化建設工程的人力資源和社會保障信息系統，也不可避免地面臨海量數據信息的處理。因此，研究大數據下的人力資源和社會保障信息系統建設[1?3]迫在眉睫，具有重要的實際應用意義。“金保工程”是我國人力資源和社會保障信息建設的電子政務業務系統總稱，其內容覆蓋就業、社會保險、勞動關系、人事人才四大業務板塊，包括業務經辦、公共服務、基金監管監測、宏觀決策等多類業務系統。隨著人力資源和社會保障信息系統向省級集中，系統的數據規模、用戶規模、系統規模發生巨大變化。同時，各類電子渠道的公共服務向互聯網、移動互聯網及基層不斷延伸，用戶規模和數據規模飛速增長，系統將會越來越復雜，需要的計算能力也會逐年加大，且不斷產生海量的積累數據，傳統的數據中心已經不能滿足大數據背景下的數據存儲和處理需求。近年來，信息技術發展進入了云計算和大數據時代[2?3]，眾多的互聯網應用案例及行業應用案例已證實，云計算和大數據技術是應對信息系統規模持續增長的有效手段。并行計算、分布式計算和虛擬化[4]技術的應用，快速推進人力資源社會保障基礎設施和應用系統的云化遷移改造。本文將從傳統數據中心架構的特點出發，分析大數據背景下傳統數據中心存在的不足，研究新技術的優勢，從而提出一種可以支撐大數據時代人力資源和社會保障服務的新型“云化”數據中心架構[3]，并給出應用實例。

1 ?傳統“金保工程”的特點及大數據對其影響分析

1.1 ?傳統“金保工程”數據中心基礎架構的特點

傳統金保數據中心的構架中，主要采用以Unix為代表的操作系統服務器硬件平臺，以Oracle關系型數據庫為代表的企業級數據存儲平臺，以傳統虛擬化平臺為支撐的業務系統平臺。傳統金保數據中心主要呈現如下特點：

1） 靜態的物理資源管理 。傳統數據中心的設計目標是要求產品能夠保持長期不間斷的穩定工作，因此，在設計數據中心時，采用的是小型機+單體存儲的架構，數據中心由大量孤立的物理設備串并聯堆砌而成，導致數據中心的建設和維護成本高，資源易浪費。

2） 靜態的工作負載管理 。傳統數據中心資源孤立、資源與設備之間不能共享，工作負載靜態管理不能在整個數據中心實現實時、動態調度，導致傳統數據中心資源利用效率低下;不僅數據中心的服務器工作負載是靜態的，網絡和存儲系統的工作負載也是靜態的，造成各種資源的整體利用效率不高。

3） 項目應用/基礎設施靜態耦合。傳統數據中心的各部件呈緊耦合狀態，服務器、網絡和存儲等資源均與單個項目靜態地捆綁在一起，形成“項目孤島”架構。傳統數據中心這種靜態的結構，帶來了一系列嚴重的實際問題，如為了滿足應用需求，傳統數據中心自建立之日開始就不斷擴展，基于不同時期技術的擴展（或人員變動），以及一些以傳統模式建立的系統結構變得十分復雜，不僅管理和維護費用十分昂貴，而且幾乎成了內部結構誰也不清楚的“黑箱”。

綜上分析可以看出，傳統數據處理中心的構架導致數據中心建設中存在成本高、易浪費、擴展性差、交付時間長，且在數據中心的管理上也存在復雜度高、管理難的特點。

1.2 ?大數據對傳統數據中心的影響

近年來隨著人社關鍵業務系統的急劇增加，各類數據的數量呈爆發式增長，海量數據向上集中，對數據中心IT基礎架構的安全性、連續性、服務級別的要求越來越高，難以快速處理海量復雜數據和滿足大數據時代下的數據挖掘需求，無法支撐不同類型數據的關聯分析應用。因此，傳統IT基礎架構面臨著新的挑戰。大數據環境下，業務連續運行、業務系統快速部署、虛擬化監控殺毒、計算存儲資源合理調試、管理運維、大數據分析和處理等需求迫在眉睫，急需解決。大數據時代對傳統數據中心的數據存儲能力、數據處理能力、數據交換能力、數據展現能力以及數據挖掘能力都提出了更高的要求。總體來說，大數據對傳統數據中心的影響[5]有以下幾個主要方面。

1） 非結構化數據的重要性越來越大。傳統數據中心的數據一般來源于常規渠道生成的結構化數據，而大數據時代的數據類型具有多樣化的特性，且其增長速度遠遠超過結構化數據的增加速度，這些非結構化數據包含著公民社保業務受理過程中的所有信息，其重要性越來越大。

2） 數據的時效性要求越來越高。傳統數據中心的數據更新周期為日，數據主要用于查詢，對數據的使用和分析頻率不高。大數據時代，數據不僅要便于查詢，還需要從海量數據中獲得有價值的信息，因此，對數據的處理速度和數據的時效性提出了更高要求。

3） 大數據改變數據分析模式。傳統數據分析以結構化數據為主，主要是查詢式數據處理和分析模式。大數據時代下，隨著數據的累積和增加，可做的分析和對比也越來越多，為降低數據存儲空間，都是采用實時在線處理模式，通過對大量數據的分析，以獲取數據之間隱藏的關系、模式和趨勢。

4） 大數據影響信息基礎架構。傳統數據中心專注單一的數據分析處理，這造成了不同類型數據之間的割裂。大數據時代下，分布式處理的軟件框架使得X86服務器開始大行其道，列存儲、內存數據庫、NOSQL存儲、流計算等技術將成為數據存儲和處理的主流技術。

2 ?大數據背景下“金保工程”云數據中心的虛擬化技術

新型“云化”技術為大數據中心建設提供了支持和手段。大數據處理需要云計算環境來支撐，而云計算最為關鍵的技術是虛擬化，虛擬化技術[4，6]作為支撐系統中云計算的一項基礎技術，被廣泛地應用于云數據中心。在“金保工程”中，利用虛擬化將人社云系統中所有的硬件設備資源集成在一起，為“金保工程”提供一個集成、統一、并發和虛擬的“云化”運行平臺，以控制系統硬件和相關軟件的成本。

虛擬化技術的應用領域[7?8]涉及“金保工程”中的服務器、存儲、網絡、應用和桌面等多個方面，不同類型的虛擬化技術從不同角度解決了不同的系統性能問題。

1） 服務器虛擬化。采用軟件虛擬技術，硬件上先部署主操作系統，以實現對硬件層的各種資源調度;在硬件層上安裝相互之間不受影響的Guest子操作系統，以實現服務器的虛擬化。服務器虛擬化對服務器資源進行快速劃分和動態部署，以降低系統的復雜度，消除設備的無序蔓延，達到減少運營成本、提高資產利用率的目的。

2） 存儲虛擬化。為優化資源利用率，使多個用戶能同時使用資源，多個資源對多個進程提供服務。采用多個主機服務器與多個異構存儲設備之間實現交互訪問的多對多訪問模式，存儲采用基于存儲網絡的虛擬化技術，實現不對稱的存儲虛擬化。存儲虛擬化將存儲資源集中到一個大容量的資源池，并進行統一管理，實現無需中斷應用即可改變存儲系統和數據遷移的目的，提高了整個系統的動態適應能力。

3） 網絡虛擬化。用L2 ISIS作為控制協議在所有設備上進行拓撲路徑計算，轉發時會對原始報文進行外層封裝，以不同目的Tag在TRILL/SPB區域內部進行轉發。通過將一個物理網絡節點虛擬成多個節點，以及將多臺交換機整合成一臺虛擬的交換機來增加連接數量和降低網絡復雜度，實現網絡的容量優化。

4） 應用虛擬化。應用虛擬化[5，8]是將應用程序與操作系統解耦合，為應用程序提供了一個虛擬的運行環境。應用虛擬化將資源動態分配到最需要的地方，以改進服務交付能力，并提高應用的可用性。

云計算數據中心基于上述虛擬化技術，實現跨越IT架構的全系統虛擬化，對所有資源整合成“大型虛擬資源池”進行統一管理、調配和監控[8]，達到能源效率和資源利用率最大化的目的。由于云數據中心完全虛擬化所有的基礎硬件設施，使用戶可以按需調用各種資源，在云數據中心下，客戶端的用戶無需了解數據庫云的底層設計細節，可直接獲得理論上無限制的數據存儲能力和處理能力。

云數據中心解決了數據集中與共享的問題，實現了不同人社信息系統之間的數據交換和共享，明確了應用系統與云數據中心平臺的接口規則。面對強大的數據容量，云數據中心采用基于Hadoop分布式技術的大數據存儲系統，能夠高效地存儲和管理大數據，具有高容錯性的特點，解決了傳統關系型數據庫在處理大數據時的理論和實現上的局限性。實現業務應用及海量數據的分布式管理、應用系統的自動彈性伸縮、批量業務的高效并行計算處理[8]。

3 ?“金保工程”云數據中心構建方案

人社行業“金保工程”的云數據中心需要對整個資源池進行全局性的管理和控制，拋棄傳統的靜態配置和手動管理模式，通過云平臺的力量自動化地進行統籌管理，減少了上層用戶和底層設備之間的交互。云數據中心體系架構特點一般是圍繞資源、管理和服務3個要素進行組織設計。云數據中心的主要職能是管理，使系統內的所有資源被有效且高效地管理，以確保整個數據中心安全、可靠、穩定、自主地運行。因此，在云數據中心內部設計上，將其總體劃分為云基礎設施、云服務支撐和云應用系統三個層次，云基礎設施層提供虛擬的硬件、網絡、存儲等基礎設施，并提供數據庫服務和文件存儲服務，在此基礎上部署云服務和云應用;云應用支撐層提供云安全管理和云運維管理的支持，主要負責提供分布式日志、分布式會話、分布式緩存、分布式數據訪問等支撐服務;云應用系統層是面向最終用戶的具體應用系統，該應用系統構建在動態基礎設施和云應用支撐平臺之上，為用戶提供彈性可伸縮的業務系統。

云數據中心整體架構需要對資源、平臺、門戶進行全方位管理。因此，將云平臺的總體架構分為服務和管理兩大部分。在服務方面，主要以提供用戶基于云的各種服務為主，包含3 個層次：實現基礎設施即服務（IaaS）、平臺即服務（PaaS）、軟件即服務（SaaS）功能;在管理方面，主要以云的安全和運維管理為主，確保云平臺能夠安全、穩定和高可用地運行，并且能夠被有效智能化管理。“金保工程”云數據中心架構規劃如圖1所示。

4 ?應用實例

以省人力資源和社會保障廳“金保工程”云數據中心建設為例，搭建人社云平臺主要有云基礎設施（IaaS）、云服務支撐（PaaS）、云服務應用（SaaS）三個層次構成。同時考慮了信息安全管理體系設計。

4.1 ?大數據云基礎設施層

云基礎設施層是人社云安全穩定運行的基礎和保障。一方面通過將網絡設備、計算設備、存儲設備等物理設施虛擬化、資源化和服務化，為上層的云服務支撐和云應用按需提供穩定、可靠、易伸縮、可管理的基礎資源服務;另一方面依托監控、運維、資源管理、安全管理等技術平臺和管理體系為云平臺提供必要的安全和運維保障。云基礎設施層內主要包含云資源物理層、虛擬化層和云資源管理層。

圖1 ?云數據中心內部架構

1） 物理層。其包括機房以及部署在機房的相關物理硬件基礎設備。硬件基礎設備是云服務的基礎，主要為終端用戶提供計算資源和存儲資源等，包括網絡、服務器、存儲和安全等設備。服務器設備選擇開放架構的 X86 服務器，采用以高密度的刀片服務器為主，以盡可能提升機房空間利用率。存儲設備選擇 SAN 存儲、NAS 存儲等設備。安全設備選擇等保三級要求以上的設備進行配置，以滿足云計算環境下的安全管理要求。

2） 虛擬化層。其主要目的是實現對計算資源、網絡資源和存儲資源的虛擬化，以及軟件定義等形成的共享計算資源池、網絡資源池和存儲資源池的設計。

計算資源池采用虛擬化技術實現計算資源的虛擬化，構成可按需分配、調度、管理的計算資源池。存儲資源池采用分布式存儲等技術，建設X86服務器分布式存儲集群，結合 SAN 存儲資源池建設技術，構成分布式、可管理的存儲資源池。網絡資源池采用交換機、路由器、負載均衡和防火墻等虛擬化技術實現網絡虛擬化，構成可按需分配、調度、管理的網絡資源池。

為提高應用伸縮靈活性，在資源池建設中，堅持保持制式統一并集中部署原則，盡可能選擇相同的CPU 架構（如Intel 或AMD）和同一種虛擬化軟件，避免形成多個不同制式小規模資源池而無法相互動態遷移應用。同時，資源池盡可能部署在相同機房和網絡中，以實現業務動態遷移。應優先選擇商業虛擬化軟件，保障核心IT 系統運行的可靠性。

3） 云資源管理層。其主要包括云基礎設施管理的核心組件，實現資源的統一管理、調度、編排與監控以及對云資源的自動化管理和彈性部署，包括計算資源管理、網絡資源管理和存儲資源管理等。

4.2 ?大數據云服務支撐層

大數據云服務支撐層主要實現大數據的收集、整理、加工、數據分析[8]等業務處理。云服務支撐構架分為三層，第一層是與大數據相關的云服務，用于數據的采集和存儲，包含用于存儲各類數據的存儲數據庫，以及對各類非線性數據的采集服務。第二層是數據開發平臺，主要是對采集到的數據進行管理、處理和分析，并對有用數據進行數據學習和深度挖掘，以獲取有價值的信息。第三層是數據加工平臺，將數據開發平臺獲得的數據進行整合，以簡單的、可視化的形式表現出來，并提供給云應用層。構架如圖2所示。

圖2 ?人社云服務支撐層構架

4.3 ?大數據云服務應用層

大數據云服務應用層包括應用層、應用支撐層和數據層三部分，其架構如圖3所示。

1） 應用層。部署人社云應用的Web 組件和App 組件的服務器集群，包括互聯網服務類、業務經辦類、數據分析類人社云應用服務器的部署，人社行業可根據本省的業務復雜度、功能需求和用戶規模進行資源配置。

2） 應用支撐層。部署用于支撐應用層的服務器集群，包括認證服務、隊列服務、分布式緩存服務、分布式服務框架、分布式會話服務、分布式日志服務、分布式數據庫服務、并行計算服務等服務器部署，可根據本省的實際情況按需部署。

3） 數據層。部署用于支撐應用的數據層服務器集群，包括關系型數據庫、列式數據庫、NOSQL文檔型數據庫等服務器和存儲設備。關系型數據庫承載基礎庫、業務交易庫、服務日志等，列式數據庫承載歷史庫、統計庫等，NOSQL文檔型數據庫承載電子檔案、系統日志和行為日志等。

圖3 ?人社云應用層構架

4.4 ?人社云信息安全管理體系構建

人社云信息安全管理系統主要包含三個方面的建設：第一個方面是物理安全體系，主要是從物理和數據存儲的環境方面保障數據的安全性，它主要包含網絡和通信安全、設備和計算安全、應用和數據安全;第二個方面是集中管理和監控安全體系，主要是對系統使用人員進行安全教育和管理，確保內部使用和系統管理人員的安全性;第三個方面是安全管理體系，主要是制定相應的安全管理條例和管理制度，建立健全安全管理機構，確保人社云系統的運維可靠與安全性。安全管理體系構架如圖4所示。

圖4 ?人社云信息安全管理系統構架

5 ?結 ?論

通過對傳統“金保工程”數據中心建設的特點進行分析，指出其已經不能滿足大數據時代對“金保工程”的需求，從而以大數據應用為背景，探討了“金保工程”建設過程中云數據中心的虛擬化技術、平臺搭建等關鍵技術，提出了基于“云化”數據中心系統平臺架構方案，并將其用于省級人社云建設中。

注：本文通訊作者為龔尚福。

參考文獻

[1] 宮夏屹，李伯虎，柴旭東，等.大數據平臺技術綜述[J].系統仿真學報，2014，26（3）：489?496.

GONG Xiayi， LI Bohu， CHAI Xudong， et al. Survey on big data platform technology [J]. Journal of system simulation， 2014， 26（3）： 489?496.

[2] 羅亮，吳文峻，張飛.面向云計算數據中心的能耗建模方法[J].軟件學報，2014，25（7）：1371?1387.

LUO Liang， WU Wenjun， ZHANG Fei. Energy modeling based on cloud data center [J]. Journal of software， 2014， 25（7）： 1371?1387.

[3] 趙震，任永昌.大數據時代基于云計算的電子政務平臺研究[J].計算機技術與發展，2015，25（10）：145?148.

ZHAO Zhen， REN Yongchang. Research on e?government platform based on cloud computing in big data era [J]. Computer technology and development， 2015， 25（10）： 145?148.

[4] 韓德志，李楠楠，畢坤.云環境下的虛擬化技術探析[J].華中科技大學學報（自然科學版），2012，40（z1）：262?265.

HAN Dezhi， LI Nannan， BI Kun. Study of virtualization technology in cloud environment [J]. Huazhong University of Science and Technology （Natural science edition）， 2012， 40（S1）： 262?265.

[5] 張科星.網絡大數據平臺中的特征數據分類系統設計與實現[J].現代電子技術，2017，40（8）：25?28.

ZHANG Kexing. Design and implementation of feature data classification system in network big data platform [J]. Modern electronics technique， 2017， 40（8）： 25?28.

[6] 孔維亮，曾光裕，周登元.基于Intel VT硬件虛擬化的Rootkit技術[J].信息工程大學學報，2016，17（5）：579?585.

KONG Weiliang， ZENG Guangyu， ZHOU Dengyuan. Rootkit technology based on the Intel VT hardware virtualization [J]. Journal of Information Engineering University， 2016， 17（5）： 579?585.

[7] 譚大禹，孫睿，劉寬.云計算下桌面虛擬化技術的融合[J].計算機與數字工程，2017（1）：76?82.

TAN Dayui， SUN Rui， LIU Kuan. Desktop of virtualization technology integration under the cloud computing [J]. Computer & digital engineering， 2017（1）： 76?82.

[8] CHAI Li， XIE Jiancang， LIANG Jichao， et al. Simulation and visualization of salty soil water and salt migration [J]. Advances in energy science and equipment engineering II， 2017： 429?433.

[9] 林正日，孫志斌，Pavel Paces，等.基于TOF-3D相機單視角物體表面重建研究[J].電子設計工程，2018，26（12）：50?54.

LIN Zhengri， SUN Zhibin， PACES P， et al. Research on object surface reconstruction under the single view based on TOF?3D camera [J]. Electronic design engineering， 2018， 26（12）： 50?54.

[10] 肖錚，董祥千，趙文革.Web網絡大數據的聚類中心調度技術研究[J].現代電子技術，2017，40（24）：25?27.

XIAO Zheng， DONG Qiangqian， ZHAO Wenge. Research on clustering center scheduling technology for Web network big data [J]. Modern electronics technique， 2017， 40（24）： 25?27.