Openshift 如何更新访问控制机

OPenshift 安装的时候会指定用于访问集群的访问机, 比如PC1的ssh key 为key1, 那key1会配置到集群的ISO中, 那后如果PC1重新装OS 或者想换成其他的电脑是, key1 可以为变成key2.

我们只需要用machineConfig就可以轻松更新。

步骤 如下:

1. 新的访问机上把key 生成一下: ssh-keygen -t rsa -C 'xx@xx.com'                 

保存key: cat /root/.ssh/id_rsa.pub                

2. 用初始帐号登录cluster:         (初始帐号是生成ISO的时候, 存在目录里的)        

oc login -u kubeadmin -p xxxx https://api.sno-cluster3.xxxxx.com:6443 --insecure-skip-tls-verify=true        

3. 获取原来的ssh machineConfig                

oc get machineconfig        

这里查出来应该有两个ssh相关的machineConfig

把ssh相关的存成yaml:        

oc get machineconfig 99-master-ssh -o yaml > 99-master-ssh.yaml

oc get machineconfig 99-worker-ssh -o yaml > 99-worker-ssh.yaml

把/root/.ssh/id_rsa.pub 中的key 修改到这个yaml中。

oc apply -f  99-worker-ssh.yaml

oc apply -f  99-master-ssh.yaml

上边包含了worker , master两个。

4.     oc get mcp      //确认更新完成。                

5. 确认生效:                

oc get machineconfig 99-master-ssh -o yaml          

oc get machineconfig 99-worker-ssh -o yaml          

6. 在新访问机上 ssh core@10.15.19.12 试下, 发现已经可以登录了。        

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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