《云上大型赛事保障白皮书》——第二章 云上大型赛事保障体系——2.4 云上大型赛事保障方法论——2.4.1 赛前全局梳理

简介: 《云上大型赛事保障白皮书》——第二章 云上大型赛事保障体系——2.4 云上大型赛事保障方法论——2.4.1 赛前全局梳理

2.4 云上大型赛事保障方法论


总结往年云上大型赛事保障经验并结合此次北京冬奥会的实际情况,可以从赛前和赛时两方面来阐述云上大型赛事技术保障的方法论。

1684920252825.png


2.4.1 赛前全局梳理


赛前的全局梳理主要从重保需求、业务目标、架构梳理、风险评估四个维度开始,了解保障范围、沟通业务诉求、构建客户画像,从而明确云服务商在整个项目中的角色分工。

1684920300393.png

图:赛前全局梳理


重保需求和业务目标:以北京冬奥为例,首先了解其主要业务诉求:Info1AV项目要求高可用低时延;云展厅项目对峰值流量要求极高;而OBS Cloud关注点则在于时延性能上等等。明确了业务目标,在后续的保障方案制定时才能有的放矢,做到适配。

架构梳理:

通过三张大图“整体业务架构图、云资源产品覆盖图、系统架构图”,云服务商可以从大到小、从整体到局部地对客户业务系统进行深入了解和细节把控。

整体业务架构图:整体模块的业务架构图,体现整体业务逻辑和规模。

image.png

图:整体业务架构图

云资源产品覆盖图:云产品的部署架构图,用于说明各云产品之间的链路关系

image.png

图:产品覆盖图

系统架构图:各子系统链路组件及技术栈。

image.png

图:子系统架构图

风险评估:

架构梳理完成后,即可针对当前已有信息进行首轮风险评估。包括架构风险,例如单点架构风险、共享实例风险等。和容量风险,例如云产品水位风险、资源争抢风险、流控风险等。当然还有云服务的变更风险等。

相关文章
|
机器学习/深度学习 数据可视化 算法
机器学习-可解释性机器学习:随机森林与fastshap的可视化模型解析
机器学习-可解释性机器学习:随机森林与fastshap的可视化模型解析
2168 1
|
数据采集 运维 安全
测试需要写测试用例吗?
测试需要写测试用例吗?
294 0
|
1天前
|
人工智能 自然语言处理 安全
阿里云AI数智鉴密:AI 生成内容如何拿到一张"防篡改的身份证"
隐形水印 + C2PA签名:让AI生成内容“持证上岗”。
1088 0
|
10天前
|
人工智能 自然语言处理 安全
阿里云千问办公、Qoder Teams、Qoder CN区别与选择指南:模型能力、适用场景与最新活动参考
本文聚焦阿里云2026年推出的三款自研AI办公产品,清晰拆解千问办公、Qoder Teams、Qoder CN的差异化定位与能力边界:千问办公主打职场全场景提效,支持自然语言指令一键完成PPT生成、数据分析等高频办公任务;Qoder Teams面向程序员团队,深度整合AI代码生成、团队协同与企业知识库能力;Qoder CN则专为金融、政务等强合规场景打造,实现数据不出境与VPC私有化部署。文章同步给出分场景选型指南与最新活动定价,帮助不同类型的企业按需组合产品,实现业务岗、研发岗与强合规场景的AI能力全覆盖。
3622 3
阿里云千问办公、Qoder Teams、Qoder CN区别与选择指南:模型能力、适用场景与最新活动参考
|
22天前
|
人工智能 缓存 前端开发
DeepSeek Harness 首发实测 + 入门教程,夯爆了!梁神我错了
DeepSeek Harness + DeepSeek V4 Pro 项目实战保姆级教程!手把手带你从零安装开源 AI 编程工具,开发架构图、知识讲解网站、3D 网页游戏、全栈 AI 应用 4 个项目,覆盖运行模式选择、插件安装与开发,看看能不能对标 Claude。
13356 91
DeepSeek Harness 首发实测 + 入门教程,夯爆了!梁神我错了
|
15天前
|
Web App开发 人工智能 API
16 个超火的 DeepSeek Harness 插件,大肥鱼已经落后 N 个版本了。。。
DeepSeek Harness 精选插件推荐合集,从图片识别、浏览器操控、多 Agent 协作到手机远程控制,一口气带你看完 DSH 社区热门的十几个插件,覆盖技能扩展、UI 界面增强、整活玩法三大类,让你的鲸鱼变得更强。
1883 5
|
8天前
|
人工智能 监控 测试技术
Qwen3.8-Flash 来了,100万上下文、Agent、Coding 都加强了
8月26日,通义千问发布Qwen3.8-Flash-Next:125B参数、每Token仅激活6B,原生支持26万Token、可扩展至100万上下文;Coding、Agent与工具调用能力显著增强,面向真实软件工程任务,推动大模型从“回答问题”迈向“完成工作”。