12、Azure 高可用性与冗余性:可用性区域和可用性集的应用

Azure 高可用性与冗余性:可用性区域和可用性集的应用

在云计算环境中,确保资源的高可用性和冗余性是至关重要的。Azure 提供了多种机制来实现这一目标,其中包括可用性区域(Availability Zones)和可用性集(Availability Sets)。

1. 可用性区域支持情况

超过 20 种 Azure 服务在 10 多个区域支持可用性区域,且支持的服务和区域数量还在不断增加。不过,由于区域限制,像虚拟机(VM)这样的核心资源可能在某些情况下无法使用可用性区域支持。此时,可以考虑使用另一种 VM 冗余方式——可用性集。

2. 创建跨可用性区域的网络资源

为了体验可用性和冗余性,我们可以创建一些常见资源,如公共 IP 地址、负载均衡器和虚拟机。

公共 IP 地址和负载均衡器有基本(basic)和标准(standard)两个层级。标准层级允许网络资源使用可用性区域,默认情况下,标准公共 IP 地址或负载均衡器是自动跨区域冗余的,无需额外配置。Azure 平台会在指定区域集中存储资源的元数据,并确保在某个区域不可用时资源仍能继续运行。

创建跨可用性区域的网络资源步骤如下:
1. 选择 Azure 门户仪表板顶部的 Cloud Shell 图标。
2. 创建资源组,例如:

az group create --name azuremolchapter7az --location westeurope
  1. 在资源组中创建标准公共 IP 地址:
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方的例子。 简单的平方问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值