博客
关于我
OpenStack精华问答 | NOVA计算服务
阅读量:370 次
发布时间:2019-03-04

本文共 1004 字,大约阅读时间需要 3 分钟。

640?wx_fmt=png

自诞生以来,OpenStack 似乎一直被质疑,其背后最重要的两大推手 NASA 和 Rackspace 都弃它而去,惠普、思科接连宣布关闭基于 OpenStack 的公有云服务,但是,OpenStack 依旧坚挺。

640?wx_fmt=gif

1

Q:NOVA计算服务

A:1 实例生命周期管理

2 提供基于REST API

3 Hypervisor屏蔽,支持KVM,Xen,Hyper-v,Docker e.g.

4 支持大规模水平伸缩640?wx_fmt=png

640?wx_fmt=gif

2

Q:NEUTRON网络服务

A:1 虚拟网络管理

2 面向租户的网络管理(SDN)

3 高度可配置的plug-in架构

4 基于REST的API640?wx_fmt=png

640?wx_fmt=gif

3

Q:Openstack服务介绍

A:MySQL:为各个服务提供数据存储 

           RabbitMq:为各个服务之间通信提供认证和服务注册            Keystone:为各个服务器之间通讯提供认证和服务注册            Glance:为虚拟机提供镜像管理            Nova:为虚拟机提供计算资源            Neutron:为虚拟机提供网络资源

640?wx_fmt=gif

4

Q:GLANCE镜像服务

A:1 镜像的注册和查询

2 基于角色的控制访问

3 支持多格式的镜像(raw,qcow2 e.g.)

4 支持多种后端存储(S3、Swift、File system e.g.)640?wx_fmt=png

640?wx_fmt=gif

5

Q:OpenStack是云吗?

A:不是。为了通过OpenStack构建云,我们还需要:

公共基础组件 

MySQL、RabbitMQ、Apache web server、HAProxy、Pacemaker等 

能力后端 

Hypervisor、存储组件、网络组件的选型 

安装部署方案 

多少控制节点?多少计算节点?多少存储节点?网络如何设计? 

如何负载均衡?性能规格如何? 

运维系统与方案 

裸机管理、安装工具、配置管理、系统监视、故障告警、故障管理、日志处理、运维优化、图形界面、业务监控、计费模型等等。

640?wx_fmt=png

小伙伴们冲鸭,后台留言区等着你!

关于openstack,今天你学到了什么?还有哪些不懂的?除此还对哪些话题感兴趣?快来留言区打卡啦!留言方式:打开第XX天,答:……

同时欢迎大家搜集更多问题,投稿给我们!风里雨里留言区里等你~

福利

1、扫描添加小编微信,备注“姓名+公司职位”,加入【云计算学习交流群】,和志同道合的朋友们共同打卡学习!

640?wx_fmt=jpeg

2、公众号后台回复:白皮书,获取IDC最新数据白皮书整理资料!

推荐阅读:

真香,朕在看了!

转载地址:http://xbte.baihongyu.com/

你可能感兴趣的文章
pandas 滚动窗口 - datetime64[ns] 未实现
查看>>
pandas 版本兼容特定的蟒蛇和NumPy配置吗?
查看>>
pandas 生成excel多级表头
查看>>
Pandas 的 DataFrame 详解-ChatGPT4o作答
查看>>
pandas 读取excel数据,以字典形式输出
查看>>
Pandas 读取具有浮点值的 csv 文件会导致奇怪的舍入和小数位数
查看>>
pandas 适用,但仅适用于满足条件的行
查看>>
pandas 重新采样到每月的特定工作日
查看>>
pandas :如何删除以NaN为列名的多个列?
查看>>
pandas :我如何对堆叠的条形图进行分组?
查看>>
pandas :按移位分组和累加和(GroupBy Shift And Cumulative Sum)
查看>>
pandas :检测一个DF和另一个DF之间缺失的列
查看>>
Pandas-从具有嵌套列表列表的现有列创建动态列时出错
查看>>
Pandas-通过对列和索引的值求和来合并两个数据框
查看>>
pandas.columns、get_dummies等用法
查看>>
pandas.DataFrame.copy(deep=True) 实际上并不创建深拷贝
查看>>
pandas.read_csv()的详解-ChatGPT4o作答
查看>>
PANDAS.READ_EXCEL()输出‘;溢出错误:日期值超出范围‘;而不存在日期列
查看>>
pandas100个骚操作:再见 for 循环!速度提升315倍!
查看>>
Pandas:如何根据其他列值的条件对列进行求和?
查看>>