如何像牛而不是宠物那样对待你的Kubernetes集群

在威胁区域存在的情况下,使用凸优化进行无人机路径规划Matlab代码.rar 立即下载

戴尔技术公司的创始人,董事长兼首席执行官迈克尔戴尔认为,云不是一个地方,而是“作为一种IT方式”。

随着IT对每个公司变得越来越重要,理解云原生最佳实践不仅对开发人员而且对业务的每个部分都至关重要。本文介绍了宠物 vs. 牛的类比,以及它如何帮助企业提供更好的服务,缩短恢复时间,从而减少收入损失。

历史:宠物和牛

宠物 vs. 牛的类比已经成为DevOps服务模型的核心概念之一。微软的杰出工程师比尔·贝克(Bill Baker)在他的演讲“ Scaling SQL Server 2012 ” 中首次提出了这个想法,后来Gavin McCance 在CERN上讨论了OpenStack云。牛和宠物的区别在于他们每个个体对你的重要性。

如何像牛而不是宠物那样对待你的Kubernetes集群
直接引用Randy Bias关于这个类比历史的帖子:

在旧的做事方式中,我们将服务器视为宠物,例如Bob是邮件服务器。如果鲍勃摔倒了,那所有都玩完了。首席执行官无法收到他的电子邮件,这是世界末日。在新的方式中,服务器被编号,就像牛群中的牛。例如,www001到www100。当一台服务器发生故障时,它会被取回并在线路上更换。
宠物每个都非常重要,但牛可以互换。将生产软件基础架构从Pets转移到Cattle是创建高可用性(HA)系统的关键,该系统故障减少,具有较小的影响半径和更快的灾难恢复等特点。总而言之,迈向牛服务模式可帮助企业提供更好的服务,同时减少停机时间。

云原生最佳实践:宠物与牛

可靠地运行和管理可扩展的IT基础架构需要使用Cattle,Kubernetes集群也不例外。Joaquin Menchaca的博客很好地追踪了从Pet到Cat管理模型的演变,从裸机服务器到云原生容器和容器编排器。在每个阶段,堆栈的更高层变成了可替换的创建不可变的生产程序,并且仅需部署精确副本并且可以随时替换它们。如果需要更改任何内容,则会进行新部署,并且旧部署将退出。不可变的生产程序消除了变化,从而减少了部署失败,跨环境的一致性,简单的水平扩展以及简单的回滚和恢复过程。

为了利用这些优势并将不可变容器投入生产,Kubernetes已成为事实上的标准,因为它简化了部署和编排容器的过程。但是,安装,管理和更新Kubernetes本身并非易事。为了避免这些挑战,集群已成为新的宠物,公司运行一些大型重要集群,而不是多个较小的可更换集群。这与Kubernetes建立的云原生原则直接矛盾。为了从云原生方法中获得全部价值,公司必须将他们的Kubernetes集群视为牛。根据需要轮换它们,并将它们视为一次性可更换资产,而不是珍贵的宠物。

除了简化管理和节省运营时间和金钱之外,将Kubernetes集群作为牛来运行也可以对底线产生真正的影响。例如,一家年收入50亿欧元的电子商务公司完全依赖于其在线商店。生产中断的每一分钟都是10,000欧元的销售损失。在使用CNCF的案例研究中,当VSCO使用Kubernetes标准化其配置和中断恢复时,他们将停机时间减少了88%。云原生计算基金会已经看到企业转向使用像牛一样的Kubernetes集群。在过去的六个月里运行一到五个生产集群的组织减少了37%,而运行11-50个集群的组织增加了154%。将基础设施作为牛来处理可以使公司简单地更换基础设施并尽快恢复在线状态,从而节省销售额。

在Loodse,我们坚信将Kubernetes集群视为牛。我们使用多种工具使我们的开发人员和操作人员尽可能轻松地创建和使用Kubernetes集群,包括kind,KubeOne和Kubermatic。我们使用kind来快速生成Kubernetes集群,以在我们的CI / CD管道中运行集成和E2E测试。我们最近开源KubeOne,因为它使开发人员能够在任何云提供商,内部部署或裸机群集上快速安装,管理和升级高可用性Kubernetes集群。此外,我们正在积极地为cluster-api做出贡献,在上游Kubernetes中简化了集群创建,配置和管理的过程。最后,当我们为大规模安装设计Kubermatic时,我们也遵循了将集群转变为牛的最佳实践。这要求任何人只需点击一下即可创建,更新和删除Kubernetes集群。Kubermatic通过将用户集群Kubernetes控件组件作为种子Kubernetes集群中的容器(此处为体系结构详细信息)进行调整来实现此目的。如果工作集群的控制组件发生任何事情,它将自动重新启动并由种子Kubernetes集群替换,从而转动控制组件并将其自身集中到牛群中。

结论

无论堆栈的哪一层,运行Cat而不是Pets都是计算基础架构的最佳实践。它为客户提供更好的服务,缩短恢复时间,并消除生产中断带来的收入损失。Kubernetes成为容器编排的标准,因为它允许您像牛一样对待容器。Kubernetes集群本身也应该像牛一样对待。

在具有储能的排放感知经济调度中弥合机会约束和鲁棒优化的差距Matlab代码.rar 立即下载

相关推荐

一种基于 LP 的最佳 PID 控制器整定方法。使用 MATLAB 实施优化算法和仿真,以评估控制器性能和系统响应。 附matlab代码.rar

一种基于 LP 的最佳 PID 控制器整定方法。使用 MATLAB 实施优化算法和仿真,以评估控制器性能和系统响应。 附matlab代码.rar

全自动定子轴装配流水线.rar

全自动定子轴装配流水线.rar

tuoguanban作业条

tuoguanban作业条

一个简单可运行的amba UVM环境

一个简单可运行的amba UVM环境

手动压盖机(单节移动电源前盖压紧机器).rar

手动压盖机(单节移动电源前盖压紧机器).rar

手机外壳CNC加工线.rar

手机外壳CNC加工线.rar

全速域永磁同步电机无传感器复合控制策略研究:基于高频信号注入与自适应滑模观测的加权融合架构(Simulink仿真实现)

内容概要:本文研究了一种面向全速域永磁同步电机(PMSM)的无传感器复合控制策略,提出并实现了基于高频信号注入与自适应滑模观测器(SMO)的加权融合架构,通过Simulink进行全面的仿真实验验证。该策略旨在解决传统无传感器控制在全速域内性能不均的问题,尤其针对零低速区反电动势微弱难以观测的瓶颈,创新性地采用脉振方波高频注入法实现高精度转子初始定位;在中高速区,则引入模糊超螺旋滑模观测器,有效抑制抖振并提升系统对参数摄动和外部干扰的鲁棒性;最关键的是,在高低速切换的过渡区域,设计了动态加权平滑切换机制与相位同步校正算法,通过对两种观测器输出的位置和速度信号进行智能加权融合,从根本上消除了切换瞬间的电流与转矩冲击,保证了全速域内控制的连续性与平稳性。全文系统阐述了从系统架构设计、核心算法推导到切换逻辑实现的全过程,并通过多维度仿真对比,充分论证了该融合方案在全速范围内实现高精度、强鲁棒、无感控制的优越有效性。; 适合人群:具备扎实的电机控制理论、现代控制理论基础以及熟练的MATLAB/Simulink仿真技能,且正在从事电气自动化、新能源汽车驱动、工业伺服系统或机器人关节控制等领域的研发工程师与科研人员。; 使用场景及目标:①攻克永磁同步电机在零低速启动和全速域运行下的无位置传感器控制技术难题;②深入学习并掌握高频信号注入法、滑模观测器(特别是超螺旋滑模)的工作原理、数学模型构建与Simulink实现技巧;③研究并实践多观测器异构融合、动态加权切换、相位补偿等先进系统集成技术,以提升复杂控制系统在不同工况下的稳定性和平滑过渡能力。; 阅读建议:此资源以Simulink仿真实现为核心载体,深度融合了理论分析与工程实践。建议读者严格按照目录结构循序渐进地学习,重点剖析不同速度区间所采用的差异化控制策略的设计思想,深刻理解模糊超螺旋SMO的抗抖振机理,并特别关注动态加权切换模块的实现细节与相位校正算法的数学依据。务必动手运行、调试和修改所提供的仿真模型,通过改变参数、观察波形来验证理论,从而真正掌握这一复合控制架构的精髓。

全自动胡萝卜加工切片机.rar

全自动胡萝卜加工切片机.rar

曲轴箱加工专机.rar

曲轴箱加工专机.rar

【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)

内容概要:该文档提出了一种基于融合鱼鹰和柯西变异的麻雀优化算法(OCSSA)优化变分模态分解(VMD)参数,并结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的轴承故障诊断模型。该方法首先利用OCSSA算法优化VMD的分解层数和惩罚因子,通过引入鱼鹰搜索机制与柯西变异策略增强全局寻优能力,避免陷入局部最优,从而获得更精确、稳定的固有模态函数(IMF)分量,实现对轴承振动信号的有效特征提取;随后,将分解后的时间序列输入CNN-BiLSTM深度学习模型,利用CNN强大的局部特征提取能力与BiLSTM优异的双向时序建模能力,完成对故障特征的深层抽象与分类识别,最终实现对轴承不同类型与不同程度故障的高精度智能诊断。研究采用美国凯斯西储大学(CWRU)公开的轴承数据集进行实验验证,结果表明,所提OCSSA-VMD-CNN-BiLSTM模型在诊断准确率、收敛速度和抗噪鲁棒性方面均显著优于传统VMD参数设定方法及其他主流智能诊断模型,尤其在强噪声背景下仍能保持稳定性能,展现出卓越的工程应用潜力。; 适合人群:具备一定信号处理、机器学习及优化算法基础,从事机械故障诊断、工业大数据分析、智能运维或状态监测相关研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD算法依赖人工经验设定关键参数导致分解效果不稳定的问题,实现分解参数的自适应智能优化;②提升复杂工况、强噪声干扰下轴承早期微弱故障信号的识别准确率与模型泛化能力;③为工业设备预测性维护与智能诊断系统提供一种高精度、强鲁棒性、端到端的技术解决方案。; 阅读建议:此资源以Matlab代码实现为核心,建议读者结合文中详细的算法流程图与代码逐模块分析,重点关注OCSSA的优化机制设计、VMD参数优化过程中的适应度函数构建、信号分解效果可视化以及CNN-BiLSTM网络的结构设计与训练细节,通过复现完整实验流程,深入理解多模型融合诊断策略的设计思想与技术优势。

QYR-18900-2026-2032全球与中国LSMA马来酸酐共聚物聚氧乙烯酯市场现状及未来发展趋势 Sample-ym.pdf

QYR-18900-2026-2032全球与中国LSMA马来酸酐共聚物聚氧乙烯酯市场现状及未来发展趋势 Sample-ym.pdf

手机外壳压钢片机、自动装钢片机.rar

手机外壳压钢片机、自动装钢片机.rar

手套自动丝网印刷下料机-.rar

手套自动丝网印刷下料机-.rar

上一篇: github contribbution 没记录怎么破?
下一篇: 改变世界的,不只是超级英雄,还有—程序猿(媛)
千锋python和唐唐
博客等级 码龄8年 652粉丝 895原创
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