在本次访谈当中,Anthony解释了OpenStack的具体定义、其如何与容器实现协作以及其能够给企业带来哪些助益。
OpenStack是什么?谁适合使用OpenStack?
OpenStack是一套开源云操作系统,由Python语言编写而成且负责通过命令行界面(简称CLI)或者基于Web的仪表板实现对计算、存储 以及网络资源池的管理工作。其在设计上可运行于商用硬件底层,且有时候会被作为基础设施即服务(简称IaaS)实现方案使用。OpenStack可运行在 各类常见Linux平台之上,具体包括RHEL、SUSE以及Ubuntu等等。
OpenStack是一套基础设施(大家也可以将其简单理解为‘云’)。它能够创建出一套环境,从而提供按需增加或者降低的资源分配机制,而且实际 资源不必来源于单一位置。大数据、Web服务以及网络功能虚拟化(简称NFV)等面向服务供应商的功能都是OpenStack发挥作用的良好舞台。
OpenStack包含哪些关键性服务与组件?它们的具体作用又是什么?
OpenStack采用一年两次的发布周期,而且各发布版本各自拥有不同名称而非简单的数字序列,因此其首个版本名为Austin,目前的版本为 Mitaka,其间还曾出现过Liberty与Kilo两个版本。自Kilo版本以来,OpenStack已经逐步由最初的孵化/集成模式转化为大帐篷模 式,即项目中的各标签拥有自己的特定属性。
云基础设施当中的核心组件包括计算、存储与网络三大类。这些组件在OpenStack当中被称为核心服务,而其它元素则被称为共享服务。
计算:
存储:
网络:
共享服务:
当然,以上列出的只是其中最为常见的各类项目。新型项目在每个版本当中都将陆续增加。
由于已经转化为大帐篷式项目,如今有越来越多的项目成为OpenStack的组成部分。另外管理委员会还在致力于构建OpenStack DefCore,这是一套最小化功能集,其中的各类产品必须经过认证才能冠以OpenStack名头。
为什么使用OpenStack而非其它传统虚拟化工具?相较于其它虚拟机管理程序,它能够带来哪些额外助益?
虚拟化工具能够对物理硬件中的资源进行抽象,并在管理流程中加入自动化机制。
OpenStack还更进一步建立起一套弹性、自助服务型可测量基础设施,旨在管理计算、存储与网络资源池。OpenStack管理下的各类资源可为物理或者虚拟形式。
OpenStack如何与容器进行协作?这种方式对于企业有何吸引力?
Magnum项目利用OpenStack作为基础设施,旨在部署Docker容器。在Magnum项目出现之前,Docker容器只算是Nova(OpenStack中的一项计算服务)内的虚拟机管理程序类型之一。
Magnum项目提出了pod、bay与服务的概念,我们可以将三者结合起来作为单一应用程序,并通过访问政策加以控制。
窗口编排引擎(简称COE)允许大家将多个Docker容器作为同一单元进行部署。就目前来讲,Magnum项目所能支持的COE包括:
目前在企业领域最具人气的容器技术应用方案当数微服务架构,其指导原则是将一个大型常规应用程序拆分成多个以容器形式实现的“微服务”。这种应用程序部署层面的新趋势能够提供可观的敏捷性、可扩展性以及高可用性。
Liberty版本为我们带来了Kuryr项目,其立足于Neutron构成而成并解决OpenStack基础设施当中为容器指定网络资源的传统难题。
典型的OpenStack部署该是什么样的?
我认为不存在所谓典型的OpenStack部署方案,而这也正是OpenStack最大的吸引力所在。尽管这并不是什么以不变应万变的产品,但 OpenStack确实能够提供一套极具灵活性的丰富基础设施。它的实际能力只受限于与之搭配的具体架构。OpenStack就像是乐高积木; 我们可以根据具体部署要求将其接入任何位置。除了OpenStack资源能够表现出弹性,其功能集也同样具备弹性特征,意味着我们可以随时添加及删除功能 集。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。