15、强化 OpenStack 认证:深入解析与实践

强化 OpenStack 认证:深入解析与实践

1. 理解 Keystone 基础概念

在深入探讨 OpenStack 身份服务之前,我们先了解一下 Keystone 的基本概念:
- 项目(Project) :在 OpenStack 的早期版本中,项目也被称为租户。它是特定用户或用户组的资源容器,实现了资源的隔离。
- 域(Domain) :身份服务的另一个抽象层,用于在 OpenStack 环境中集合项目、用户和组。新的域结构通过为每个组织隔离项目和组,实现了组织级云环境的定义。
- 角色(Role) :OpenStack 用户可以是一个或多个项目的成员。通过定义新角色并将其分配给项目和用户,可以确定用户或用户组的授权布局。
- 目录(Catalog) :作为 OpenStack 服务的端点注册表,Keystone 向用户和服务暴露目录,以便使用特定的 OpenStack 服务端点。
- 令牌(Token) :用户或服务访问任何 OpenStack 服务时,必须获得经过验证的令牌。令牌包含用户信息、过期日期、关联项目和授权端点等信息。随着 OpenStack 的发展,Keystone 提供了多种类型的令牌。
- 身份提供者(IdP) :用于验证访问 OpenStack 资源的用户合法性。用户组的凭证存储在 Keystone 数据库中,在一些扩展云设置中,IdP 后端可以是外部的,最新的 Keystone 设计支持 SQL、轻量级目录

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 依据某些适应性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 个个体作为父方和母方。 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。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
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