OpenShift Container Platform 4.10 虚拟化
OpenShift Container Platform 4.10 虚拟化 OpenShift Virtualization 安装、使用和发行注记 Last Updated: 2023-10-18 OpenShift Container Platform 4.10 虚拟化 OpenShift Virtualization 安装、使用和发行注记 法律通告 法律通告 Copyright © GUESTFS 创建容器 7.5. LIBGUESTFS 工具和 VIRTCTL GUESTFS 7.6. 其他资源 第 第 8 章 章 虚 虚拟 拟机 机 8.1. 创建虚拟机 8.2. 编辑虚拟机 8.3. 编辑引导顺序 8.4. 删除虚拟机 5 5 6 6 6 6 7 8 8 8 8 9 10 10 11 15 15 19 25 26 28 30 32 34 管理虚拟机实例 8.6. 控制虚拟机状态 8.7. 访问虚拟机控制台 8.8. 使用 SYSPREP 自动执行 WINDOWS 安装 8.9. 解决故障节点来触发虚拟机故障切换 8.10. 在虚拟机上安装 QEMU 客户机代理 8.11. 查看虚拟机的 QEMU 客户机代理信息 8.12. 在虚拟机中管理配置映射、SECRET 和服务帐户 8.13. 在现有 WINDOWS 虚拟机上安装0 码力 | 307 页 | 3.45 MB | 1 年前3OpenShift Container Platform 4.13 虚拟化
OpenShift Container Platform 4.13 虚拟化 OpenShift Virtualization 安装、使用和发行注记 Last Updated: 2024-02-20 OpenShift Container Platform 4.13 虚拟化 OpenShift Virtualization 安装、使用和发行注记 法律通告 法律通告 Copyright © . . . 目 目录 录 第 第 1 章 章 关于 关于 OPENSHIFT VIRTUALIZATION 1.1. OPENSHIFT VIRTUALIZATION 的作用 1.2. 关于虚拟机磁盘的存储卷 1.3. 单节点 OPENSHIFT 的不同 1.4. 其他资源 第 第 2 章 章 OPENSHIFT VIRTUALIZATION 架 架构 构 2.1. OPENSHIFT VIRT-OPERATOR 第 第 3 章 章 OPENSHIFT VIRTUALIZATION 入 入门 门 3.1. 规划和安装 OPENSHIFT VIRTUALIZATION 3.2. 创建和管理虚拟机 3.3. 后续步骤 第 第 4 章 章 WEB 控制台概述 控制台概述 4.1. 概述页面 4.2. 目录页面 4.3. VIRTUALMACHINES 页面 4.4. 模板页 4.5. 数据源页0 码力 | 393 页 | 4.53 MB | 1 年前3万亿级数据洪峰下的消息引擎Apache RocketMQ
万亿级数据洪峰下的消息引擎 Apache RocketMQ 誓嘉 自我介绍 l花名:誓嘉 l真名:王小瑞 lvintagewang@apache.org l@阿里巴巴-中间件 lApache RocketMQ 创始人, PPMC Member,Committer lOpen-Messaging创始人 CONTENTS 01 02 03 阿里消息中间件的演变历史 双11万亿级数据洪峰的挑战 Custom apps Analytics Monitoring Open platform IM … Any protocols 1.4万亿 Apache RocketMQ – 商业化版本 感谢大家 THANKS! Alibaba Middleware l http://openmessaging.github.io/ l http://rocketmq.apache.org/0 码力 | 35 页 | 993.29 KB | 1 年前3万亿级数据洪峰下的消息引擎 Apache RocketMQ
万亿级数据洪峰下的消息引擎 Apache RocketMQ 誓嘉 自我介绍 l花名:誓嘉 l真名:王小瑞 lvintagewang@apache.org l@阿里巴巴-中间件 lApache RocketMQ 创始人, PPMC Member,Committer lOpen-Messaging创始人 CONTENTS 01 02 03 阿里消息中间件的演变历史 双11万亿级数据洪峰的挑战 Custom apps Analytics Monitoring Open platform IM … Any protocols 1.4万亿 Apache RocketMQ – 商业化版本 感谢大家 THANKS! Alibaba Middleware l http://openmessaging.github.io/ l http://rocketmq.apache.org/0 码力 | 35 页 | 5.82 MB | 1 年前313 Istio 流量管理原理与协议扩展 赵化冰
Istio 流量管理原理与协议扩展 赵化冰 赵化冰 腾讯云 服务网格团队 https://zhaohuabing.com Service Mesh Service Mesh Layer 处理服务间通信(主要是七层通信)的云原生基础设施层: Service Mesh 将各个服务中原来使用 SDK 实现的七层通信相关功能抽象 出来,使用一个专用层次来实现,Service Mesh 对应用透明,因此应用0 码力 | 20 页 | 11.31 MB | 5 月前3Visdom可视化
Visdom可视化 主讲人:龙良曲 TensorBoard? TensorboardX ▪ pip install tensorboardX TensorboardX Visdom from Facebook Step 1. install Step2. run server damon Step2. run server damon install from source lines:0 码力 | 17 页 | 1.47 MB | 1 年前3基于Apache APISIX 与RocketMQ 构建云原生一体化架构
基于 Apache APISIX 与 RocketMQ 构建云原生一体化架构 杜恒 ASF Member,Apache RocketMQ PMC 成员 Safe Harbor Statement The following is intended to outline our general product direction. It is intended for information q-con n ect 进入孵化 2021 5.0 -p rev iew 发布 性能优化、PoP 消费,多存储目录, 轻量级队列 rocketm q-strea m s 轻量级实时计算 引擎发布 5.0 消息事件流融合处理平台 Sta r: 1 .7w C on tributor: 50 0 + RocketMQ 发展历程 W r i t e h e r e S o m e • 事件流场景支撑 • 面向 SQL 的轻量级实时计算引擎 可分可合的存储计算分离: • Broker 升级为真正的无状态服务节点,无 binding • Broker和Store节点分离部署、独立扩缩 • 可分可合,适应多种业务场景,降低运维负担 云原生基础设施: • 可观测性能力云原生化,OpenTelemetry 标准化 • Kubernetes 一键式部署扩容交付 W r0 码力 | 22 页 | 2.26 MB | 1 年前3云原生图数据库解谜、容器化实践与 Serverless 应用实操
云原⽣图数据库解谜、容器化实 践与 Serverless 应⽤实操 古思为 ⽅阗 Graph DB on K8s Demystified and its Serverless applicaiton in actions. DEVELOPER ADVOCATE @ MAINTAINER OF KCD China 2021 Nov. 6th @Shanghai 古思为 wey-gu ⽂档:Nebula 架构 官⽹:⽤户案例 ⼀个可靠的分布式、线性扩容、性能⾼效的图数据库 世界上唯⼀能够容纳千亿顶点和万亿条边,并提供毫秒级查询延时的图数据库解决⽅案 云原⽣时代的图数据库 容器化部署演进 Nebula Docker Nebula K8s Nebula Operator Nebula Operator 实现 Kubebuilder Scaffold CRD Control 上⼿ GraphDB on K8s 应⽤场景 - Nebula on Kubsphere - Demo 图数据库的应⽤场景 典型场景 社交⽹络 ⻛险控制 公共安全 知识图谱 机器学习 ⽣化制药 物联⽹ 区块链 数据⾎缘 智能运维 tech.meituan.com/2021/04/01/nebula-graph-practice-in-meituan.html KubeSphere +0 码力 | 47 页 | 29.72 MB | 1 年前3如何利用深度学习提高高精地图生产的自动化率-邹亮
0 码力 | 34 页 | 56.04 MB | 1 年前3QCon2018北京-基于深度学习的视频结构化实践-姚唐仁
《基于深度学习的视频结构化实践》 七牛云 AI实验室首席架构师/姚唐仁� • 围绕海量数据提供创新的云服务,帮助客户缩短想法到产品的距离 • 创立6年,每年超过300%的业绩增长 • 已完成5轮融资,累计超过20亿 • 长期服务70多万企业用户和开发者 • 文件数超过2000亿,每日新增文件20亿 • 覆盖全球300个节点 • 覆盖金融、公安、广电媒体、互联网等行业 视觉-最重要的信息感知 2017中国网络视频用户情况 ����2017������������� 传统视频摘要 vs AI视频结构化 内容不完整 依赖经验 实时性差 时效性差 识别范围广 效率高 可迭代 创新基础 传统手工摘要 AI视频结构化 视频结构化场景 视频分解 基础模型要素 ��1�01:02:03-01:10:05� ��1����� �� �� ������ ��PA� ������ 3 4 5 6 ���L ������ ��PA� ����� ���L ��������� ������L 大规模视频训练框架 结构化策略 ���� ������ ���� ���� 主题分类-特征提取 DPN SENet ResNeXt NASNet 主题分类-模型训练 模型融合 a) Early fusion0 码力 | 39 页 | 38.01 MB | 1 年前3
共 312 条
- 1
- 2
- 3
- 4
- 5
- 6
- 32