CentOS 7 安装KVM,并创建虚拟机

本文介绍如何在CentOS 7系统上安装并配置KVM虚拟化环境,包括安装必要的软件包、配置网络桥接及创建虚拟机的过程。

如果是新系统可以升级一下软件(花费时间比较久,不是必须的)

#yum upgrade

进入正文

安装虚拟化软件

[root@kvm-centos7 ~]# yum -y install qemu-kvm libvirt virt-install bridge-utils

# 确保模块已加载

[root@kvm-centos7 ~]# lsmod | grep kvm 
kvm_intel             170181  0 
kvm                   554609  1 kvm_intel
irqbypass              13503  1 kvm

[root@kvm-centos7~]# systemctl start libvirtd 
[root@kvm-centos7~]# systemctl enable libvirtd 

配置桥接

#vi /etc/sysconfig/network-scripts/ifcfg-br0

DEVICE=br0
TYPE=Bridge
BOOTPROTO=static
ONBOOT=yes
IPADDR=10.0.1.167
GATEWAY=10.0.1.1
NETMASK=255.255.255.0
DNS1=8.8.8.8

将原先的网络桥接到br0上

#vi /etc/sysconfig/network-scripts/ifcfg-enp2s0 

DEVICE=enp2s0
TYPE=Ethernet
BOOTPROTO=none
ONBOOT=yes
BRIDGE=br0

重启网络

#systemctl restart network

创建虚拟机


# 创建镜像保存位置
virt-install \
--name=myos \
--ram 512 \
--vcpus 2 \
--disk path=/opt/hubin/myos2.qcow2,size=40,format=qcow2 \
--cdrom /opt/hubin/1KEY_GHOST.iso \
--graphic vnc,listen=0.0.0.0,port=5910 \
--os-type=linux \
--virt-type=kvm \
--hvm \
--accelerate \
--network bridge=br0 \
--autostart

参数说明: 

--name  指定虚拟机的名称
--ram 指定Virtual Machine 
--disk的内存量path = xxx,size = xxx 
'path ='⇒指定虚拟机
size ='⇒指定虚拟机的磁盘数量
--vcpus 指定虚拟CPU 
--os-type 指定GuestOS 的类型
--os-variant 指定GuestOS的类型 - 可能确认列表中使用以下命令osinfo-query os 
--network 指定虚拟机的网络类型
--graphics 指定图形的类型。如果设置为“无”,则意味着非图形。 
--console 指定控制台类型
--location 指定安装的位置,其中from 
--extra-args 指定在内核中设置的参数

 

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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