科创中国

行业领域

新一代信息技术产业,互联网与云计算、大数据服务

需求背景

随着社会的发展，计算机技术日臻成熟，生产管理的方式也从传统的人工管理模式发展成智能管理模式，而仓储管理系统就是为实现企业产品管理的智能化，提高企业管理效率而设计的。它取代了传统的人工仓库作业模式，取缔了人工数据采集的方式，避免了由于管理人员的工作疏忽以及管理质量问题所造成的各种错误，为及时、准确、高效地完成仓库管理提供强有力的工具和管理手段，同时降低了企业在管理过程中的成本。而将数据存储在云服务器中，既加强了数据存储的安全性，又提高了存储效率，解决了存储空间浪费的问题，进一步降低了管理过程中企业投入的成本。

需解决的主要技术难题

 1)海量分布式存储技术

    为保证保证存储数据的可靠性、高可用性和经济性，云计算的存储数据采取分布式冗余存储存储方式，以高可靠软件来弥补硬件的不足，从而对外提供廉价可靠的系统。为了满足大量用户的需求，数据存储技术必须具有高吞吐率和高传输率的特点。

    云计算的数据存储系统主要有Google的GFS(Google File System)和Hadoop开发团队开发的开源系统——HDFS(Hadoop Distr4buted File System)。大部分IT厂商，包括Yahoo、Intel的云计划采用的都是HDFS的数据存储技术。

    2)并行编程模式

    为了高效利用云计算的资源，使用户能够更轻松地享受云计算带来的服务，云计算的编程模式必须保证后台复杂的并行执行和任务调度对用户和编程人员来说是透明的。云计算采用Map-Reduce编程模式，将任务自动分成多个子任务，通过Map和Reduce两步实现任务在大规模计算节点中的调度与分配。

    3)数据管理技术

    云计算对大数据集进行分析、处理，向用户提供高效服务，因此，数据管理技术必须能够高效地管理大数据集。另外，如何在规模巨大的数据中找到特定的数据，也是云计算数据管理技术所必须解决的问题。云计算系统的数据管理往往采用列存储的数据管理模式，保证海量数据存储和分析性能。

    4)分布式资源管理技术

    在多节点并发执行环境，分布式资源管理技术是保证系统状态正确的关键技术。系统状态需要在多节点之间同步，关键节点出现故障时需要能够自动迁移服务。分布式资源管理技术通过“锁”机制来协凋多任务对资源的使用，从而保证数据操作的一致性。

    5)云计算平台管理技术

    云计算资源规模庞大，一个系统的服务器数量可能会高达10万台，且很有可能跨越几个坐落于不同物理地点的数据中心，同时还在其上运行着成千上万种应用。如何有效地管理这些服务器，保证这些服务器组成的系统能够提供每天24小时不间断服务是一个巨大的挑战。云计算系统管理技术是云计算的“神经网络”，它能使大量的服务器协同工作，方便地进行业务部署和开通，快速地发现和恢复系统故障，使云计算系统通过自动化、智能化的手段实现大规模的可运营、可管理。

期望实现的主要技术目标

1)大规模、支持灵活扩展

    我们要构建的图片云存储系统能够支持TB规模的存储容量，且非常容易进行扩展，整个扩展过程又不能影响服务的持续运行。这样图片云存储系统良好的伸缩性可以让使用的用户灵活的投资存储基础架构，减少投资风险。

    2)高可靠性

    在用户实际应用环境中，各种不同类型的软硬件故障发生的概率非常大，如硬件损坏、网络中断、系统崩溃等异常都会引起存储服务中断，甚至造成数据丢失。图片云系统是一个构建在云之上的海量图片存储管理系统，因此它可利用云计算环境一些特有的容错性来保障服务的高可靠性。

需求解析

解析单位：广东省广州市 解析时间：2023-08-14

柯锐鹏

广州市科学技术协会

部长，博士

综合评价

此描述已足够清晰以便于专家进行需求跟进，通过海量分布式存储技术、并行编程模式、数据管理技术、分布式资源管理技术、云计算平台管理技术来对货物存储进行管理，减少人工管理成本，提高管理正确性。

查看更多>

处理进度