OpenShift 与 OpenStack：让云变得更简单

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 3.6k累计阅读 3.6k平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄10年

关注

VIP免费原创 2022-03-24 16:33:20 3.6k 阅读 AI 写同款· GEO 优化 ›

OpenShift 与 OpenStack 都是在 2010、2011 年左右创建的，用于构建可扩展云平台的开源技术，两者都用于在混合云环境中构建可扩展系统。从历史来看，OpenStack 的存在时间要比 OpenShift 长。这两个项目的演变代表了从虚拟机到应用程序容器的转变。

OpenShift 是 Paas（平台即服务）模式，主要在 AWS、Google Cloud Platform 等现有云服务之上运行，用于开发和操作容器化应用程序。用户可以自己提供、操作和监控应用程序与服务，并专注于优化开发和 DevOps 工作流。而 OpenStack 具有更深层次的抽象概念，OpenStack 是一种 Iaas（基础设施即服务），可用于将现有服务器转换为云服务。该平台用于构建基于分布式硬件的虚拟化云基础设施，配置具有 CPU 内核和 RAM 的虚拟机，以及虚拟网络和分布式存储。

在容器虚拟化技术成为现在虚拟化主导地位的当下，因为 OpenShift 和 OpenStack 这两种技术互不干涉彼此独立，所以通常两者结合使用。比如 OpenShift 可以建立在 OpenStack 之上，由 OpenStack 构筑服务器基础设施，而 OpenShift 则作为第三方 API 服务存在。也可以在单个应用中同时使用。OpenShift 还可以直接部署在 OpenStack 平台上搭建的云服务中。

OpenShift 与 OpenStack 相结合可以完整涵盖从配置虚拟化硬件到开发和操作容器化应用程序，能够有效降低客户的设置成本，提高现有工作流程的效率和生产力，确保应用程序的可扩展性。因此 OpenShift 和 OpenStack 被广泛用于实施混合云的战略，很受大型全球组织的欢迎。

OpenStack 上的 OpenShift

最低0.47元/天解锁文章

收录于

当前文章被以下社区和专栏收录：

标签

#前端框架 #容器

相关推荐

3 分钟了解 NVIDIA 新出的 H200

英伟达在 2023 年全球超算大会上发布了备受瞩目的新一代 AI 芯片——H200 Tensor Core GPU。相较于上一代产品 H100，H200 在性能上实现了近一倍的提升，内存容量翻倍，带宽也显著增加……

github_36774378的博客 2380

深入了解浮点运算——CPU 和 GPU 算力是如何计算的

算力最基本的计量单位是 FLOPS，英文 Floating-point Operations Per Second，即每秒执行的浮点运算次数。浮点运算其实就是带小数的加减乘除运算。

github_36774378的博客 5104

加速计算，为何会成为 AI 时代的计算力“新宠”

加速计算是指使用专用硬件来执行某些类型的计算，其效率要比仅使用通用中央处理器（CPU）高。利用图形处理单元（GPU）、专用集成电路（ASIC）（包括张量处理单元（TPU））和现场可编程逻辑门阵列（FPGA）等设备的强大功能，以更高的速度执行计算，从而加速计算过程，一般我们也将这些设备称之为加速器。这些加速器尤其适用于可被分解为较小并行任务的项目，如高性能计算 (HPC)、深度学习、机器学习、人工智能和大数据分析。通过将指定类型的工作分派到这些专用加速计算硬件上，大大提高了系统的性能和效率。

github_36774378的博客 1072

NVIDIA RTX4090，你能用它做什么？

如果女生选择给男生送礼，我相信一块 RTX4090 就足以让他高兴得死去活来。RTX4090 到底是何方神圣？它凭什么赢得所有男生的“芳心”？

github_36774378的博客 2353

3 分钟看完 NVIDIA GPU 架构及演进

近期随着 AI 市场的爆发式增长，作为 AI 背后技术的核心之一 GPU（图形处理器）的价格也水涨船高。GPU 在人工智能中发挥着巨大的重要，特别是在计算和数据处理方面。目前生产 GPU 主流厂商其实并不多，主要就是 NVIDIA、AMD、Intel、高通等厂家。本文将主要聊聊 NVIDIA GPU 的核心架构及架构演进。

github_36774378的博客 1983

聊聊 GPU 产品选型那些事

随着人工智能的飞速崛起，随之而来的是算力需求的指数级增加，CPU 已经不足以满足深度学习、大模型计算等场景的海量数据处理需求。GPU 作为一种强大的计算工具，无论是高性能计算、图形渲染还是机器学习领域，在各个领域展现出了巨大的潜力和应用前景。说起 GPU，绕不过的当然是 NVIDIA 这个公司了，现在市面上火热的 A100/A800、H100 等 GPU 全是他家的产品。但当你有业务需求或者个人需求，想要采购 GPU 的时候，你会发现各个型号的 GPU 令你眼花缭乱。

github_36774378的博客 985

巅峰对决：英伟达 V100、A100/800、H100/800 GPU 对比

近期，不论是国外的 ChatGPT，还是国内诸多的大模型，让 AIGC 的市场一片爆火。而在 AIGC 的种种智能表现背后，均来自于堪称天文数字的算力支持。以 ChatGPT 为例，据微软高管透露，为 ChatGPT 提供算力支持的 AI 超级计算机，是微软在 2019 年投资 10 亿美元建造一台大型顶尖超级计算机，配备了数万个 NVIDIA A100 GPU，还配备了 60 多个数据中心总共部署了几十万个 NVIDIA GPU 辅助。

github_36774378的博客 1万+

InfiniBand 的前世今生

今年，以 ChatGPT 为代表的 AI 大模型强势崛起，而 ChatGPT 所使用的网络，正是 InfiniBand，这也让 InfiniBand 大火了起来。那么，到底什么是 InfiniBand 呢？下面，我们就来带你深入了解 InfiniBand。

github_36774378的博客 865

揭秘神秘的字符串匹配工具——正则表达式

每个正则表达式都有一个有限自动机（也称为状态机），它接受表达式指定的语言，并使用 Thompson 构造算法将正则表达式转化为一个与之等价的非确定有限状态自动机（NFA）。同时，对于每个有限自动机来说，还有一个描述该自动机所接受语言的正则表达式。该表达式可以通过克莱恩算法或高斯消元法生成。正则表达式的一个著名应用是文本编辑器中的搜索和替换功能，计算机先驱 Ken Thompson（ UNIX 操作系统的开发者之一）首先在 20 世纪 60 年代的面向行编辑器 QED 中实现了该功能。

github_36774378的博客 382

深入了解 GPU 互联技术——NVLINK

随着人工智能和图形处理需求的不断增长，多 GPU 并行计算已成为一种趋势。对于多 GPU 系统而言，一个关键的挑战是如何实现 GPU 之间的高速数据传输和协同工作。然而，传统的 PCIe 总线由于带宽限制和延迟问题，已无法满足 GPU 之间通信的需求。为了解决这个问题，NVIDIA 于 2018 年推出了 NVLINK，以提高 GPU 之间的通信效率。

github_36774378的博客 3874

各快 100 倍？4G、5G、6G 相差这么多吗

二狗子今天晚上有点 emo，为什么呢？原来是二狗子心心念很久的一个手游上线了，二狗子兴冲冲地下载了 40 多分钟，终于下载完了游戏。结果打开游戏一看，发现游戏内部的更新写着预计 30 分钟完成更新。这就把二狗子搞得 emo 了。二狗子突然发现自己的室友已经在这款游戏的新手村大杀四方了。“你怎么这么快？”二狗子问。“我用手机流量下载的，5G，当然快。”室友都没看二狗子一眼，沉浸在自己的游戏世界里。5G 真的有这么快吗？好学的二狗子就让游戏保持着后台更新，在网上冲浪学习下知识充实自己。

github_36774378的博客 468

为什么大家都在用 WebP？

WebP 是谷歌在 2010 年提出的一种新型的图片格式，放到现在来讲，已经不算是“新”技术了，毕竟已经有了更新的 JPEG XL 和 AVIF。但是在日常工作中，大家时常会碰到保存下来的图片的后缀是 .webp。那么 WebP 到底有什么魔力，让越来越多的网站“抛弃”常用的 PNG、JPG 而青睐它呢？

github_36774378的博客 958

从驾考科目二到自动驾驶，聊聊 GPU 为什么对自动驾驶很重要

这些数据包含前车和本车的距离，左右两边的道路指示标志，周围汽车的距离，前方道路指示标志，红绿灯信号，马路边行人，非机动车等信息等，大量的图像和视频信息被转换成电脑能处理的二进制信息，这就需要 CPU 和 GPU 的共同加持才能完成安全稳定的自动驾驶工作。

github_36774378的博客 361

聊透 GPU 通信技术——GPU Direct、NVLink、RDMA

AI 技术对算力的需求是非常庞大的，虽然 GPU 的计算能力在持续提升，但是对于 AI 来说，单卡的计算能力就算再强，也是有极限的，这就需要多 GPU 组合。而 GPU 多卡的组合，主要分为单个服务器多张 GPU 卡和多个服务器，每个服务器多张卡这两种情况，无论是单机多卡还是多机多卡，GPU 之间需要有超强的通信支持。

github_36774378的博客 2570

这个 AI 机器人会怼人，它是怎么做到的？

人工智能可以定义为计算机科学的一个分支，其目标是创造与人类智力相当的技术。但智力到底是什么？如何利用技术来复制智力？这个疑问并不存在单一的理解，目前已经有了许多理论和方法来回答这些问题。人工智能的实现方式主要有两种：一种是基于规则的人工智能，通过预先编写的规则和逻辑来实现特定的任务；另一种是基于机器学习的人工智能，通过让计算机从数据中学习和优化算法，来实现特定的任务。

github_36774378的博客 717

如何评估计算机的算力：从 CPU 到 GPU 的演变

这就是 CPU 和 GPU 在计算能力上的区别，这是由它们的架构决定的，CPU 可以执行任何程序，而 GPU转为多任务而生，并发能力强。当然，上面的两张图并不是说 GPU 比 CPU 厉害，事实上，CPU 和 GPU 各自具有不同的特点和优势，选择哪种设备取决于具体的应用场景和需求。其中，CPU（中央处理器）和 GPU（图形处理器）是计算机中最为核心的两个组件，它们的算力和性能对于计算机的整体性能具有决定性的影响。CPU 是计算机的核心组件之一，它的主要功能是执行指令、控制计算机的运行和处理数据等任务。

github_36774378的博客 2390

浅谈 Linux 下 vim 的使用

底线模式的进入方法为：在命令模式下按":“键，Vim 窗口的左下方会出现一个”:"符号，这时就可以输入相关的指令进行操作了。在此模式下可以使用上、下、左、右键或者k、j、h、l键进行光标的移动，还可以对文件内容进行复制、粘贴、替换、删除等操作。当编辑完成，就可以按 Esc 退出插入模式，进入到命令模式。p : 黏贴，此命令是在命令模式下，按照上面的命令复制后，然后光标移动到想要复制的位置，然后按 p 黏贴。直接到某行：在底线模式下直接输入数字就可以到想到的行，如果输入的数字比文档的行数多就会到最后一行。

github_36774378的博客 1311

如何高效实现 MySQL 与 elasticsearch 的数据同步

MySQL 自身简单、高效、可靠，是又拍云内部使用最广泛的数据库。但是当数据量达到一定程度的时候，对整个 MySQL 的操作会变得非常迟缓。而公司内部 robin/logs 表的数据量已经达到 800w，后续又有全文检索的需求。这个需求直接在 MySQL 上实施是难以做到的。

github_36774378的博客 724

国密证书 VS 传统 SSL 证书，到底区别在哪？

国密算法，即国家商用密码算法。是我国自主研发创新的一套数据加密处理系列算法。从 SM1-SM4 分别实现了对称、非对称、摘要等算法功能。尤其适用于嵌入式物联网等相关领域，完成身份认证和数据加解密等功能。

github_36774378的博客 1310

又拍云邵海杨 - 25年Linux老兵，聊聊运维的“术”与“道”

邵海杨，从1998年开始使用Linux至今快25年了，资深Linux系统运维/架构师，DevOps八荣八耻倡导者，喜欢交流分享，活跃于社区，一直积极投身于开源活动的组织和传播。

github_36774378的博客 745

从 AI 绘画到 ChatGPT，聊聊生成式 AI

无论是 AI 绘画，还是现在风靡全球的 ChatGPT，它们都属于 AI 的一个分支——生成式AI（Generative AI）。相较于传统的 AI 模型，生成式 AI 是一种特定类型的 AI，它专注于创建新内容。