- 综合排序
- 最热优先
- 最新优先
- 来自专栏Tungsten Fabric中文社区
异构混合多云管理的需求，如何在SDN平台落地
对于中大型的企业市场来说，需求由最初的异构，演变成后来的异构混合，到今天变成了异构混合多云的管理需求——在基础设施层面，有桌面云，以虚拟化形态存在的各种类型的资源池，还有各种公有云的资源池，公有云的应用 首先就是异构多云基础资源管理。在混合云的管理上，针对私有云我们看到几个主流的技术方案。 对异构化的计算存储网络，包括技术资源的、技术软件的异构化管理，实际上就是针对异构混合多云的基础设施，我们要提供一个统一的入口，统一资源池的管理工具，能够把所有的资源形成服务目录。 整个过程支持私有云和公有云的混合架构，以及多个云计算资源池厂商的异构混合多云环境，在这样一个环境里，完成了一个业务系统的落地。 ---- b675791b26e11578a6f3f803d5992a7.png 公众号介绍图.png
1.7K30发布于 2020-06-12 - 来自专栏人人都是极客
多 OS 混合部署框架
「图 1」 openEuler Embedded 中的混合关键性系统大致架构 从 openEuler Embedded 的角度，混合关键性系统的大致架构如图 1 所示，所面向的硬件是具有同构或异构多核的片上系统 混合部署框架解决「高效地混合部署问题」和「高效地通信与协作问题」，嵌入式虚拟化解决「高效地隔离与保护问题」和「高效地资源共享与调度问题」。 在 QEMU 平台上的混合部署，具体可以参考 多 OS 混合部署 Demo[4] 在此基础上，openEuler Embedded 的混合部署框架还会继续演进，包括对接更多的实时操作系统，如国产开源实时操作系统 RT-Thread[5]，实现如图 3 所示的多 OS 服务化部署并适时引入基于虚拟化技术的嵌入式弹性底座。 「图 3」 多 OS 服务化部署架构 在上述多 OS 服务化部署架构中，openEuler Embedded 是中心，主要对其他 OS 提供管理、网络、文件系统等通用服务，其他 OS 可以专注于其所擅长的领域
1K20编辑于 2023-08-22 - 来自专栏全栈程序员必看
Kong集群(hybrid混合)部署模式
紧跟着，这篇主要介绍Kong集群部署模式。生产环境/流量较大的环境下，我们的Kong就要解决单点问题和性能问题，单个Kong节点无法满足我们高并发、高访问量的需求。 那么我们自然想到，Kong自身有提供集群部署模式么?答案是肯定的。 2.架构图 四.集群模式-Promethues指标采集问题 大家可能会发现部署完Kong集群之后，相对于查看或者部署单个节点时候，采集Prometheus指标的方式明显发生了变化。 如果我们部署单个节点的Kong，利用Grafana官方的dashbord可以明显查看到流量信息、service信息、route、upstream等等信息。 但是如果采用集群模式部署以后,CP节点(ip:8001/metrics)只采集到集群信息了。但是此时我们想查看整个集群的流量信息，那我们该怎么采集呢?
1.5K10编辑于 2022-09-13 半导体先进封装技术深度解析：芯粒、异构集成、混合键合与逆向混合键合
半导体先进封装技术深度解析：芯粒、异构集成、混合键合与逆向混合键合 走向未来（kdd.wang@gmail.com）随着人工智能（AI）大模型对算力需求的爆炸性增长，半导体行业正经历从“延续摩尔”到“超越摩尔 TSMC的CoWoS、InFO，以及Intel的EMIB、Foveros等2.5D/3D封装技术，正是这场革命的基石。 图3：从C4焊球到混合键合，互连技术的间距与密度演进趋势。C4焊球/微凸块（Microbumps）：传统技术，间距通常在20µm以上。 这意味着，D2D/D2W混合键合需要在ISO 3甚至更高级别的超洁净环境中，对芯片进行极其严苛的清洗和处理。 良好的机械性能：具有一定的弹性模量（>3 GPa），比脆性的氧化铝更适合作为应力缓冲层。
1.5K20编辑于 2025-10-09- 来自专栏AI SPPECH
129：多云混合云部署策略：灵活部署方案
多云/混合云概述 2.1 多云的定义与优势 2.2 混合云的定义与优势 2.3 多云/混合云在Agentic系统中的应用 3. 实战案例 8.1 案例一：AI推理服务多云部署 8.2 案例二：混合云数据处理 8.3 案例三：边缘计算混合云部署 9. 2.2 混合云的定义与优势 混合云是指将公有云和私有云结合使用的部署模式。 成本优化：根据云提供商的价格和性能选择最优方案 3. 部署方案： 使用边缘设备处理实时数据 使用私有云存储核心数据 使用公有云进行大数据分析 使用K3s进行边缘集群管理 实现边缘、私有云和公有云之间的数据同步 架构图： 效果： 低延迟：边缘处理减少数据传输延迟
25420编辑于 2026-04-15 - 来自专栏腾讯云服务器团队的专栏
腾讯云异构计算平台全面支持Llama 3，助力一键部署、性能翻倍
伴随着日新月异的模型生态，腾讯云异构计算平台作为覆盖90%+大模型客户的AI底座，现已做好充足的准备，围绕Llama 3系列模型，提供从基础设施到编排调度的智算产品矩阵，为企业及开发者提供更快部署、更强性能和更高吞吐的全链路解决方案 在 Meta 发布 Llama 3 后，腾讯云 HAI 第一时间支持了 Llama 3 的一键部署。 Llama 3 在 HAI 上的运行效果 更强性能 全新实例 Llama 3 推理性能提高 2-10 倍 在硬件层面，腾讯云推出的最新一代异构计算 GPU 实例 PNV5b，围绕 Llama 3 等大模型场景 全新 TACO-LLM 现已支持 Llama 3 系列模型，并已实现与高性能应用服务 HAI 或全新一代异构实例PNV5b的高效搭配使用，从而显著提升部署及推理效率，现已支持分布式推理、动态 Batching 腾讯云异构计算平台全面支持 Llama 3 >>扫描二维码，抢先体验<<
1.7K10编辑于 2024-04-25 - 来自专栏育种数据分析之放飞自我
混合模型学习笔记3
3. 所以数据非平衡时，混合线性模型更适合分析。 ? 4. arrow from the first ## factor in my list to the second, so assign something to M[2,1] M[2, 1] <- M[3,2 M[2, 1] <- M[3, 1] <- M[4, 2] <- M[5, 2] <- "" M[6, 3] <- M[6, 4] <- M[6, 5] <- "" ## Make the diagram 混合线性模型学习笔记1 混合线性模型学习笔记2
49220发布于 2020-05-13 - 来自专栏皮振伟的专栏
基于KVM虚拟化的混合部署
在这里详细展开一下，介绍一下基于KVM虚拟化的混合部署。 下文的脉络大约是： 1，业务背景 2，为什么使用KVM虚拟化方案 3，在使用KVM虚拟化方案的过程中，我们做了那些改进 4，基于KVM虚拟化的混合部署方案取得了怎样的效果 业务背景 对象存储服务（OSS 可见，二者的业务特征具有一定的互补性，可以尝试把两种业务进行混合部署。 为什么选择虚拟化 混合部署一直以来都是一个长期讨论、实践的主题。 之前，有很多基于cgroup/docker的混合部署的文章和总结也给我们提供了大量的参考，其中有技术改进、最佳实践以及对未来的思考等等。 对虚拟化的改进 --- kvm-utils 在混合部署的场景下，Host通常是在线运行的，且不能升级内核/kmod。
2.4K10发布于 2019-11-12 - 来自专栏云计算D1net
部署混合云环境的5大挑战
云计算专家一直以来对公有云与私有云与内部部署数据中心之间孰好孰坏有着很多的争论，但这一结果已经通过市场的发展得出了结论。 从长远来看，获胜者是混合云。 02 成本 任何考虑转向混合云的企业首席信息官都可能关注IT基础设施的成本优化。如果从内部部署数据中心或私有云迁移，则可以合理地进行这种转变。然而，为了运行公有云生态系统而增加复杂性很难证明其有效。 混合云使企业能够识别预测、治理和配置中的异常，同时让企业选择资本性支出或运营支出模型进行计费。寻找自助服务分析和监视工具，这些工具可让企业管理部署并降低利用率和成本。 根据RightScale公司发布的2020年云状态报告，云治理连续三年成为采用云计算平台的所有企业面临的最大挑战，84%的受访者表示更加关注其混合云和多云部署中的治理。 企业越了解总体业务目标(以及组成IT基础设施的各种系统如何帮助实现这些目标)，部署混合云模型的成功机会就越大，因为这样就可以利用云计算技术的巨大优势来提高数字业务能力。
1.2K10发布于 2021-06-01 - 来自专栏云计算D1net
混合云多云环境如何部署微服务
微服务能够为混合云或多云部署带来大量的好处，但是它们也能够带来与网络、安全性等相关的新挑战。 大多数IT企业已经开始认识到在开发和部署中实施软件组件化的好处。 当微服务能够符合上述特点时，用户需要在混合云或多个云部署中维护每一个微服务。 微服务对多云网络的影响 因为微服务是小块的功能组件，它们可以将应用程序分解成为对外部服务的很多个连续请求。 在用户部署微服务之前，应跨用户的混合云或多云环境测试所有负载变化下的微服务运行性能。如果用户的服务质量低于可接受水平，那么可变更网络连接以矫正之。 另外，用户可以设计自己的应用部署过程以便于服务不会移动到用户网络中的盲点。 混合云和多云应用中的网络性能问题通常都与数据流量流经多云、或云和数据中心以及边界点的方式相关。 安全地部署微服务 多个应用经常共享一个单一的微服务，这一事实带来了混合云和多云环境中的另两个挑战：安全性和合规性，以及状态和无状态行为。
1.7K90发布于 2018-03-26 - 来自专栏深入浅出区块链技术
Filecoin 二阶段测试(3) - 异构集群测试
今天给大家分享一下我们近期在测试网验证过的异构集群挖矿方案。 （2）通过 ssh 登录到 Miner 节点，创建钱包和矿工 gamma_lotus wallet new bls t3rslakvn3kg4y3g2kmgj6pu2rszydinfn4uh5fhnfa4k6wol5oychtkdpjkrqsqs3q54tndmmg7fq42diyqdq FIL_PROOFS_PARAMETER_CACHE=/gamma/filecoin-proof-parameters gamma_lotus-storage-miner init --actor=t0117997 --owner=t3rslakvn3kg4y3g2kmgj6pu2rszydinfn4uh5fhnfa4k6wol5oychtkdpjkrqsqs3q54tndmmg7fq42diyqdq （3）安装 lotus-seal-worker ? 当前集群已经稳定运行 5 天了，目前一切正常，除了有段时间关机调整机器配置掉了 3 个扇区的算力以外，后面就再也没有掉过算力。 目前 Miner Info 如下图所示： ? 3.
1.8K30发布于 2020-07-14 - 来自专栏k8s技术圈
使用 KubeSlice 简化混合多集群、多云 Kubernetes 部署
多云或混合策略使企业可以自由地使用最好的云原生服务。每个云提供商都有独特的工作负载价值主张供企业考虑。 Kubernetes 的扩散 在混合/多云部署的背景下，值得注意的是，容器化应用程序架构的采用已经随着 Kubernetes 及其灵活的平台发生了深刻的变化。 当平台团队面临为应用程序开发人员提供基础设施时，他们会遇到繁琐的运维管理挑战：（1）在多集群部署中扩展命名空间一致性的构建，同时保持租户性质；（2）对集群资源进行管理；（3）防止环境配置漂移而导致集群配置问题 KubeSlice - 高效的混合/多云集群连接和管理解决方案 在企业世界中，管理大规模应用和基础架构可能是一项艰巨的任务。 KubeSlice 为其中的 pod 带来了 3 种功能，包括：Kubernetes 服务、网络服务以及多租户和隔离。
78910编辑于 2024-02-22 - 来自专栏云计算D1net
混合云计算部署的三个要求
如今，许多IT专业人员倾向于采用混合云方法，让企业的不同工作负载在内部部署数据中心或在公共云中这样彼此独立的情况下运行。然而，对于大多数企业来说，采用更多的是混合云计算部署。 真正的混合云计算部署需要适当的连接、管理和支持新兴技术，如微服务。 (1)混合云连接 企业在开始采用混合云部署之前，请关注支持与本地部署的数据中心进行高性能互连的公共云提供商提供的服务。 (2)混合云管理 企业还需要实施全面的混合云管理，无论工作人员身在何处，都必须能够监控和控制工作负载。 (3)混合云和微服务 组织应该寻找先进的功能，例如使用微服务目录的能力以及即时协商技术合同。 迄今为止，为这种方法提供帮助的标准很少，但是对于混合云计算部署来完全实现其承诺，其服务响应服务的能力必须是松散的耦合规则。
1.2K60发布于 2018-03-28 - 来自专栏sktj
Kubernetes(3:部署)
1 3个节点： k8s-master k8s-node1 k8s-node2 2 yum install -y docker 3 所有节点安装kubelet kubeadm kubectl
72430发布于 2019-09-24 - 来自专栏大规模集群
大规模异构集群，混合并行分布式系统，解释算力不均衡问题HETHUB
视频教程在这：3.2大规模异构集群，混合并行分布式系统，解释算力不均衡问题HETHUB_哔哩哔哩_bilibili一、大规模异构集群出现的原因：同一种GPU数量有限难以构建大规模集群：训练大规模模型依赖于大量的计算资源 因此出现了大规模模型的混合并行分布式训练系统HETHUB，该系统支持异构集群，包括AMD、Nvidia GPU和其他类型的GPU加速器。 不同类型GPU加速器的计算和存储差异以及大规模模型的计算通信强耦合特性导致分布式策略的数量随着异构GPU加速器、层或模型运算符的数量呈指数级增长。3） 准确性挑战。 因此大规模模型的混合并行分布式训练系统HETHUB，做了如下工作。1、异构通信：我们构建了一个分布式统一通信器来支持不同GPU加速器之间的通信。 3、自动并行规划器，它可以为给定的模型和异构集群拓扑自动搜索最优的分布式并行策略。它可以提高开发和模型计算效率。
71310编辑于 2024-09-30 - 来自专栏做数据的二号姬
踩坑 | power bi混合模型部署失败的问题
13 2023-08 踩坑 | power bi混合模型部署失败的问题 因为最近踩了太多坑了，所以准备开一个新的系列，分享一些最近新学（cai）到（keng）的东西，更新不定期~ LEARN MORE 在这个项目中，实际用到的power bi连接方式是import+direct query的混合模型，这种方式相对来说还是比较冷门的，我对这玩意也称不上是非常熟悉。 在经历了无数次报错&测试&打电话给微软的印度老哥之后，总结了一些经验： 如果上一个版本的模型是import的，新版本的模型是direct query的，无法通过管道工具进行部署； 对于混合模型（import 对于开发人员骚操作删除了dev环境已有的报告的，操作方式和注意实现和混合模型发布失败的处理方式类似，删除UAT环境的报告，按照新增的方式进行发布即可。 简单来说，部署卡死就是部署界面一直转圈圈，无法取消也无法部署，并且于此同时，看板页面无法正常打开（一直转圈圈）。
68230编辑于 2023-09-06 混合云环境下YashanDB部署与数据同步技术
在现代数据处理环境中，数据库技术的发展及其应用变得愈发复杂，尤其在混合云环境中，如何有效地部署数据库并实现数据的高效同步成为了一个重要问题。 YashanDB的部署架构YashanDB支持多种部署形态，其中包括单机部署、分布式集群部署和共享集群部署。 数据同步技术在混合云环境中，数据的实时同步是确保数据一致性的关键。 3. 实施建议为更好地实施YashanDB在混合云环境下的部署与数据同步，可以遵循以下几点建议：根据企业规模与业务需求合理选择YashanDB的部署形态，确保系统的灵活性与可扩展性。 结论随着混合云解决方案的普及与深化，YashanDB及其运用将迎来新的发展机遇。通过灵活的部署架构及高效的数据同步技术，可以为中小企业甚至大型企业数据管理提供强有力的支持和保障。
25410编辑于 2025-09-29- 来自专栏云攻略专区
【腾讯云】CLB负载均衡+混合云部署负载实践！
背景: 在混合云部署的场景中，可以使用负载均衡直接绑定云下本地数据中心（IDC）内 IP，实现跨 VPC 与 IDC 之间的后端云服务器的绑定。 IPv6 版本的实例需开启双栈混绑功能，开启后七层监听器可以同时绑定 IPv4 和 IPv6 的后端服务器，当七层监听器混绑 IPv4 IP 时，支持跨地域绑定2.0和混合云部署。 跨地域绑定2.0和混合云部署，不支持 安全组默认放通，请在后端服务器上放通 Client IP 和服务端口。 跨地域绑定2.0和混合云部署不支持绑定其它负载均衡实例（即不支持 CLB 绑定 CLB ）。 目前仅广州、深圳、上海、济南、杭州、合肥、北京、天津、成都、重庆、香港、新加坡、硅谷地域支持该功能。 TCP 和 TCP SSL 监听器需在 RS 上通过通用 TOA 获取源 IP，详情请参见 混合云部署场景下通过 TOA 获取客户端真实 IP。
4.8K43编辑于 2022-07-04 - 来自专栏IT大咖说
与传统相比，混合云如何实现更便利的部署
阅读字数：2008 | 6分钟阅读 摘要 混合云是如何定义的，它所包含的架构又有哪些，与传统人工部署相比，混合云如何实现更便利的部署，本次将逐步分析讲解，并且还有相关案例参考。 混合云，重新定义数据中心服务 混合云包括公有云、私有云、专有云还有数据中心内的超融合。它将多个云串联起来，利用各自的优缺点来部建数据中心的应用。 混合云IT架构 ? 混合云 x Dev/Ops ? 上图是我们在数据中心的一个产品的架构，混合云改变了原来的IT三大件的使用和采购的整个环节。 原先的人工部署需要进行项目采购，还要参考需求、预算和招标，而当引入云应用后整个流程就都被改变了，无需额外购置硬件，只需要去使用云就可以了。 所以才需要应用到混合云，混合云将会迅速的取代线下的存储设备和服务器设备，但同时由于各个介质的不同特色，无法被完全替代，混合云是否能达到我们的期待就不可而知了。
1.6K40发布于 2018-10-23 - 来自专栏云云众生s
人工智能的未来：混合边缘部署不可或缺
在那些日子里，这个决定不是二元的；它是一种混合组合，为任何组织和项目提供了必要的灵活性。 从主要基于云的 GenAI 转向边缘加云选项类似于 Web 应用程序的演变。 生活在边缘 人工智能应用程序中的边缘部署提供了许多好处，正在重塑技术格局。 其中最重要的是“始终可用”。 最后，边缘部署允许在安全环境中集中大型共享资产，这反过来简化了存储管理和访问控制，增强了数据安全性和治理。 将你的头置于云中 虽然边缘部署在人工智能应用程序中提供了引人注目的特性，但基于云的部署也是如此。 例如，云提供了更多计算能力。云环境通常提供大量的计算资源，使其成为需要大量计算能力的任务的理想选择。 边缘 + 云 = 人工智能的民主化 边缘和云解决方案之间的协同作用不可否认，它创造了一个混合生态系统，最大化了人工智能应用程序的潜力，同时满足其独特需求。
38610编辑于 2024-05-15
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号