学习记录 -openstack

本文介绍了OpenStack作为开源云计算管理平台的功能,包括其简化云部署和扩展性的特点。核心组件如Nova(虚拟服务器)、Swift(分布式存储)被详细阐述。控制节点负责虚拟机管理和资源分配,而计算、网络和存储节点分别执行特定任务。OpenStack还包含多个服务,如Keystone(身份服务)、Neutron(网络服务)和Horizon(UI界面)。此外,文章列举了一系列OpenStack的管理命令,用于操作实例、网络、镜像等。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Openstack

开源云计算管理平台项目,建设与管理公共及私有云,提供IaaS服务(基础设施即服务)
简化云的部署过程并有良好的可扩展性
Openstack包括两个主要模块:Nova和 Swift
NOVA:虚拟服务器部署和业务计算模块
Swift:分布式云存储模块
可合用也可单独使用

控制节点
负责对其余节点的控制,包含虚拟机建立,迁移,网络分配,存储分配等等
管理支持服务包含MySQL与Qpid(服务间提供统一信息通信服务)
基础管理服务: Keystone,Glance,Nova,Neutron,Horizon
扩展管理服务: Cinder,Swift,Trove,Heat,Centimeter
计算节点
负责虚拟机运行
Nova,Neutron,Telemeter
网络节点
负责对外网络与内网络之间的通信
Neutron
存储节点
负责对虚拟机的额外存储管理等等
Cinder,Swift

组件:

Nova: (计算) 控制器,负责开关等控制及配置
Swift:(对象存储) 通过内置冗余及高容错机制实现,存储及检索。
可为Glance提供镜像存储,为cinder提供卷备份。
Glance:(镜像服务) 镜像查找及检索系统,创建上传、删除、编辑镜像功能。
Keystone:(身份服务) 为其他服务提供身份验证、规则、令牌,管理Domains、Projects、Users、Groups、Roles
Neutron:(网络&地址管理)网络虚拟化技术,为其他服务提供网络连接服务,提供接口。
Cinder:(块存储)为运行实例提供稳定的数据块存储,利于块设备的创建及管理,如删除卷、挂载、卸载卷
Horizon:(UI界面) 各服务的web管理面,简化用户操作。 启动实例,分配IP,访问控制
Ceilometer:(测量) 收集内部发生的事件,为计费、监控及其他服务提供数据支撑
Heat:(部署编排) 提供模板定义的协同部署方式,实现云基础设施软件运行环境的自动化部署(计算、存储、网络资源)
Trove:(数据库服务) 提供可拓展、可靠的关系和非关系数据库引擎服务

Keystone采用两种授权方式,一种基于用户名/密码,另一种基于令牌(Token)
提供三种服务:令牌、目录、策略服务

Nova flavor-list (虚拟机配置种类查询) neutron net-show(查看一个网络详细信息)
Openstack server list(查询实例) host list(查询有效主机) availability zone list(有效区域)
Hepervisor list(优先计算节点) network list(网络ID)
Openstack server create(创建实例) --image(从镜像) --volume(从云硬盘)
Delete(删除实例) reboot(重启实例) host show 主机(查看主机资源)
Openstack domain list(域列表查询) endpoint list(节点列表) port list(端口信息)
Openstack image show 名(查询具体镜像) group list(安全组)
Openstack image create “自定义镜像名”–file 镜像文件名称 --disk-format qcow2 --container-format bare --public (上传镜像) raw\qcow2\vmdk
openstack server create --image镜像名–flavor规格名–security-groups安全组–nic net-id=ID虚
nova diagnostics serverID (获取实例CPU\内存、磁盘信息)

基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算与所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
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