flexibility of openstack(4)

本文深入剖析了OpenStack Nova的Cells架构,详细介绍了从nova-api接收请求到子cell处理的过程,包括message传递机制及子cell与父cell之间的交互。

把这一条trace完,让它更清晰吧,接着上一节,build_instances时,message的direction为down,选中child_cells中的一个:

next_hop.send_message(self)

执行CellState的send_message方法,即self.driver.send_message_to_cell(self, message),

前面提到的driver出来了,现在cells的方式还不是很复杂,这里的driver是rpc_driver.CellsRPCDriver(),即nova.cells.rpc_driver.py


其实看到这里,我们忽略了前面的一个动作,当nova-cells服务启动时:

self.manager.pre_start_hook()#CellsManager没有实现此方法,不管

self.manager.post_start_hook()#CellsManager实现了此方法

在post_start_hook中:

        self.driver.start_servers(self.msg_runner)
        ctxt = context.get_admin_context()
        if self.state_manager.get_child_cells():
            self.msg_runner.ask_children_for_capabilities(ctxt)
            self.msg_runner.ask_children_for_capacities(ctxt)
        else:
            self._update_our_parents(ctxt)

这里的driver,目前没有别的选择,正是rpc_driver.CellsRPCDriver(),在start_servers中:

 proxy_manager = InterCellRPCDispatcher(msg_runner) #记住这里,收到message时的处理类(manager)

for msg_type in msg_runner.get_message_types():
            target = messaging.Target(topic='%s.%s' % (topic_base, msg_type),server=CONF.host)

topic_base:cells.intercell,msg_type为前面提过的targeted,broadcast,response三种,三个consumer都起来了


再回到self.driver.send_message_to_cell调用InterCellRPCAPI的该方法,这里和所有的rpc call没什么差别:

        topic = '%s.%s' % (topic_base, message.message_type)
        cctxt = self._get_client(cell_state, topic)
        if message.fanout:
            cctxt = cctxt.prepare(fanout=message.fanout)
        return cctxt.cast(message.ctxt, 'process_message',
                          message=message.to_json())

根据message 是否是fanout,已经配置时指定的transport,在cell内发rpc call,收到时的处理方法是“process_message”,前面提到过cell内部收到

message的处理类是InterCellRPCDispatcher,调用其process_message:

message = self.msg_runner.message_from_json(message) #在MessageRunner中根据message 的type生成Message(targeted,broadcast, response)
message.process() #调用message的处理方法


到这里从nova-api(parent cell)进来的rest call(请求)到如何响应的流程就出来了,其他的细节包括子cell向父cell汇报状况,message响应过程等,

如果你需要真正的开发cells,再细看即可。

mark link

http://www.ibm.com/developerworks/cn/cloud/library/1409_zhaojian_openstacknovacell/index.html


内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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
 
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