吉利控股集团始建于1986年，1997年进入汽车行业，一直致力于成为具有全球竞争力和影响力的智能电动出行和能源服务科技公司。集团以汽车产业电动化和智能化转型为核心，集团连续十年进入《财富》世界500强(2021年排名239位)，是全球汽车品牌组合价值排名前十中唯一的中国汽车集团。

基于云原生

案例简介

作为头部车企，吉利控股集团积极拥抱数字化转型，通过科技力量赋能转型，吉利控股集团携手网易数帆建设一套微服务治理平台，提升研发效率的同时，也满足了业务对IT系统的多样化需求，以“电动化、智能化、网联化和共享化”为特征加速汽车产业新一轮技术升级。

业务痛点

随着集团业务拓展及数字化进程的推进，吉利控股集团需要解决以下痛点：

1、为了积极拥抱数字化转型，集团应用架构需要由传统的单体应用、SOA架构向云原生应用架构演进

2、企业内部各应用相对独立、缺少服务治理能力

3、研发部门需要投入更多学习、人力等成本进行开发和运维，耗时耗力

解决方案

吉利控股集团构建了统一的技术中台，为未来应用建设提供了可持续支撑的底座，同时为应用的微服务开发提供全生命周期管理能力：

1、双方合作打造的企业级微服务治理平台，包括平台管控、微服务治理、API网关、APM监控、分布式事务等功能模块，大大降低了集团使用服务化架构的实施成本，实现集团内部微服务的统一调度，搭建了可视化平台。

2、依托微服务技术，集团沉淀实践经验，进一步提升汽车应用的灵活性、技术的延续性，形成贴合汽车行业的业务分布式演进路线，提升分布式体系下的服务治理能力和运维能力。

3、轻舟微服务拥有业内领先的无侵入式微服务治理技术，覆盖 Spring Cloud、Dubbo、Service Mesh 等主流微服务开发技术选型，帮助企业高效率、低成本实现微服务技术改造升级，平滑演进、开放兼容、安全地实现技术架构“云原生化”。

基于大数据

客户收益

吉利控股集团搭建了云原生分布式平台后，吉利控股集团在以下方面得到了企业数字化能力的提升：

1、统一了企业信息化标准，降低了运维难度，并提升了平台的稳定性和可扩展性，提升了用户体验。

2、API网关让应用之间的信息互通更高效，为前端业务提供了敏捷支撑

3、通过业务微服务化拆分，提升业务研发迭代速度，快速响应新需求，响应周期从月缩短为周，实现业务共享能力沉淀。

业务痛点

利用大数据、AI 和云计算，建立数据驱动的工业生产过程可视化与管理，涵盖产品设计、工艺参数性能研究、试制试产等环节，异地协同生产，提高工厂产能利用率。需要解决四个方面的问题：

1、整车制造工艺流程未实现数字化、可视化，自动化程度不够高，既影响保证质量下的整车研发效率，也不能动态协同配置资源，影响产能利用率，不利于建立市场竞争的时间优势。

2、需要完成工业数据的采集、集成、建模和管理，以及研究和制定数据建模分析方法，建立和改进工艺模型，比如焊装模型，尺寸模型等。

3、客户已有模型执行系统与数据源系统，但模型参数涉及数据众多，产生方式多样，数据源不能应对生产数据量不断增长的挑战：首先手工数据用填报形式提交，以数据文件方式存储，存储没有规范，其次系统数据分散在各个业务系统，数据库异构，数据没有联通，不存历史，造成数据没有沉淀积累，不能有效利用，不能有效分析形成经验。

4、尚未建立有效的模型管理系统和为模型管理提供的数据管理平台系统，连数据源系统和接模型执行系统，支持实验模型管理和自动化执行。

解决方案

网易数帆团队基于公司多年业务分析和技术研发经验打造的一站式大数据管理与应用开发平台，覆盖数据传输、计算及作业流调度，敏捷易用，成熟稳定，安全可靠，开放灵活，服务完善，并能够提供完整的解决方案。 针对需求，网易数帆提出了数据管理平台和模型管理系统相结合，利用数据管理平台为模型管理提供支持的方案。在数据入库方面，可根据应用场景选择离线和实时方式，并且平台提供了简易的 SQL 方式编程接口，降低了开发门槛;在数据交互方面，数据平台提供服务化查询接口和实时数据订阅接口，与模型管理系统进行数据交互;在存储方面，模型管理系统存储部分模型元数据，执行实例数据与历史数据全部存储在数据平台上;在数据分析和模型优化方面，数据平台提供 hive，spark，python，R 等数据分析与挖掘 API，可对模型进行分析与评价，进而可对模型进行优选、优化，达到改进设计过程的目的。

客户收益

1、构建稳定、高性能的海量数据管理和应用开发平台，连接数据源与工业系统的各个部分，覆盖整车制造全流程，为充分利用历史数据优化工业研发与生产流程提供完善的平台。

2、基于数据管理平台实现容器模型管理，结合模型执行系统与实时大数据分析，有效优化工艺流程。

3、基于数据管理平台，将复杂、环节众多的工业制造研发和生产流程分段、分级梳理，初步实现焊装及总装的自动化，以及生产过程可视化，有效提高产能利用率和生产管理效率，为后续智能制造的实践与验证打下坚实的基础。

4、基于敏捷大数据开发套套件的设计，简化数据开发流程，降低数据管理和应用开发门槛，提高数据驱动业务的效率。