智慧金融大数据解决方案.ppt

1、智慧金融智慧金融大数据驱动金融智慧大数据驱动金融智慧Cisco Systems Shen Qi 泛金融行业目前最火的技术热点泛金融行业目前最火的技术热点ABCD宏观洞察对行业、社会变化趋势进行组合分析和预测digital footprint驱动流程改造驱动流程改造:比如 自动审批、自动营销，提高服务效率提高决策成功率：提高决策成功率：比如 精细风险识别和计量、反欺诈等数据驱动的产品和服务数据驱动的产品和服务设计、迭代设计、迭代:创新创新比如 精细产品定价、客户价值挖掘等数据驱动提升数据驱动提升:客户体验客户体验比如 客户满意度分析、投诉预测，客户画像，精准营销121234大数据在银行价值和应用

2、展望大数据在银行价值和应用展望微观洞察微观洞察对人的行为进行更准确的分析和预测 金融领域大数据金融领域大数据-应用市场应用市场金融领域大数据金融领域大数据-技术市场技术市场大数据银行业中的应用大数据银行业中的应用大数据金融业中的应用热点大数据金融业中的应用热点部分应用场景分析部分应用场景分析金融科技细分领域金融科技细分领域案例案例:大数据在陆金所的应用大数据在陆金所的应用金融领域大数据应用趋势金融领域大数据应用趋势 2010 Cisco and/or its affiliates.All rights reserved.Cisco Confidential12多结构化数据Variety:文字/

3、图片/视频/文档Petabytes海量信息Volume:传统存储/计算无法处理速度VELOCITY:快速及时有效的分析+ORGANIZE+ANALYZE价值价值VALUE:单条信息并无太大价值，但庞大的数据量蕴含巨大财富单条信息并无太大价值，但庞大的数据量蕴含巨大财富Acquire/AccessProcessDecide大数据的四大特征4个”V”2010 Cisco and/or its affiliates.All rights reserved.Cisco Confidential13 Hadoop是一个分布式存储和分析数据的容错框架。它由两个主要组件构成：Hadoop文件系统（HDFS）

4、数据存储于多个硬件中，其中一个出故障的概率是非常高的。避免数据丢失的常见做法是复制，通过系统保存数据的冗余副本，在故障发生时，可以使用数据的另一份副本。这就是冗余磁盘阵列的工作方式。Hadoop的文件系统HDFS(Hadoop Distributed Filesystem)就是这样工作的。MapReduce应用引擎大部分分析任务需要通过某种方式把数据合并起来，即从一个磁盘读取的数据可能需要和其它多个磁盘中读取的数据合并起来才能使用。MapReduce提供了一个编程模型，其抽象出上述磁盘读写的数据，将其转换为计算一个由成对键值组成的数据集。什么是什么是Hadoop？解决的？解决的问题问题 201

5、0 Cisco and/or its affiliates.All rights reserved.Cisco Confidential14Hadoop has many building blocksAt the base is a way to Store and Process unstructured dataHadoop Distributed File System(HDFS)At the base is a Self-healing clustered storage system.Map-ReduceDistributed Data Processing PIGHiveSqoo

6、pTop level abstractionsTop level InterfacesETL ToolsBI ReportingRDBMSHBASEDatabase with Real-time accessApps API14Flume 2010 Cisco and/or its affiliates.All rights reserved.Cisco Confidential15Name Node作为调度者 Job Tracker管理所有data node，数据存储在内存中（meta data)第二个Name Node Snapshot of meta data of HDFS clust

7、erTypically all three JVM can run on single nodeData Node 接收任务者-（Task Tracker）执行Map&Reducer 任务为各节点/CPU/CORE的各个工作任务配置Map&Reducer任务比例 数据本地化数据本地化如果由如果由MAP分配的数据分配的数据不可用，这个丢失的数据将通过网络进不可用，这个丢失的数据将通过网络进行复制。行复制。ToR FEX/switchData node 1Data node 2Data node 3Data node 4Data node 5ToR FEX/switchData node 6Dat

8、a node 7Data node 8Data node 9Data node 10ToR FEX/switchData node 11Data node 12Data node 13Data node 14Data node 15Name Node15Switch 2010 Cisco and/or its affiliates.All rights reserved.Cisco Confidential16MapMapMapMapMap数据收取和复制外部连接东西向流量(复制数据块)Map阶段阶段 原始数据分析并转换为原始数据分析并转换为name/value对工作任务被分解为多个批量MAP任

9、务Reducer在全部MAP集完成后启动reduce阶段主要是IO/compute功能16Hadoop Distributed File SystemUnstructured DataMapMapMapMapMapMapMapMapMapMapKey 1 Key 1 Key 1 Key 1Key 1 Key 1 Key 1 Key 2Key 1 Key 1 Key 1 Key 3Key 1 Key 1 Key 1 Key 4ReduceShuffle PhaseReduceReduceResult/OutputReduceMapMapMapMapMap 2010 Cisco and/or it

10、s affiliates.All rights reserved.Cisco Confidential17 Hadoop 1.0 Hadoop 2.0 Spark Hadoop的演进Spark相比Hadoop 2.0的优势：性能(基于内存的分布式计算)基于RDD的多样操作类型和编写工具 支持交互查询Spark框架为批处理（Spark Core），交互式（Spark SQL），流式（Spark Streaming），机器学习（MLlib），图计算（GraphX）提供一个统一的数据处理平台，这相对于使用Hadoop有很大优势 2010 Cisco and/or its affiliates.All

11、 rights reserved.Cisco Confidential18 Hadoop是一个分布式存储和分析数据的容错框架 典型配置：2个万兆交换机+3节点以上 节点需要大量本地存储，通常用C220，C240，S3260 一般不用虚拟化 八节点下一般不设单独Name NodeHadoop的设计 支持SQL交互式查询 支持基于图形数据库的分析 流计算 Storm VS Stream 机器学习/深度学习大数据未来发展趋势完整的数据挖掘流程支持多种展示方式高效的分布式机器学习算法PMML导出和应用模板数据预览数据预处理特征工程模型训练结果展示特征提取丰富的预处理和SQL算子跨平台和统计算子模型上线

12、 2016 Cisco and/or its affiliates.All rights reserved.Cisco PublicCisco Big Data and Analytics Partner EcosystemData ManagementData IntegrationAnalytics HadoopScale-out DatabasesNoSQLData VirtualizationData Preparation HANAVora UCS Infrastructure 星 环 科 技星环科技-产品技术全球领先越往右，产品越具有远见性星环科技，中国（已上市，硅谷）（已上市，硅

13、谷）（D轮，硅谷）（C轮，硅谷）（C轮，硅谷）2016年Gartner数据仓库与数据管理解决方案魔力象限报告星 环 科 技全球六大Hadoop发行版厂商之一摘自 Gartner 2015年“Market Guide for Hadoop Distributions”星 环 科 技http:/www.tpc.org/tpcx-hs/results/tpcxhs_perf_results.aspTPCx-HS测试结果全球第一 2016 Cisco and/or its affiliates.All rights reserved.Cisco Public众多金融行业客户华通银行（筹）希望银行（筹）

14、2016 Cisco and/or its affiliates.All rights reserved.Cisco Public众多客户和合作伙伴星 环 科 技Transwarp Data Hub 5.0 产品家族 Transwarp ProprietaryApache ProjectsTranswarp Manager安装、监控、运维、管理Guardian安全管控Discover数据挖掘机器学习Inceptor分析型数据库企业级数据仓库HyperbaseNoSQL分布式数据库Slipstream实时流处理引擎Transwarp Operating System(Embedded Editi

15、on)计算、内存、存储、网络资源管理层Sophon深度学习交互式探索Search大规模搜索引擎调度管理 YARN优化存储 HDFSKafkaZookeeperTranswarps Distribution for Apache HadoopSqoopFlumeTranswarp StudioTransporterETL/实时同步WaterdropSQL开发工具 Midas ML分析工具 Zeppelin NotebookMachine Learning Toolkit RubikCube设计工具 Governor 元数据管理工具 Workflow 工作流引擎 Waterdrop SQL开发工具

16、星 环 科 技革命性的多租户资源管理技术microservice数据仓库microservice数据集市repositorymicroservice实时流处理microservice搜索引擎microservice机器学习microservice数据挖掘租户A租户B租户C核心优势 全容器化 微服务化 资源隔离 弹性扩展 支持多引擎 无性能损失APIsrvnetworketcdscheduler storagenamedcontroller星 环 科 技全面的安全访问控制和资源管理UsersGroupsSystemResourcesHR and ITAreaSecurityadmin.AreaR

17、RRWWWRWSuper-AdminUser-AdminGroup-AdminXXXXAdministrative RolesRole BRole CRole AAdministrative Role-Based Cell Level Access Control星 环 科 技Transwarp GuardianBuild-in LDAP HA supportedAccounting 用户管理Authentication 用户认证Audit 审计分布式文件系统HDFS RBAC支持Dir/File access controlDir/File ACL 用户安全授权管理Grant/Revoke

18、via SQL行/列级安全控制Row/Column LevelInceptor流处理作业授权管理StreamApp/Job Grant/Revoke via SQL主题级安全控制Kafka Topic Level SecurityStream用户安全授权管理Authentication with Inceptor and HDFSDiscover数据交互安全控制Data Transfer&Communication用户安全授权管理Grant/Revoke via SQL(with Inceptor)单元格安全控制Cell LevelHyperbaseData Authorization 数据权

19、限管理Existing AD/LDAP with Kerberos使用既有用户管理与认证系统Build-in KerberosHA supported公司部门一部门N子部门子部门子部门子部门子部门子部门Policy&AlertResource UsageAuditGrant/Revoke AuditAccess ControlAuditResource Authorization 资源管理控制文件系统Usage Quota Control数据库/仓库Static QuotaTemp Quota存储资源计算资源计算资源管理调度YARNQueue Use/Admin ControlInceptor

20、 Pool ControlSLA Control用户组管理员用户超级管理员角色用户组星 环 科 技混合负载支持新的SLA Scheduler按用户或负载提供SLA更细粒度的调度算法动态适配队列拓扑小型化、高性能8个节点上完成30TB和100TB TPC-DS测试批处理的性能线性可扩展Inceptor 5.0-传统数据仓库产品的颠覆者 SQL开发接口全文检索批处理流计算兼容多种SQL标准和方言：SQL 2003Oracle PL/SQLDB2 SQL/PLTeradata完整的SQL支持分布式事务Serializable Snapshot Isolation数据强一致高吞吐的事务机制高可用的事务

21、保证ConsistencyAvailabilityPartitionTolerance小时星 环 科 技Transwarp Studio-高效建造企业数据仓库Cube设计管理工具Rubik元数据管理软件GovernorZeppelin数据集成Data Integration数据加工Data Transformation数据治理Data Governance建立数据集市Data Modeling 可视化Visualization工作流设计和调度工具WorkflowSQL开发IDE Waterdrop数据整合工具Transporter星 环 科 技打造高性能数据集市Holodesk v2 列式存储

22、+局部索引+全局索引WindRunner 高速高并发的OLAP SQL引擎0.30.91.80.91.21.40.82.84.61.40.53.276.523.124.815.817.810.843.218.40.020.040.060.080.0100.0日统计表市/县局营业收入表支局营业报表日营业统计表月营业统计表业务基本分析淡旺季趋势分析渠道分析大客户分析流量流向分析真实数据集市业务场景100并发测试（延时：秒）Inceptor 5.0TeradataHardwareInceptor 5.0TeradataCluster size207CPU cores16040Memory2TB448

23、GBSSD1.2TB0Disks400TB100TBNetwork2 x 10Gbps10GbpsCost500万元5000万元TDH替代Teradata构建数据集市的真实案例100倍的性价比！WindRunner 分布式SQL计算引擎Vector modeFilter/Computing pushed downCache ManagementOff-Heap ManagementLocal File SystemDistribute File Systemcp1cp2cp3cp4cp5cp6IndexCubeEncodingCodeGeneratorHolodesk Internal星 环

24、科 技事件驱动+复杂计算模型融合的实时计算技术Event pipelinesstream s1stream s2window w1(30s,1s)window w2(10s,1s)result t1交易风险预警实时反欺诈交易特征分析客户行为分析ATM交易POS刷卡地理位置交易市场移动终端Hyperbase应用场景实时精准营销量化交易平台市场行情分析CREATE STREAM source(id int,message string,status int)TBLPROPERTIES(topic=rules,source=kafka,);CREATE TABLE result(message st

25、ring,status int);INSERT INTO result PROCESS“your_rules,message,status FROM source;CEP:SELECT e1.*,e2.*FROM w2 PATTERN(e1=op=“sell”,e2=id=e1.id and op=“sell”and pos!=e1.pos)WITHIN(1 minute);星 环 科 技Search-大规模统计和搜索的融合引擎StorageNodeStorageNodeStorageNodeFull text indexerFull text indexerFull text indexer

26、SQL engineSQL engineSQL engineSQL engineSQL engineSQL engineSQL引擎和搜索引擎融合计算紧贴数据和索引，亚秒级在线分析冷热数据分级存储，毫秒级实时关键字检索企业级数据访问控制，稳定可靠堆外内存管理，可扩展至PB级别3.410.1500.511.522.533.54组合条件搜索全文索引模糊匹配100TB数据/10服务器节点 搜索分析性能（秒）星 环 科 技高度可扩展的图计算引擎 Graphene024681012wikivoteBerkStansoc-LiveJournalFriendsterGrapheneGraphXGiraphR(

27、Single node)算法含义使用场景PageRank用于计算网络中节点的重要性分析社交网络中成员的影响力FastUnfolding社区发现，将图划分为多个社区根据特定属性划分网络社区Shortest Path单源最短路径，找到一个点到其他点的最短路径挖掘网络中实体之间的关系链路All Pair Shortest Path多源最短路径，找到任意两个点的最短路径挖掘网络中实体之间的关系链路Connected Componets无向图联通分支，分支中任意两个节点有关系边挖掘网络中紧密联系的团体Minimum Spanning Tree最小生成树算法寻找连接所有节点代价最小的边集合 公路、铁路等线

28、路规划Graph Coloring图着色为图中任意两个相邻点上不同色冲突资源分配Cluster Coefficient统计图中节点的聚类系数，用于衡量图的密度社交网络中比较社区的紧密程度Eccentricity计算图的离心率，计算图中节点到其他节点的最大最短路径如上Diameter描述图的直径预估信息传递的成本，六度空间理论Radius描述图的半径如上Degree Centrality统计节点的出度、入度或出入度社交网络中衡量节点的重要程度Betweenness Centrality衡量图中节点在网络中的重要性如上Closeness Centrality衡量图中节点在网络中的核心性如上星 环

29、科 技机器学习的全流程工具化/半自动化R和Midas中可以连接TDH中数据表做数据预览可以对列做tag/feature的管理通过内置的分布式统计算法完成相关的预处理与数据分析支持标准化，归一化，正则化，缺失值填充，数据分箱等支持通过Inceptor SQL进行数据ETL处理用户通过GUI选择算法开发训练模型模型编译成为DAG，由Hubble组件来调度任务支持单机R算法和分布式算法训练模型导出模型为PMMLPMML模型可以转换成生产系统的代码，部署到实际业务中特征工程维度选取难结合业务领域专家知识，以及相关算法降维，选择特征指标与维度利用深度学习神经网络算法，通过升维降低度模型应用模型训练特征工

30、程预处理数据集成星 环 科 技Discover 高级数据挖掘开发工具NotebookInceptor星 环 科 技 GrapheneTranswarp Hubble Bridge 深度学习算法库智能建模特征工程行业模板TensorFlowSophon-机器学习和深度学习框架Midas Interactive Development EnvironmentTranswarp Sophon 2022-7-2539www.transwarp.ioTDH on Cisco UCS practice39*Other names and brands may be claimed as the prope

31、rty of others.*其测试指标采用TPC-DS评判标准，其提升幅度相对于原有的系统产品和性能信息1在性能检测过程中涉及的软件及工作负载可能只对CISCO UCS C240 M4的性能进行了优化。性能测试使用特定的计算机系统、组件、软件、操作系统和功能进行测量。对这些因素的任何更改可能导致不同的结果。如欲了解更多信息，请访问 www.transwarp.io。2星环信息科技不对TPC-DS性能指标评测或网站的设计或实施工作承担任何管理或审核责任。3.此产品中依赖于处理器和平台的优化仅适用于cisco UCS C240 M4平台。4 TPC*基准测试名称TPC-DS*是TPC标准性能评估

32、机构的注册商标。2022-7-2540www.transwarp.ioBetter performance,Better choice星环星环TDH 4.6v大数据平台在大数据平台在cisco C240 M4平台性能再创佳绩，性平台性能再创佳绩，性能有能有2.6倍提升倍提升*星环星环TDH 4.6v首次首次4个节点的思科服务器上实现个节点的思科服务器上实现11小时内完成小时内完成10TB数据的性能测试数据的性能测试星环星环TDH在在cisco UCS 总容量总容量80TB数据空间下完成了数据空间下完成了60TB数据搜数据搜索索星环星环TDH平台全面支持平台全面支持cisco Nexus ser

33、vice profile和无状态计算功和无状态计算功能能40*Other names and brands may be claimed as the property of others.*其测试指标采用TPC-DS评判标准，其提升幅度相对于原有的系统产品和性能信息1在性能检测过程中涉及的软件及工作负载可能只对CISCO UCS C240 M4的性能进行了优化。性能测试使用特定的计算机系统、组件、软件、操作系统和功能进行测量。对这些因素的任何更改可能导致不同的结果。如欲了解更多信息，请访问 www.transwarp.io。2星环信息科技不对TPC-DS性能指标评测或网站的设计或实施工作承担

34、任何管理或审核责任。3.此产品中依赖于处理器和平台的优化仅适用于cisco UCS C240 M4平台。4 TPC*基准测试名称TPC-DS*是TPC标准性能评估机构的注册商标。2022-7-2541www.transwarp.ioCisco speedup Transwarp*Hadoop platformSource as of July 27 2016:Transwarp internal measurements on configurations shown on next slide.Transwarp internal measurements on configurations

35、 shown on next slide.TPC-DS run time in seconds:baseline=1,best=2.6x.The TPC BenchmarkDS(TPC-DS)is a decision support benchmark that models several generally applicableaspects of a decision support system,including queries and data maintenance.The benchmark provides arepresentative evaluation of the

36、 System Under Tests(SUT)performance as a general purpose decision supportsystem.Software and workloads used in performance tests may have been optimized for performance only on Intel microprocessors.Any change to any of those factors may cause the results to vary.For more information go to http:/www

37、.transwarp.io 2.6xTranswarp TDH 4.5 Bigdata PlatformTranswarp Data Hub 4.6 Bigdata PlatformCisco UCS C240 M4+UCS 6296UP Fabric Interconnect系统BaselineX86 PlatformThe BestCISCO UCS C240 M4TPC-DS Improvement rate2.6Times higherOverallTPC-DS overall time“我们很高兴的宣布，我们完成了对CISCO UCS C240 M4服务器的测试，其令人惊艳的性能令人

38、印象深刻，相对于我们原有的系统，它有2.6倍多的性能提升.而且第一次帮助我们在4个节点服务器上实现了10TB的数据计算。其结果非常惊艳。CISCO的统一计算系统提供端到端管理方式，其UCS Manager中的service profile漂移功能可以为我们的用户提供服务或应用配置一致的功能.可以为星环的客户带来新的体验。我相信思科的整体解决方案和星环大数据解决方案一定能给我们的用户带来更大的价值”陈晓勇星环技术总监Higher is betterPlatform Compatible*Other names and brands may be claimed as the property o

39、f others.2022-7-2542www.transwarp.ioSystem scaling42借力cisco的UCS服务器和高速网络，测试实现了数据翻10倍，但计算不会增加10倍的效果。此次测试用的服务器继承了12块SAS 7.2KRPM 2T磁盘和一块1.6T SSD的配置（2块硬盘做了RAID1安装OS，没有作为数据存储）。SSD高速闪存盘极大地减少了hadoop中shuttle时间，提升了性能。此外每个节点上的数据也利用星环优化的分布算法，不但对节点间的数据做了分散存储，而且单节点各磁盘间也做了分散存储。最大程度上减少了磁盘突读写瓶颈的发生几率。思科VIC1227网卡多队列助力

40、：思科VIC1227作为一块CNA的网卡，在底层是通过虚拟化实现一卡多用、带宽动态隔离的效果，同时还支持多队列属性。思科UCS在保证硬件兼容性和宽容度的同时，又保证了池化资源配置的灵活性的卓越表现INTEL CONFIDENTIAL NDA REQUIRED18.910123456789101TB10TBData/Performance scaling on CISCO UCS数据增加10倍，计算时间只增加了8.9xTDH平台实现了数据翻10翻，计算时间只增加了8.9倍的优异成绩 2010 Cisco and/or its affiliates.All rights reserved.Cisc

41、o Confidential43集群规模集群规模Number of Data Nodes数据模型和数据模型和 Mapper/Reduces比率比率MapReduce functions输入数据大小输入数据大小Total starting dataset数据在数据在HDFS中的位置中的位置Ability to processes data where it already is located后台活动情况后台活动情况Number of Jobs runningtype of jobsImportingexporting 数据节点的特性I/O,CPU,Memory,etc.网络特性 Availab

42、ility Buffering Oversubscription Data Node Speed(1G vs.10G)Latency 2010 Cisco and/or its affiliates.All rights reserved.Cisco Confidential44高性能高性能Optimized for fast query execution and unmatched data loading弹性扩展弹性扩展在统一管理平台下可以支持高达上万个节点高可用性高可用性无论管理平面还是数据平面都采用全冗余的架构设计统一网络：统一网络：Unified NetworkingUnified

43、 Networking数据、管理、KVM、Image快速部署通过独特的Service Profile技术实现快速部署统一管理：统一管理：Unified ManagementUnified Management计算、网络和I/O的统一管理系统安装和微码分发广泛的合作伙伴广泛的合作伙伴Oracle、EMC、MAPR、ParAccel、Cloudera、Transwarp 2016 Cisco and/or its affiliates.All rights reserved.Cisco Public考量大数据平台的关键因素TPC-DSTPC-DS，TPCx-HSTPCx-HSCores,IO an

44、d NW BW bandwidth,IOPS性能性能UCS C240,3260UCS C240,3260Raw capacity,RAID,replication,retention容量容量高速低时延网络高速低时延网络Network bandwidth and scaling扩展扩展UCSD express for UCSD express for HadoopHadoopCapex OpexTCOTCO无状态计算无状态计算Automation,management and monitoring管理管理 2016 Cisco and/or its affiliates.All rights r

45、eserved.Cisco PublicUCS CVD验证配置4th Generation of Reference Architectures and BundlesUCS-SL-CPA4-SUCS-SL-CPA4-HUCS-SL-CPA4-P1UCS-SL-CPA4-P2UCS-SL-CPA4-P3UCS-SL-CPA4-C1UCS-SL-CPA4-C2UCS-SL-CPA4-HC-1Network:2x 6248Servers:8 X UCS-BD-C220M4-S1Server Type:C220 M4 SFFCPU:2x 2620v4Memory:128GB DDR4Drives:8

46、 x 1.2TB 10K SAS HDDVIC:VIC 1227RAID:12Gps SAS,2GBUCSD:noCores:128Memory:1024Raw Storage:76.8I/O Bandwidth:7.5 Gbytes/secNetwork:2x 6332Servers:8 X UCS-BD-C220M4-H1Server Type:C220 M4 SFFCPU:2x 2680v4Memory:256GB DDR4Drives:8 x 960GB SSDVIC:VIC 1387RAID:12Gps SAS,2GBUCSD:noCores:224Memory:2048Raw St

47、orage:60I/O Bandwidth:20 Gbytes/secNetwork:2x 6296Servers:16 X UCS-BD-C240M4-P1Server Type:C240 M4 SFFCPU:2x 2680v4Memory:256GB DDR4OS:2 x 240GB SSDDrives:24 x 1.2TB 10K SAS HDDVIC:VIC 1227RAID:12Gps SAS,2GBUCSD:yesCores:448Memory:4096Raw Storage:460.8I/O Bandwidth:45 Gbytes/secNetwork:2x 6296Server

48、s:16 X UCS-BD-C240M4-P2Server Type:C240 M4 SFFCPU:2x 2680v4Memory:256GB DDR4OS:2 x 240GB SSDDrives:24 x 1.8TB 10K SAS HDDVIC:VIC 1227RAID:12Gps SAS,2GBUCSD:yesCores:448Memory:4096Raw Storage:691.2I/O Bandwidth:48.75 Gbytes/secNetwork:2x 6332Servers:16 X UCS-BD-C240M4-P3Server Type:C240 M4 SFFCPU:2x

49、2680v4Memory:256GB DDR4OS:2 x 240GB SSDDrives:24 x 1.8TB 10K SAS HDDVIC:VIC 1387RAID:12Gps SAS,2GBUCSD:yesCores:448Memory:4096Raw Storage:691.2I/O Bandwidth:48.75 Gbytes/secNetwork:2x 6296Servers:16 X UCS-BD-C240M4-C1Server Type:C240 M4 LFFCPU:2x 2620v4Memory:128GB DDR4OS:2 x 240GB SSDDrives:12 x 6T

50、B 7.2K SAS HDDVIC:VIC 1227RAID:12Gps SAS,2GBUCSD:yesCores:256Memory:2048Raw Storage:1152I/O Bandwidth:26.25 Gbytes/secNetwork:2x 6296Servers:16 X UCS-BD-C240M4-C2Server Type:C240 M4 LFFCPU:2x 2620v4Memory:256GB DDR4OS:2 x 240GB SSDDrives:12 x 8TB 7.2K SAS HDDVIC:VIC 1227RAID:12Gps SAS,2GBUCSD:yesCor