Add airport and flight wikis to Obsidian vault

This commit is contained in:
zhiqiang feng
2026-04-09 11:34:51 +08:00
parent e732f11d47
commit a79b05407b
45 changed files with 6699 additions and 0 deletions
@@ -0,0 +1,59 @@
---
title: 机场数据中心概述
created: 2026-04-08
updated: 2026-04-08
type: concept
tags: [glossary, planning]
sources: []
---
# 机场数据中心概述
## 定义
机场数据中心(Airport Data Center)是支撑民用航空运输业务运营的核心 IT 基础设施,为航班信息系统(AIDS/FIDS)、行李分拣系统、离港系统(DCS)、空管通信、乘客服务等关键系统提供计算、存储和网络服务。
## 核心特征
- **高可用性要求**:通常需满足 Tier III 或 Tier IV 等级
- **业务连续性**:7×24 小时不间断运行,航班延误成本极高
- **多系统集成**:数十个子系统需要互联互通
- **安全等级高**:涉及航空安全,合规要求严格
- **地理位置分散**:航站楼、塔台、行李中心通常各自有小机房
## 关键子系统
- 航班信息显示系统(FIDS
- 离港控制系统(DCS
- 行李处理系统(BHS
- 安检信息系统
- 地面通信网络
- 楼宇自控系统(BAS
- 视频监控系统(CCTV
- 应急指挥中心
## 数据中心等级参考
| 等级 | 可用性 | 年停机时间 | 适用场景 |
|------|--------|-----------|---------|
| Tier I | 99.67% | >31.5h | 基础,非关键系统 |
| Tier II | 99.75% | 22h | 冗余组件,非关键业务 |
| Tier III | 99.98% | 1.6h | 主机房,推荐等级 |
| Tier IV | 99.99% | 0.8h | 最高等级,关键业务 |
> 参考:[[tier-iii-design]] | [[tier-iv-design]]
## 建设阶段
1. [[site-planning]] — 选址与可行性分析
2. [[design-phase]] — 方案设计
3. [[rfp-and-vendor-selection]] — 招标与供应商选择
4. [[construction-management]] — 施工管理
5. [[commissioning]] — 调试验收
6. [[operation-maintenance]] — 运维阶段
## 相关概念
- [[glossary]] — 术语表
- [[network-architecture]] — 网络架构
- [[power-and-cooling]] — 供配电与制冷
+47
View File
@@ -0,0 +1,47 @@
---
title: 术语表
created: 2026-04-08
updated: 2026-04-08
type: concept
tags: [glossary]
sources: []
---
# 术语表
## 常用缩略语
| 缩写 | 全称 | 中文 |
|------|------|------|
| DC | Data Center | 数据中心 |
| DCiE | Data Center infrastructure Efficiency | 数据中心基础设施效率 |
| PUE | Power Usage Effectiveness | 电能使用效率 |
| DCE | Data Center Engineer | 数据中心工程师 |
| BHS | Baggage Handling System | 行李处理系统 |
| DCS | Departure Control System | 离港控制系统 |
| FIDS | Flight Information Display System | 航班信息显示系统 |
| AIDS | Airport Information Display System | 机场信息显示系统 |
| CCTV | Closed-Circuit Television | 闭路电视监控系统 |
| BAS | Building Automation System | 楼宇自控系统 |
| UPS | Uninterruptible Power Supply | 不间断电源 |
| PDU | Power Distribution Unit | 配电单元 |
| ATS | Automatic Transfer Switch | 自动转换开关 |
| N+1 | N+1 Redundancy | N+1 冗余 |
| 2N | 2N Redundancy | 2N 冗余 |
| SLA | Service Level Agreement | 服务水平协议 |
| MTTF | Mean Time To Failure | 平均故障前时间 |
| MTTR | Mean Time To Repair | 平均修复时间 |
| RTO | Recovery Time Objective | 恢复时间目标 |
| RPO | Recovery Point Objective | 恢复点目标 |
| DCI | Data Center Interconnect | 数据中心互联 |
| WAN | Wide Area Network | 广域网 |
| LAN | Local Area Network | 局域网 |
| spine-leaf | Spine-Leaf Architecture | 脊叶架构 |
## 关键指标
- **PUE** = 总设施能耗 / IT 设备能耗(理想值 ≈ 1.2-1.5)
- **DCiE** = IT 设备能耗 / 总设施能耗(理想值 ≈ 60-80%)
- **可用性** = MTBF / (MTBF + MTTR)
> 相关:[[power-and-cooling]] | [[airport-data-center-overview]]
+139
View File
@@ -0,0 +1,139 @@
---
title: GPU 集群
created: 2026-04-08
updated: 2026-04-08
type: concept
tags: [server, cooling]
sources: [raw/articles/2025-airport-construction-summit.md, raw/articles/keydak-airport-expo-2025.md, raw/articles/头豹研究院-中国AIDC产业发展白皮书2025-2025-07.md, raw/articles/上海市-智算中心建设导则2025版-2025-01.md]
---
# GPU 集群
## 定义
GPU 集群是由多台搭载 GPU(图形处理器)的服务器通过高速网络互联组成的计算单元,专门用于并行处理 AI 训练、推理、科学计算等高密度算力负载。
在机场智算中心场景下,GPU 集群是核心算力载体,支撑大模型训练、视频分析、智能决策等应用。
---
## 核心组成
### 算力芯片选型
|| 芯片 | 生产厂商 | FP16 算力 | 显存带宽 | NVLink带宽 | 功耗 | 机场适用场景 |
||------|---------|----------|----------|------------|------|-------------|
|| A100 SXM | NVIDIA | 312 TFLOPS | 2TB/s | 600GB/s | 400W | 训练/推理(当前主流) |
|| H100 SXM | NVIDIA | 1P | 3.35TB/s | 900GB/s | 700W | 大模型训练 |
|| H200 SXM | NVIDIA | 1P | 4.8TB/s | 900GB/s | 700W | 大规模训练/推理(HBM3e升级) |
|| B100 | NVIDIA | 1.75P | 8TB/s | 1.8TB/s | 1,000W | 超大规模智算中心 |
|| B200 | NVIDIA | 2.25P | 8TB/s | 1.8TB/s | 1,200W | 超大规模智算中心 |
|| **GB200 NVL72** | NVIDIA | **5P** | **16TB/s** | **3.6TB/s** | **2,700W** | 万卡集群(整机柜方案) |
|| 昇腾 910B | 华为 | 320 TFLOPS | — | — | 400W | 国产替代/推理 |
> 数据来源:头豹研究院《中国AIDC产业发展白皮书2025》
### 服务器形态(基于NVIDIA HGX架构)
|| 形态 | GPU算力 | GPU功耗 | 总功耗 | 适用场景 |
||------|---------|---------|--------|---------|
|| HGX A100 | 2.4P | 3.2kW | 6.5kW | 训练/推理(存量主流) |
|| HGX H100 | 8P | 5.6kW | 10.2kW | 训练集群主体 |
|| HGX B100 | 14P | 5.6kW | 10.2kW | 超大规模部署 |
|| **HGX B200** | **18P** | **8kW** | **14.3kW** | 万卡集群核心节点 |
> GB200 NVL72 为整机柜方案(72 GPU + 36 Grace CPU),单柜总功耗可达**2700W GPU芯片**,整柜更高。机场智算中心液冷需按**单柜15-30kW**设计。
> 数据来源:头豹研究院《中国AIDC产业发展白皮书2025》
### 网络架构
GPU 集群内网络是性能瓶颈,业界通常采用以下三层:
|| 网络层 | 带宽需求 | 协议/技术 |
||--------|---------|---------|
|| **计算网络**GPU 间通信)| 800Gbps-1.6Tbps | InfiniBand HDR/NDR, RoCEv2 |
|| **存储网络** | 100-400Gbps | NVMe-oF, RoCEv2 |
|| **管理网络** | 1-10Gbps | 以太网 |
> 上海《智算中心建设导则2025》要求大规模训练场景下采用**智能无损网络**,计算网宜达**200Gbps**。
> 关键参数:GPU_PCIe_带宽需与网络带宽匹配(H100 SXM5 支持 900GB/s 双向 NVLink
---
## 机场智算集群规划参数
基于行业实践,机场智算中心典型规模参考:
| 机场规模 | 推荐 GPU 集群规模 | 机柜数 | 典型功率密度 |
|---------|-----------------|--------|-------------|
| 年旅客量 < 1000万 | 32-64 卡 | 8-16 柜 | 50-80kW/柜 |
| 年旅客量 1000-5000万 | 64-256 卡 | 16-32 柜 | 60-100kW/柜 |
| 年旅客量 > 5000万 | 256-1024+ 卡 | 32-128+ 柜 | 80-120kW/柜 |
---
## 液冷配合(GPU 集群必选散热方案)
GPU 集群单机柜功率 50-120kW,传统风冷无法满足散热需求。
### 液冷方案对比
| 方案 | 散热能力 | 建设成本 | 运维复杂度 | 适用规模 |
|------|---------|---------|-----------|---------|
| **冷板式液冷** | ~120kW/柜 | 中 | 中 | 主流方案 |
| **浸没式液冷** | >200kW/柜 | 高 | 低(长期) | 超大规模 |
| **风液融合**(冷板+高效风冷)| 60-150kW/柜 | 中低 | 低 | 快速部署 |
> 华为自有冷板液冷技术已实现单柜 120kW 散热能力,详见 [[prefab-modular-dc]]
---
## 调度与运维
| 层面 | 技术选型 |
|------|---------|
| 集群管理 | Kubernetes + GPU Operator, Slurm |
| 分布式训练框架 | PyTorch DDP, Megatron-LM, DeepSpeed |
| 推理服务 | vLLM, TensorRT-LLM, Triton |
| 监控 | DCIM + Prometheus + Grafana |
| 算力调度 | 阿里云 ACK, 华为 CCI, 自研调度器 |
---
## 与现有页面的关联
- **[[modern-airport-trends]]** — 智算集群是四型机场趋势的技术驱动力
- **[[prefab-modular-dc]]** — 预制模块化 DC 是 GPU 集群的物理载体
- **[[power-and-cooling]]** — GPU 集群高功率密度决定液冷必选
- **[[network-architecture]]** — 计算网络(InfiniBand/RoCE)是集群性能关键
- **[[airport-data-center-overview]]** — GPU 集群是智算中心的核心子系统
---
## 机场集群投入参考
基于行业数据(千卡H100集群,头豹研究院2025白皮书):
| 组成 | 费用 |
|------|------|
| 算力设备 | 约3亿元 |
| 网络设备 | 约2,500万元 |
| 存储/安全 | 约1,000万元 |
| 平台软件/液冷改造 | 约1,000万元 |
| **总计** | **约3.5亿元** |
**年运营支出**: 约5,000万元(电力占主导)
1. **国产替代路径** — 昇腾 910B 与 NVIDIA H100 的软件生态差距(CUDA 迁移成本)
2. **GPU 虚机化** — vGPU/算力切分技术尚不成熟,多租户场景受限
3. **能效指标** — 智算中心如何定义适合机场场景的 PUE 基准(传统 DC PUE<1.3 目标不适用)
4. **运维人才** — 机场 IT 团队普遍缺乏 GPU 集群运维能力
---
## 延伸阅读
- 机场智算中心技术方案:根目录 `机场智算中心技术方案.md`
- Keydak 风液融合方案:`raw/articles/keydak-airport-expo-2025.md`
@@ -0,0 +1,66 @@
---
title: 现代化机场数据中心趋势
created: 2026-04-08
updated: 2026-04-08
type: concept
tags: [planning, design, network, cooling]
sources: [raw/articles/2025-airport-construction-summit.md, raw/articles/keydak-airport-expo-2025.md, raw/articles/dubai-airport-huawei-dc.md, raw/articles/深圳机场-数智化全国第二-AI全栈部署-2026-01-15.md, raw/articles/IBM-Building-intelligent-airport-future-2025.md, raw/articles/郑州航空港-中部最大万卡算力集群-2026-03-05.md]
---
# 现代化机场数据中心趋势
## 2025-2026 行业方向
### 四型机场理念
中国民航"十四五"期间全面推行"四型机场"标准:
| 类型 | 含义 |
|------|------|
| 平安机场 | 安全生产、安全可控 |
| 绿色机场 | 低碳节能、双碳目标 |
| 智慧机场 | 数字化、智能化 |
| 人文机场 | 乘客体验优先 |
### 核心趋势
**1. 智算中心兴起**
- AI/AGI 驱动算力需求爆发
- 传统单机柜 5-15kW → 算力中心单机柜 50-120kW
- 传统风冷无法满足高功率散热,液冷成为必选
**2. 风液融合冷却**
- 支持 40kW 风冷 + 150kW 液冷混合部署
- 风液同源、动态平衡
- 适配单机柜功率密度持续上升趋势
- PUE 可降至 1.2 以下
**3. 预制模块化数据中心**
- 工厂预制、集装箱式交付
- 工期缩短 50%,建设成本大幅降低
- 适合机场空间有限、快速扩容的场景
**4. 建设运营一体化(BIM+数字孪生)**
- BIM 管理平台覆盖设计、施工、运维全周期
- 数字化施工监管系统
- 工程质量验评可回溯
- 无人值守运维逐步推广
**5. 网络架构升级**
- SDN 软件定义网络
- 多路由冗余接入
- 边缘计算节点下沉至航站楼
**6. AI 智能体矩阵落地**2025-2026实践)
- 深圳机场率先完成 DeepSeek R1-671B 满血版部署(华为昇腾集群),42家千万级机场综合评价**第二名**
- IBM提出机场作为"Ecosystem Orchestrator"三层演进路径(规则执行→AI agent开发→复杂目标导向代理)
- AI安全助手(融合1,500份安全文档)、机位智能分配(4小时→1分钟)、AGV无人驾驶牵引车等10余个专属智能体已规模落地
**7. 航空物流智能化**
- 深圳机场深畅国际货站:AGV机器人+智能卡口,全国首个24小时智慧远程监管货站
- 进出口货物库内停留时间缩短82%、33%;无人接驳7×24小时不间断
**8. 万卡级智算集群选址逻辑**
- 郑州航空港:2小时高铁圈覆盖4亿人口,2小时航空圈覆盖全国90%人口/市场
- 福州长乐机场综保区:综保区政策红利,闽港数字协作,填补东南沿海高端智算缺口
> 相关:[[airport-data-center-overview]] | [[glossary]] | [[network-architecture]] | [[power-and-cooling]] | [[gpu-cluster]]
@@ -0,0 +1,36 @@
---
title: 网络架构
created: 2026-04-08
updated: 2026-04-08
type: concept
tags: [network, architecture]
sources: []
---
# 网络架构
## 机场数据中心网络特点
- 多业务分区:航站网、行李网、安防网、办公网相互隔离
- 高带宽需求:视频监控、行李分拣数据传输量大
- 低延迟要求:空管通信、航班信息显示对延迟敏感
- 多冗余路径:网络链路故障不能影响业务
## 常用架构
### Spine-Leaf 架构
- 适用于叶脊交换结构,东西向流量优化
- 推荐用于大型机场核心网络
### 三层网络架构
- 核心层 / 汇聚层 / 接入层
- 传统架构,适合中小型机房
## 网络安全
- 防火墙分区隔离
- 入侵检测/防御系统(IDS/IPS)
- 网络准入控制(NAC
- DDoS 防护
> 相关:[[tier-iii-design]] | [[glossary]]
@@ -0,0 +1,83 @@
---
title: 供配电与制冷
created: 2026-04-08
updated: 2026-04-09
type: concept
tags: [power, cooling, design]
sources: [raw/articles/上海市-智算中心建设导则2025版-2025-01.md, raw/articles/头豹研究院-中国AIDC产业发展白皮书2025-2025-07.md]
---
# 供配电与制冷
## 供配电系统
### 典型架构
```
市电 → ATS → UPS → PDU → 服务器
↑ ↑
柴油发电机 蓄电池
```
### 关键指标
- **IT 负载功率密度**:通常 4-10 kW/机柜(传统DC);智算中心单柜 **12-30kW**
- **PUE 目标值**1.3-1.5(传统机场DC);智算中心需达 **≤1.22**(上海导则先进值≤1.18)
- **市电引入**:双路 10kV 或 35kV
- **UPS 容量**N+1 或 2N 冗余
- **上海导则选址供电要求**:市电平均每月停电次数 ≤ 1次;平均每次故障时间 ≤ 0.5小时;宜引入一类市电
### 柴油发电机
- 常用功率:1000-3000 kVA
- 启动时间:< 10 秒(自动启动)
- 储油量:满足 8-24 小时连续运行
## 制冷系统
### 冷却方式
| 方式 | PUE范围 | 适用场景 |
|------|---------|---------|
| **液冷(相变浸没式)** | **1.00** | >30kW/机柜,超大规模智算 |
| **液冷(冷板式)** | **~1.10** | 高密度智算中心(主流方案) |
| 自然冷(间接蒸发冷) | 1.10-1.20 | 北方气候区 |
| 冷冻水系统 | 1.30+ | 传统数据中心 |
| 风冷 | 1.40+ | 面临淘汰 |
> 数据来源:头豹研究院《中国AIDC产业发展白皮书2025》——液冷已成PUE<1.10核心路径,传统风冷进入结构性瓶颈
### 上海智算中心2025 PUE要求(全国最严)
| 指标 | 新建准入值 | 运营先进值 | 长三角集群 |
|------|------------|------------|------------|
| **基准PUE** | ≤ 1.25 | — | — |
| **综合PUE** | ≤ 1.22 | ≤ 1.18 | ≤ 1.20 |
| **WUE** | ≤ 2.2 L/kWh | ≤ 2.0 L/kWh | — |
| **CUE** | ≤ 1.2 gCO2/kWh | ≤ 1.0 gCO2/kWh | — |
> 来源:上海市《智算中心建设导则(2025年版)》
### 液冷技术类型
| 类型 | PUE | 单柜散热能力 | 建设成本 | 适用 |
|------|-----|------------|---------|------|
| **冷板式液冷** | ~1.10 | ~120kW/柜 | 中 | 主流,新建智算中心首选 |
| **浸没式液冷(相变)** | **1.00** | >200kW/柜 | 高 | 超大规模(GB200 NVL72等) |
| **风液混合** | 1.10-1.15 | 60-150kW/柜 | 中低 | 快速部署/改造场景 |
国产液冷供应商参考:
- **英维克**:冷板式液冷,单机柜功率密度24kW,散热效率提升40%
- **中科曙光**:浸没式液冷,PUE低至1.04,年减碳量超万吨
### 机场数据中心推荐
- 航站楼主数据中心:液冷(冷板式)成为新建首选,液冷渗透率已达64%(工业智算场景)
- 边缘小机房:风冷精密空调(过渡方案,逐步被边缘液冷替代)
- **强制要求**:新建智算中心**宜采用液冷技术**(上海导则)
## PUE 优化建议
- 冷热通道封闭
- 自然冷却(冬季)
- 精确制冷(行级空调)
- 高效 UPS(模块化效率 ≥ 96%)
> 相关:[[tier-iii-design]] | [[tier-iv-design]] | [[glossary]]
@@ -0,0 +1,49 @@
---
title: 预制模块化数据中心
created: 2026-04-08
updated: 2026-04-08
type: concept
tags: [design, construction, cooling]
sources: [raw/articles/dubai-airport-huawei-dc.md]
---
# 预制模块化数据中心
## 定义
预制模块化数据中心(Prefabricated Modular Data Center)是将数据中心各子系统在工厂预制为独立模块(集装箱或箱体),现场快速组装交付的建设模式。相比传统现场建设,建设周期缩短 40-60%。
## 核心优势
- **快速部署**:工厂预制 + 现场组装,建设周期显著缩短
- **弹性扩容**:增加模块即可扩展,按需建设
- **质量可控**:工厂环境生产,质量一致性高
- **成本优化**:减少现场施工成本和占地
- **适应性强**:适用于空间有限、工期紧张或临时扩容场景
## 典型方案(华为 FusionModule1000B
| 参数 | 数值 |
|------|------|
| 模块类型 | 集装箱(23个模块组成) |
| 总功率 | 1MW |
| 业务柜数 | 100柜 |
| 单柜密度 | 10kW/rack |
| PUE | <1.6 |
| 认证 | Tier III 设计+建造双认证 |
## 适用场景
- 机场快速扩容
- 临时数据中心
- 边缘计算节点
- 海外/远程站点
## 在机场的适用性
迪拜机场案例(华为 DXB 项目)证明,预制模块化可解决:
- 机场空间有限、无现成楼宇
- 需快速交付(10个月 vs 传统2年)
- 单柜功率密度高(10kW)带来散热挑战
> 相关:[[tier-iii-design]] | [[power-and-cooling]] | [[modern-airport-trends]]
+29
View File
@@ -0,0 +1,29 @@
---
title: Tier III 数据中心设计
created: 2026-04-08
updated: 2026-04-08
type: concept
tags: [tier-iii, design]
sources: []
---
# Tier III 数据中心设计
## 标准参考
- **ANSI/TIA-942-B**: 数据中心电信基础设施标准
- **Uptime Institute Tier Standard**: 分为 Tier I/II/III/IV 四个等级
## Tier III 核心要求
- **可用性**: 99.98%(年停机 ≤ 1.6 小时)
- **冗余等级**: N+1(可并行维护)
- **电力路径**: 2N UPS 或 N+1 UPS 配置
- **冷却系统**: N+1 冗余冷冻水系统或风冷系统
- **网络接入**: 多运营商、多路由接入
## 机场适用性
机场主数据中心推荐采用 Tier III 级别,兼顾建设成本与业务连续性需求。
> 相关:[[tier-iv-design]] | [[power-and-cooling]] | [[network-architecture]]
+30
View File
@@ -0,0 +1,30 @@
---
title: Tier IV 数据中心设计
created: 2026-04-08
updated: 2026-04-08
type: concept
tags: [tier-iv, design]
sources: []
---
# Tier IV 数据中心设计
## 标准参考
- **ANSI/TIA-942-B**: 数据中心电信基础设施标准
- **Uptime Institute Tier Standard**: Tier IV 为最高等级
## Tier IV 核心要求
- **可用性**: 99.99%(年停机 ≤ 0.8 小时)
- **冗余等级**: 2N(完全冗余,任何单点故障不影响运行)
- **容错能力**: 任意单一故障不影响 IT 负载
- **电力路径**: 2N UPS,双市电引入
- **冷却系统**: 2N 冗余,确保任何故障下制冷不中断
- **物理安全**: 生物识别门禁、全区域 CCTV
## 机场适用性
适用于机场应急指挥中心、空管核心系统等不允许停机的关键设施。建设成本约为 Tier III 的 1.5-2 倍。
> 相关:[[tier-iii-design]] | [[power-and-cooling]] | [[security-design]]