目录
OpenStack由多个核心组件组成,每个组件都有其特定的功能和作用,以下是一些主要组件的举例:
OpenStack的架构通常包括三个主要节点:控制器节点(Controller Node)、计算节点(Compute Node)和网络节点(Network Node)。
OpenStack因其开源、可扩展和灵活的特性,被广泛应用于各种云计算场景,包括但不限于:
综上所述,OpenStack是一个功能强大、灵活可扩展的开源云计算管理平台,通过其丰富的组件和灵活的架构,为各种云计算场景提供了全面的解决方案。
openstack/horizon: OpenStack Dashboard (Horizon) - horizon - OpenDev: Free Software Needs Free Tools
对于异构算力资源,算力网络架构采用基于“K8S+轻量化 K8S”的两级联动
的架构来实现统一的算力资源调度纳管。K8S 采用中心的资源调度统一平台对于
整体的基础资源进行统一管理和集群管理,而轻量化 K8S 集群主要是作为边缘
侧的资源调度平台对于边缘计算集群进行调度和管理。
泛在算力资源的统一建模度量是算力调度的基础。针对泛在的算力资源,通
过模型函数将不同类型的算力资源映射到统一的量纲维度,形成业务层可理解、
可阅读的零散算力资源池。为算力网络的资源匹配调度提供基础保障。将业务运
行所需的算力需求按照一定分级标准划分为多个等级,这样可为算力提供者设计
业务套餐时进行参考,也可作为算力平台设计者在设计算力平台时根据所需运行
的业务对平台算力的选型涉及提供依据。鉴于智能应用对算力的诉求主要是浮点
运算能力,如用于 AI 和图形处理的每秒浮点运算次数(FLOP/S)。
从现有业务上看,超算类应用、大型渲染类业务对算力的需求是最高的,可
达到 P 级的算力需求;其次是 AI 类训练类应用,这类应用根据算法的不同以及
训练数据的类型和大小 所需的算力从 T 级到 P 级不等;再者 AI 推理类业务则
大多部署在终端边缘,对算力的需求稍微减弱,大致范围在几百 G 到 T 级别不
等。
服务编排与调度技术
从算力网络的服务模式和交易模式出发,不论是服务使用者还是算力贡献者
都需要考虑三个方面的问题:
(1)效费比问题,即从自身信息化建设成本和使用 需求的角度考虑,采用自有资源或租用外部资源;
(2)平台锁定问题,从平台稳定性和数据安全等方面考虑,实现多云和多平台的容灾备份,从而避免单一平台的安全性风险造成的业务中断和数据丢失;
(3)服务模式问题,从算力服务开放 共享的服务模式出发,打造多维有序的生态圈是算力网络成功运营的关键。
基于云原生的服务编排技术主要从融合计算、存储和网络能力开放
通过云原生和云计算统一编排调度平台来实现。结合 OpenStack 的底层基础设施层的资源调度管理能力,对于数据中心内的异构计算资源、存储资源和网络资源可以进行有效管理。
通过 Kubernetes 的面向服务的容器编排调度能力,服务编排层实现了面向算网资源的能力开放。
1、资源调度管理层:采用通用的 OpenStack 和 Kubernetes 结合的方式来实现
对于算力网络的计算、存储、网络等资源进行统一管理,整体通过 Open
Infrastructure 架构来实现 IaaS 和 I-PaaS 的资源编排调度能力;
2、编排调度能力层:根据计算能力、深度学习能力、网络能力的不同需求,分
场景的有序构建中台能力。
3、服务能力开放层:面向服务使用方和开发者提供不同的入口。其中在应用
商店提供算力网络服务目录,可以实现算力网络能力一键部署,而在 DevOps 入
口提供函数服务功能,可以进一步满足开发者结合中台能力根据业务场景进行开
发和创新。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。