为 Neutron 准备物理基础设施【I】(11)

本文介绍了一个包含1控制节点和1计算节点的OpenStack Neutron实验环境部署方案。详细讨论了节点角色分配、服务部署及网卡配置等内容。

前面讨论了 Neutron 的架构和基础知识,接下来就要通过实验深入学习和实践了。 
第一步就是准备实验用的物理环境,需要考虑如下几个问题:

  1. 需要几个节点?
  2. 如何分配节点的角色?
  3. 节点上分别部署哪些服务?
  4. 节点上配置几个网卡?
  5. 物理网络如何连接?

1 控制节点 + 1 计算节点 的部署方案

我们的目的是通过实验学习 Neutron 的各种特性。 
为了达到这个目的,实验环境应尽量贴近典型的部署方案;但同时,由于是个人学习使用,受物理条件的限制需要尽量利用有限的资源,所以我们采用下面的部署方案:

Q:需要几个节点? 
A:2 节点 = 1 控制节点 + 1 计算节点

Q:如何分配节点的角色? 
A:控制节点合并了网络节点的功能,同时也是一个计算节点。

Q:节点上分别部署哪些服务? 
A:如上图所示。

配置多个网卡区分不同类型的网络数据

逻辑上 OpenStack 至少包含下面几类网络流量:

Management 
API 
VM 
External

Management 网络 
用于节点之间 message queue 内部通信以及访问 database 服务,所有的节点都需要连接到 management 网络。

API 网络 
OpenStack 各组件通过该网络向用户暴露 API 服务。 
Keystone, Nova, Neutron, Glance, Cinder, Horizon 的 endpoints 均配置在 API 网络上。

通常,管理员也通过 API 网络 SSH 管理各个节点。

VM 网络 
VM 网络也叫 tenant 网络,用于 instance 之间通信。 
VM 网络可以选择的类型包括 local, flat, vlan, vxlan 和 gre。 
VM 网络由 Neutron 配置和管理。

External 网络 
External 网络指的是 VM 网络之外的网络,该网络不由 Neutron 管理。 
Neutron 可以将 router 连接到 External 网络,为 instance 提供访问外部网络的能力。 
External 网络可能是企业的 intranet,也可能是 internet。

这几类网络只是逻辑上的划分,物理实现上可以有非常大的自由度。

我们可以为每种网络分配单独的网卡; 
也可以多种网络共享一个网卡; 
为提高带宽和硬件冗余,可以使用 bonding 技术将多个物理网卡绑定成一个逻辑的网卡。

我们的实验环境采用下面的网卡分配方式:

  1. 控制节点三个网卡(eth0, eth1, eth2),计算节点两网卡(eth0, eth1)。
  2. 合并 Management 和 API 网络,使用 eth0,IP 段为 192.168.104.0/24。
  3. VM 网络使用 eht1。
  4. 控制节点的 eth2 与 External 网络连接,IP 段为 10.10.10.0/24。

网络拓扑

实验环境的网络拓扑如下图所示:

分割线上方的网络: 
1. 由网络管理员(就是我和你啦)配置。 
2. 主要涉及 Management, API 和 external 网络。 
3. 配置的内容包括节点上的物理网卡,物理交换机和外部路由器,防火墙以及物理连线等

分割线下方的网络: 
1. 主要是 VM 网络,由 Neutron 管理。 
2. 我们只需要通过 Web GUI 或者 CLI 发命令,Neutron 会负责实现。

下一节我们将安装和配置控制节点和计算节点。

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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