ServiceMeshPeer 资源。 ExportedServiceMeshSet - 定义给定 ServiceMeshPeshPeer 的服务可用于导入的对等网格。 ImportedServiceSet - 定义给定 ServiceMeshPeer 的服务是从 peer 网格中导入的。这些服务 还必须由 peer 的 ExportedServiceMeshSet 资源提供。 在 AWS(ROSA)、Azure 联邦网关在使用外部证书时不会发送完整的 证书链。Service Mesh 联邦出口网关仅发送客户端证书。因为联邦入口网关只知道 root 证书，所 以它无法验证客户端证书，除非您将 root 证书添加到联合导入 ConfigMap 中。 MAISTRA-2635 替换已弃用的 Kubernetes API。从 Red Hat OpenShift Service Mesh 2.0.8 开 始，为保持与 OpenShift Collector - OpenTelemetry Collector 是一个与厂商无关的方式来接收、处 理和导出遥测数据。OpenTelemetry Collector 支持开源可观察数据格式，如 Jaeger 和 Prometheus，发送到一个或多个开源或商业后端。Collector 是默认位置检测库来导出其遥测 数据。 1.3.4.3. Red Hat OpenShift distributed tracing

9.3. 使用 LIBGUESTFS 第 第 10 章 章 虚 虚拟 拟机 机 10.1. 创建虚拟机 10.2. 编辑虚拟机 10.3. 编辑引导顺序 10.4. 删除虚拟机 10.5. 导出虚拟机 10.6. 管理虚拟机实例 10.7. 控制虚拟机状态 10.8. 访问虚拟机控制台 10.9. 使用 SYSPREP 自动执行 WINDOWS 安装 10.10. 解决故障节点来触发虚拟机故障切换 查看虚拟机的 QEMU 客户机代理信息 10.13. 使用虚拟可信平台模块设备 10.14. 使用 OPENSHIFT PIPELINES 管理虚拟机 10.15. 高级虚拟机管理 10.16. 导入虚拟机 10.17. 克隆虚拟机 10.18. 虚拟机网络 10.19. 虚拟机磁盘 第 第 11 章 章 虚 虚拟 拟机模板 机模板 11.1. 创建虚拟机模板 11.2. 编辑虚拟机模板 集群 中，以启用虚拟化任务。这些任务包括： 创建和管理 Linux 和 Windows 虚拟机 (VM) 在集群中运行 pod 和虚拟机工作负载 通过各种控制台和 CLI 工具连接至虚拟机 导入和克隆现有虚拟机 管理虚拟机上附加的网络接口控制器和存储磁盘 在节点间实时迁移虚拟机 增强版 web 控制台提供了一个图形化的门户界面 来管理虚拟化资源以及 OpenShift Container

镜像流 像流 6.1. 为什么使用镜像流 6.2. 配置镜像流 6.3. 镜像流镜像 6.4. 镜像流标签 6.5. 镜像流更改触发器 6.6. 镜像流映射 6.7. 使用镜像流 6.8. 导入和使用镜像和镜像流 第 第 7 章 章 KUBERNETES 资 资源使用 源使用镜 镜像流 像流 7.1. 使用 KUBERNETES 资源启用镜像流 4 4 4 4 4 4 5 5 当一个新镜像被推送（push）到 registry 时，可触发构建和部署。另外，OpenShift Container Platform 还针对 Kubernetes 对象等其他资源提供了通用触发器。 您可以为定期重新导入标记标签。如果源镜像已更改，则这个更改会被发现并反应在镜像流中。 取决于构建或部署的具体配置，这可能会触发构建和/或部署流程。 您可使用细粒度访问控制来共享镜像，快速向整个团队分发镜像。 如果源更改，imagestreamtag API 资源对象， 用于收集一些有关特定镜像 SHA 标识符的元数据。 1.11. 镜像流触发器 镜像流触发器（imagestream trigger）会在镜像流标签更改时引发特定操作。例如，导入可导致标签值变 化。当有部署、构建或其他资源监听这些信息时，就会启动触发器。 1.12. 如何使用 CLUSTER SAMPLES OPERATOR 在初始启动时，Operator 会创建默认样

Operator 使用管理状态 2.1.1.1. 受限网络安装 2.1.1.2. 使用初始网络访问受限网络安装 2.1.2. Cluster Samples Operator 跟踪和错误恢复镜像流导入 其他资源 2.1.3. 协助镜像的 Cluster Samples Operator 2.2. CLUSTER SAMPLES OPERATOR 配置参数 2.2.1. 配置限制 2.2.2. 获取有关镜像流的信息 6.7.2. 为镜像流添加标签 6.7.3. 为外部镜像添加标签 6.7.4. 更新镜像流标签 6.7.5. 删除镜像流标签 6.7.6. 配置定期导入镜像流标签 6.8. 从私有容器镜像仓库（REGISTRY）导入镜像和镜像流 6.8.1. 允许 Pod 引用其他安全 registry 中的镜像 第 第 7 章 章 KUBERNETES 资 资源使用 源使用镜 镜像流 像流 当一个新镜像被推送（push）到 registry 时，可触发构建和部署。另外，OpenShift Container Platform 还针对 Kubernetes 对象等其他资源提供了通用触发器。 您可以为定期重新导入标记标签。如果源镜像已更改，则这个更改会被发现并反应在镜像流中。 取决于构建或部署的具体配置，这可能会触发构建和/或部署流程。 您可使用细粒度访问控制来共享镜像，快速向整个团队分发镜像。 如果源更改，imagestreamtag

获取镜像 ii. 列出 iii. 创建 iv. 存出和载入 v. 移除 vi. 实现原理 6. 容器 i. 启动 ii. 守护态运行 iii. 终止 iv. 进入容器 v. 导出和导入 vi. 删除 7. 仓库 i. Docker Hub ii. 私有仓库 iii. 配置文件 8. 数据管理 i. 数据卷 ii. 数据卷容器 iii. 备份、恢复、迁移数据卷 *注：更多用法，请参考 Dockerfile 章节。 要从本地文件系统导入一个镜像，可以使用 openvz（容器虚拟化的先锋技术）的模板来创建： openvz 的 模板下载地址为 templates 。 从本地文件系统导入 Docker —— 从入门到实践 23 创建 比如，先下载了一个 ubuntu-14.04 的镜像，之后使用以下命令导入： sudo cat ubuntu-14.04-x86_64-minimal 04-x86_64-minimal.tar.gz |docker import - ubuntu:14.04 然后查看新导入的镜像。 docker images REPOSITORY TAG IMAGE ID CREATED VIRTUAL SIZE ubuntu 14.04

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.1 导入 pytorch 6 1.2 导入样本数据 7 2 构建神经网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20211006：完成本书第一版。 5 1. 准备章节 1.1 导入 pytorch 6 1.2 导入样本数据 7 本章节将神经网络训练之前的准备工作进行全面介绍。但我们并不介绍如何安装 pytorch，一是由 于不同版本的 pytorch 会依赖于不同的 cuda 工具，二是因为官网资料非常齐全，也有很多博客来 介绍，因此没有必要赘述。 1.1 导入 pytorch 首先我们需要明白一个术语：tensor。这个词被翻译为中文叫张量。1 tensor；而一些微分量，例如梯度、导数等也都是 tensor；矩阵也是张量；多张矩 阵或者多张图像也是张量（3 维张量）。我们在做实验时，可以将 tensor 理解为是“data”。 我们需要先导入 pytorch，顺便导入 numpy： import torch import numpy as np 现在我们尝试将 list 或者 np.array 转换为 pytorch 的数组： data1 =

这其中最重要的 成果就是误差反向传播算法(Back Propagation，简称 BP 算法)的提出，它依旧是现代深度学 习的核心理论基础。实际上，反向传播的数学思想早在 1960 年代就已经被推导出了，但是 并没有应用在神经网络上。1974 年，美国科学家 Paul Werbos 在他的博士论文中第一次提 出可以将 BP 算法应用到神经网络上，遗憾的是，这一成果并没有获得足够重视。直至 1986 为例，首先创建计算图，代码如下(以下代码需要提前安装 TensorFlow 1.x 框架和 PyTorch 框架，读者可不运行，感受为主)： import tensorflow as tf # 导入 TensorFlow 库 # 1.创建计算图阶段，此处代码需要使用 tf 1.x 版本运行 # 创建 2 个输入端子，并指定类型和名字 a_ph = tf.placeholder(tf 的神经网络算法有多艰难。这种先创建计算图后运行的编程方式叫做符号式编程。 作为对比，现在介绍动态图方式来完成2.0 + 4.0运算。PyTorch 实现代码如下： import torch # 导入 pytorch 库 # 1.创建输入张量，并赋初始值 a = torch.tensor(2.) b = torch.tensor(4.) # 2.直接计算，并打印结果 print('a+b='

对应用程序中的多个组件进行分组 4.7. 在应用程序中添加服务 4.8. 从应用程序中删除服务 4.9. 用于 TOPOLOGY 视图的标签和注解 4.10. 其他资源 第 第 5 章 章 导 导出 出应 应用程序 用程序 5.1. 先决条件 5.2. 流程 第 第 6 章 章 将 将应 应用程序 用程序连 连接到服 接到服务 务 6.1. SERVICE BINDING OPERATOR 门 ：了解快速启动选项，使用详细的说明和任务创建、导入并运行应用程序。 OpenShift Container Platform 4.10 构 构建 建应 应用程序 用程序 16 From Local Machine：通过 From Local Machine 标题导入或上传在您的本地机器中的文件用于 更方便地构建并部署应用程序。 导 导入 入 YAML：上传 YAML 文件，以创建并定义用于构建和部署应用程序的资源。 用程序后，您可以看到添加到应用程序的部署。 3.1.3. 使用快速入门创建应用程序 Quick Starts 页面演示了如何在 OpenShift Container Platform 上创建、导入和运行应用程序，以及逐步 说明和任务。 第 第 3 章 章 创 创建 建应 应用程序 用程序 17 先决条件 先决条件 已登陆到 OpenShift Container Platform web

HEALTHCHECK 健康检查 ONBUILD 为他人作嫁衣裳 参考文档 Dockerfile 多阶段构建 其它制作镜像的方式 实现原理 操作容器 启动 守护态运行 终止 进入容器 导出和导入 删除 访问仓库 Docker Hub 私有仓库 私有仓库高级配置 数据管理 数据卷 监听主机目录 使用网络 外部访问容器 容器互联 配置 DNS 高级网络配置 快速配置指南 多阶段构建 103 其它制作镜像的方式 除了标准的使用 Dockerfile 生成镜像的方法外，由于各种特殊需求和历史原因，还提供了 一些其它方法用以生成镜像。 从 rootfs 压缩包导入 格式： docker import [选项] <文件>||- [<仓库名>[:<标签>]] 压缩包可以是本地文件、远程 Web 文件，甚至是从标准输入中得到。压缩包将会在镜像 / ubuntu-14.04-x86_64-minimal.tar.gz 文件，并且作为根文件系统展开导 入，并保存为镜像 openvz/ubuntu:14.04 。 导入成功后，我们可以用 docker image ls 看到这个导入的镜像： $ docker image ls openvz/ubuntu REPOSITORY TAG IMAGE

一个持久性卷可以以资源供应商支持的任何方式挂载到一个主机上。不同的供应商具有不同的功能，每个 PV 的访问模式可以被设置为特定卷支持的特定模式。例如：NFS 可以支持多个读写客户端，但一个特定 的 NFS PV 可能会以只读方式导出。每个 PV 都有自己一组访问模式来描述指定的 PV 功能。 声明会与有类似访问模式的卷匹配。用来进行匹配的标准只包括访问模式和大小。声明的访问模式代表一 个请求。比声明要求的条件更多的资源可能会 (NFS) 4.9.1. 置备 当存储可以被挂载为 OpenShift Container Platform 中的卷之前，它必须已存在于底层的存储系统中。要 置备 NFS 卷，则需要一个 NFS 服务器和导出路径列表。 流程 流程 1. 为 PV 创建对象定义： 卷的名称。这是各个 oc pod 命令中的 PV 标识。 为这个卷分配的存储量。 虽然这看上去象是设置对卷的访问控制，但它实际上被用作标签并用来将 虽然这看上去象是设置对卷的访问控制，但它实际上被用作标签并用来将 PVC 与 PV 匹配。 当前，还不能基于 accessModes 强制访问规则。 使用的卷类型，在这个示例里是 nfs 插件。 NFS 服务器导出的路径。 NFS 服务器的主机名或 IP 地址。 PV 的 reclaim 策略。它决定了在卷被释放后会发生什么。 注意 注意 每个 NFS 卷都必须由集群中的所有可调度节点挂载。 2. 确定创建了 PV：