项目编号： 财政数据信息资源目录、数据标准 存储及大数据资产化 规 划 方 案 目 录 1 概述.............................................................................................................1 2 规划思路......................... 首先阐明数据资源目录与整体数据分析应用的逻辑关系： 图 2-1 数据资源目录及标准存储在整体数据分析应用中的逻辑结构图 第 1 页 图 2-1 数据资源目录及标准存储(分布式方案) 数据资源目录的建设需建立在《财政基础数据规范》及《财政标准存储规范》 基础上，按照一定的清洗转换规则自生产系统中获取数据后形成符合规范的标 准存储，供形成进一步的主题分析资源库使用，最终实现深层次的数据分析、 数据挖掘。 生产系统数据源可以是已建立的容灾备份池，也可以是原始生产库，甚至是非 基于平台的第三方系统或外部文件等资源。数据资源目录依据标准存储建立后， 还可提供多地区多年度收支统计、地区排名、多年对比等初步的数据查询比较 主题。当然，进一步的主题分析、深层挖掘，还需要基于形成的标准存储数据 仓库进一步进行抽象分类提取。 2.1.1 数据资源目录总体结构 数据资源目录体系主要由数据资源目录服务系统组成，同时还具备软硬件、网

超算中心融合管理子系统 （包含统一门户） 高速网络交换子系统 通用 CPU 算力子系统 GPU 智算子系统 HPC 超算子系统 全闪存存储子系统 高性能文件存储子系统 超算智算中心系统组成 子系统和高性能计算（ HPC ） 子系统。 l 超算计算节点和智能计算节点分别通过 IB/RoCE 网络等高速网络交换子系统进行高速互连； l 集成多层次、 多协议、 多种数据保护模式的全闪存存储系统和高性能并行文件存储系统 ， 以及配套的信 息安全子系统和超算中心融合管理子系统。 典型超算数据中心架构 信息安全子系统 1. 对外连接网络（网络出口层）分为 ：用于公众用户访问智算中心 2. 云专网：用于智算中心间互联、训推互联 3. IP 专网：用于远程管理 2. 内部互联网络分为业务 / 存储网络、管理网络、 参数面网络、 数据面网络 1. 业务 / 存储网络：业务网络用于互联网用户访问智算 / 通 算 等资源， 存储网络用于调用共享存储资源 2. 管理网络：主要包括业务管理（ K8S 平台、安全管理系 统 等）和 IPMI 3. 参数面网络：采用 RoCE/IB

部院线电影、 50 个游戏场景、 100 个建筑可视化项目 ， 数据量 约 1.2PB ， 4K/8K 批量静帧渲 染 ， 46PFLOPS 算力 • 优先部署 GPU 服务器 + 交换机 ，存储 复 用 政务云 数据中心剩余容量 “ 渲染 + AI” 双盈 利 双机热备 + 冗余网络 超微算力 + 华三 网络 多模态大模型 训练 架构支持弹性 扩展 • 支持软件定义算力 超算子系统 全闪存存储子系统 高性能文件存储子系统 典型超算智算中心核心系统单元包含通用计算子系统、智能计算（ AI ）子系统和高性能计算（ HPC ）子系统。 l 超算计算节点和智能计算节点分别通过 IB/RoCE 网络等高速网络交换子系统进行高速互连； l 集成多层次、多协议、多种数据保护模式的全闪存存储系统和高性能并行文件存储系统 ，以及配套的信息安全子系统和超 ：用于公众用户访问智算中心 2. 云专网：用于智算中心间互联、训推互联 3. IP 专网：用于远程管理 2. 内部互联网络分为业务 / 存储网络、管理网络、 参数面网络、 数据面网络 1. 业务 / 存储网络：业务网络用于互联网用户访问智算 / 通 算 等资源， 存储网络用于调用共享存储资源 2. 管理网络：主要包括业务管理（ K8S 平台、安全管理系 统 等）和 IPMI （智能平台管理接口） 3. 参数面网络：采用

.......................................................................................18 3.4.3 数据存储设计................................................................................................. 市政务信息资源共享管理办法》 1.6 名词术语 本文档使用的缩写如下表所示： 表1： 缩写表 缩写 中文名称 FTP 文件传输协议 API 应用编程接口 DW 数据仓库 ODS 操作数据存储 ESB 企业服务总线 ETL 数据集成工具 JavaEE J2EE 的新版及其新称谓 PBID 人口基础信息库 CBID 法人基础信息库 GASP 政务共享平台 第 6 页 、检索 服务、报表服务、大数据分析组件服务、统一身份认证等。 第 14 页 城市大数据中心建设概要设计说明书 3.3 大数据中心系统架构 图2： 大数据中心系统架构 大数据中心存储数据包括：各委办局、人口库和法人库等数据，共涉及到 40 多个委办局及企事业单位。大数据中心持续采集部门业务数据，进行数据集 成，保持数据的生命力。重点完成人口库、法人库的数据整合，以及空间地理

实现容灾、数据共享等。 二是基础设施的超大规模要求智 算中心应该是集约高效的。首先智算 中心整体设计理念先进，技术上说融 合架构代表着数据中心体系结构的未 来发展方向。融合架构从1.0到2.0， 已经实现了存储资源和异步计算资源 的弹性组合。现在的融合架构正处于 3.0阶段，也就是通过连接池化和重 构技术，实现不同的计算资源的协同 能力。通过软件定义来实现业务自动 感知和资源自动重复，使计算的性能和效率大幅度提升。 术，实现异构计算芯片的融合；CPU之间可以通过池化融合 的方式来实现灵活组合，可以根据业务场景动态形成1路到 多路多种计算单元；异构存储介质，如NVMe、SSD、HDD 等则通过高速互连形成存储资源池。 在计算和存储资源池中，除了传统的CPU和GPU之外， 还可以运用更多新型的计算芯片、存储介质和互联技术， 进一步提升数据中心的处理能力。 例如，谷歌专为人工智能设计的芯片TPU。与GPU相 比，TP 比，TPU采用低精度（8位）计算，以降低每步操作使用的 晶体管数量，是同代CPU或者GPU速度的15~30倍。同时， TPU还可以进行池化，实现了TPU之间的高速互联，也就是 TPU POD，并对外提供TPU算力服务。 存储方面，非易失内存DCPMM，既可以作为高速硬盘 使用，也可以作为标准的内存使用。当作为内存使用时， 其单条内存容量最大可以到512GB，使得推理作业密度提升 一倍，每单位作业成本下降近50%。

先的云平台公司，为美国和其他国家公域数据流通提供了先 进的基础设施。 1.Google Cloud的开源协作数据流通平台 Google Cloud是Google推出的云计算服务，服务涵盖计算、存储、网络、大数据、机器学习及办公应用等众多领域， 如虚拟机部署的Compute Engine、网络私有部署的Virtual Private Cloud、全托管式AI平台Vertex AI、谷歌办公应用，以 AI、谷歌办公应用，以 及数据分析应用平台BigQuery等。其中，BigQuery是Google Cloud构建的高效安全数据流通平台。 BigQuery平台通过EDC组件并嵌入联邦学习，可以提供数据存储、数据处理、数据分析等全流程服务，以实现数据的 高效利用与处理。既能满足互操作性的要求，通过实现不同系统和平台之间能够无缝对接，从而推动数据的流通和共享，也 能确保数据自主权的实现，即保证参与者能够使用 活性与可扩展性，使其能够支持从千兆字节到艾字节规模的存储和SQL查 询。消费者可以将数据便捷地上传至BigQuery中，这些数据会被安全加密存储，保障数据的持久性和高度可用性。BigQuery还 拥有高速内存中的BI引擎，每秒可处理450万行数据，便于更快地生成报告和进行分析。当服务提供商通过特定方式访问数据进 行分析后，处理结果依然存储于BigQuery，方便消费者随时获取处理后的数据，极大地提高了数据的利用效率。

南京智算中心算力规模 Aic 指 标 0. 8 Eops( 一期累 计 ) 1.8Eops( 二期累计 ) 2.5Eops( 三期累计 ) 分布式存储系统 6PB 全闪存储系统 500TB 内部高速互联网络 采用 200G HDR 组网； 高速计算存储网络 采用 25G/100G 以太 网 经典模型库 深度学习库 高性能库 算子库 TensorFlow Caffe 亘 市 工 业 视 觉 智 边缘智能计算 loT 物联设备 Docker 容器化 训练推理系统 智能板卡管理插件 Kubernetes 容器编排 系统 Ceph 分布式存储 系统 集群监控系统 Kubeflow 分布式系统 车路协同 智能实验室 新基建相关 数据市场 公安、消防 其他项目服务 园区较大，出入人员多 且杂 ，需 要增加智能管控的手段 Aic 产业发展——智慧园区 · 现状问题 三 XTROTEC 中 科 逆 熵 AiC○ 新机遇——智慧园区 结化存储数字化建设中设备所产生的数据，充分利用智算中心算力资源， 智能计算中心 数据收集 数据汇聚 数据提炼 数据分析 … 数字化园区 摄像头 门禁机 人行道闸 车辆道闸 …… 智能化园区

技术架构领先：成熟的综合性解决方案，与云计算技术紧密结 合，计算，存储，网络资源的统一管理，从应用到物理、虚拟 资源的统一管理。 高可靠：支持计算、存储、网络全冗余架构，资源弹性可扩展， 支持动态迁移和重配置资源。 高安全：有效保障业务连续性，数据自动副本，分片保存，保 障数据不丢失。统一认证审计，智能管控信息安全。支持负载 均衡和链路聚合。 高性能：通过服务器与存储的集群，性能并行化，带宽聚合化， 负载均衡化，将获得更高的服务性能。 上天翼云五年费用支出对比 私有云数据机房，节省成本 30% 云数据机房 - 系统架构 IT运维管理中心 计算集群 11台 （存储）万兆交换机 （管理）千兆交换机 业务人员 MPLS专线 （业务）千兆交换机 总部 分区 管理集群 1台 数据库服务器 5台 业务网络 管理网络 存储网络 链路聚合 智能会议系统 - 系统概述 多功能电子会议系统是集会议、培训、学术交流等为一体的多功能会议场所。它将高质量的 云台 摄像枪 车辆行驶记录仪 阵列存储柜 IP Camera DVS 定位 服务器 调度 服务器 网络管 理 流媒体 服务器 存储 服务器 报警 联动 数据库 服务器 业务管 理 PC 监控 GPS 定位 应用管理 移动监控 网络管理 指挥中心 系统监控视频组成  本地 / 远程实时监视与控制  本地 / 远程存储、查询、回放  电子地图，报警联动，快速定位

供该模型的支撑功能，故本次项目不再建设该数据模型。 3.2.1.6 底板数据加密 本次系统涉及到的高精度数据地理信息数据按照三级密评的标准进行建设，涉密数 据安全上主要做到数据传输、访问、存储等方面的加密处理。并且由项目建设单位作为 数据安全性的责任主体，负责数据的安全与保密工作。 3.2.2 模型平台 3.2.2.1 水利专业模型 本次项目新建溪源溪小流域水利专业模型，主要包括溪源溪小流域预报调度模型、 在三维地形环境下，根据淹没仿真模型输出的水深和淹没面积，在地形表面绘制出 洪水淹没区域，并且根据输出结果中每个栅格的水深和面积，绘制出流域水深和淹没范 围。洪水淹没仿真模型计算完成后，将自动把相关计算结果进行格式化存储并输出至数 字孪生平台。建设内容包括数据模拟计算、格栅网格动画渲染、洪水深度颜色表达、淹 没过程播放和淹没信息表达。 3、作业过程同步仿真 本次项目规划对 1 个溪源水库水坝和侯官水闸、厚庭水闸、葛岐水闸、榕桥节制闸 资源较大的几类数据分 别是水雨情监测数据、空间数据、视频数据、文件文本等，为了保证有空余空间，存储 需要 3.8T。 根据具体建设内容和数据情况，向市政府数据资源管理机构申请服务器资源，并按 照建设要求部署福州溪源溪小流域（溪源水库）数字孪生建设项目项目。主要包括：云 主机、云数据库、云存储。 此次应用部署需申请的云资源见下表： 名称 用途 产品规格 数量 所在网络 备注 云主机

DESIGN 关部门应加大数据中心的建设力度，实现数据资源的合理集成。 在人工智能时代，数据信息占有举足轻重的地位，海量的数据支 撑着建筑设计工作的顺利开展 [8]。通过数据中心对建筑设计相关 数据进行存储、分析，并根据建筑工程的具体特征，提升其设计 方案的针对性，充分利用数据信息的核心功能，优化 AI人工智能 在建筑设计中的应用效果。最后，建筑企业应制定适用于建筑设 计的 AI人工智能管理体系，确定其适用方向及使用关键点，确保 其 泄漏很可能会对使用者的财产和人身安全构成威胁。因此，在运 用 AI人工智能技术来改善施工质量的同时，必须对施工过程中 的数据存储和使用安全进行保障。首先，建筑企业要加强对施工 设计资料的存储和应用的有效监管，建立专门的监理小组，对施 工设计资料的存储和应用进行全面的监控，尽可能地保障施工设 计资料的使用安全。建筑企业的领导人员还要对监理人员进行培 训，同时要加强内部工作人员的信息保密意识，并制定有效的奖 业核心竞争力的重要手段。AI人工智能在建筑风格、建筑结构和 建筑空间等方面具有巨大的应用价值，因此，政府部门要加强对 AI人工智能的发展扶持，建设企业也要大力培养 AI人工智能的应 用型人才，加强数据存储和应用的安全保障，推动建筑行业的稳 步发展。 参考文献： [1]刘向东．基于人工智能的建筑工程设计与应用［J］．江西建材，2023,(10):322-324. [2]何宛余，杨良崧．生成式人