云数据_云数据库 - CSDN
精华内容
参与话题
  • 三维点云数据集—目标检测、分类、匹配

    万次阅读 多人点赞 2019-01-11 14:25:02
    三维点云数据集 做三维点云处理,常常因为数据烦恼,因此想把所用过下载过的数据集整理一下,若有不准确或者更多的资源,欢迎万能的网友们提点并告知(持续更新)。。。 1. The Stanford 3D Scanning Repository...

    三维点云数据集

    做三维点云处理,常常因为数据烦恼,因此想把所用过下载过的数据集整理一下,若有不准确或者更多的资源,欢迎万能的网友们提点并告知(持续更新)。。。

    1. The Stanford 3D Scanning Repository斯坦福大学的3 d扫描存储库

    链接:http://graphics.stanford.edu/data/3Dscanrep/

    这应该是做点云数据最初大家用最多的数据集,其中包含最开始做配准的BunnyHappy BuddhaDragon等模型。

    2. Sydney Urban Objects Dataset(悉尼城市目标数据集)

    链接:http://www.acfr.usyd.edu.au/papers/SydneyUrbanObjectsDataset.shtml

    这个数据集包含用Velodyne HDL-64E LIDAR扫描的各种常见城市道路对象,收集于澳大利亚悉尼CBD。含有631个单独的扫描物体,包括车辆、行人、广告标志和树木等。可以用来测试匹配和分类算法。

    3. ASL Datasets Repository

    链接:https://projects.asl.ethz.ch/datasets/doku.php?id=home

    这个数据集包含的数据比较多类,由Automonous Systems Lab提供的数据,一般数据集都有对应发表的论文成果。下边只列出一些下载过,用过的。

    (1)IORS2018:目标检测和匹配

    (2)IJRR2012:测试点云配准算法

    (3)ISER2016:可用作点云配准(有源码)

    源码链接:https://github.com/ethz-asl/robust_point_cloud_registration

     

     

    4. Large-Scale Point Cloud Classification Benchmark(大规模点云分类基准)

    链接:http://www.semantic3d.net/

    这个数据库是做大规模点云分类的,提供了一个大的自然场景标记的3D点云数据集,总计超过40亿点。涵盖了各种各样的城市场景:教堂、街道、铁路轨道、广场、村庄、足球场、城堡等等。

     

    5. RGB-D Object Dataset(RGB-D对象数据集)

    链接:http://rgbd-dataset.cs.washington.edu/index.html

    RGB-D对象数据集是300个常见的家庭对象的大数据集。该数据集是使用Kinect风格的3D相机记录的,该相机以30Hz记录同步和对齐的640x480RGB和深度图像。对于每个物体,有3个视频序列,每个视频序列用安装在不同高度的照相机记录,以便从与地平线的不同角度观察物体。除了300个对象的孤立视图之外,RGB-D对象数据集还包括22个带有注释的自然场景视频序列,其中包含来自数据集的对象。这些场景覆盖了常见的室内环境,包括办公室工作区、会议室和厨房区域。

    6. NYU-Depth(纽约大学深度数据集

    链接:https://cs.nyu.edu/~silberman/datasets/

    这个数据集应该也是大家比较熟悉的,包括NYU-Depth V1数据集和NYU-Depth V2数据集,都是由来自各种室内场景的视频序列组成,这些视频序列由来自Microsoft Kinect的RGB和Depth摄像机记录。

    NYU-Depth V1数据集包含有64种不同的室内场景、7种场景类型、108617无标记帧和2347密集标记帧以及1000多种标记类型。

      NYU-Depth V2数据集包含了1449个密集标记的对齐RGB和深度图像对、来自3个城市的464个新场景,以及407024个新的无标记帧。

     

    7. IQmulus & TerraMobilita Contest

    链接:http://data.ign.fr/benchmarks/UrbanAnalysis/#

    该数据库包含来自巴黎(法国)密集城市环境的3DMLS数据,由3亿点组成。在该数据库中,对整个3D点云进行分割和分类,即每个点包含一个标签和一个类。因此,对检测-分割-分类方法进行逐点评估成为可能。 这个数据库是在iQmulus和TerraMobilita项目的框架内产生的。它被法国国家制图局(IGN)开发的MLS系统“ Stereopolis II”收购。注释将由IGN的MATIS实验室手动辅助进行。 

                                                           

     

    8.Oakland 3-D Point Cloud Dataset(奥克兰 )

    链接:http://www.cs.cmu.edu/~vmr/datasets/oakland_3d/cvpr09/doc/

    这个数据库的采集地点是在美国卡耐基梅隆大学周围,数据采集使用Navlab11,配备侧视SICK LMS激光扫描仪,用于推扫。 其中包含了完整数据集、测试集、训练集和验证集。

    9.The KITTI Vision Benchmark Suite

    链接:http://www.cvlibs.net/datasets/kitti/

    这个数据集来自德国卡尔斯鲁厄理工学院的一个项目,其中包含了利用KIT的无人车平台采集的大量城市环境的点云数据集(KITTI),这个数据集不仅有雷达、图像、GPSINS的数据,而且有经过人工标记的分割跟踪结果,可以用来客观的评价大范围三维建模和精细分类的效果和性能。

     

     

    其中,该团队还介绍了一些相关的数据集,可以参考:

    10.Robotic 3D Scan Repository

    链接:http://kos.informatik.uni-osnabrueck.de/3Dscans/

    这个数据集比较适合做SLAM研究,包含了大量的Riegl和Velodyne雷达数据。

    11.待更新。。。。

    注:欢迎广大网友分享数据及数据来源,博主也有一些比较散乱未经整理的点云数据(城市环境、建筑物等),欢迎资源共享!

                                                                                                                                                                              (转载引用请注明)

     

    展开全文
  • 数据库

    2020-03-29 13:30:09
    1.3 数据库是部署和虚拟化在云计算环境当中的数据库; 1.4 数据库的优良特性 动态可扩展; 高可用性; 较低的使用代价; 易用性; 免维护; 高性能; 安全; 1.5 数据库与其他数据库的关系 ...

    一.概述

    1.1 云计算通过网络以服务的方式为用户提供廉价的资源。
    1.2 优势

    • 按需服务;
    • 随时服务;
    • 通用性;
    • 高可靠性:冗余备份;
    • 成本低,廉价;
    • 超大规模;
    • 虚拟化;
    • 扩展性高;

    1.3 云数据库是部署和虚拟化在云计算环境当中的数据库;

    1.4 云数据库的优良特性

    • 动态可扩展;
    • 高可用性;
    • 较低的使用代价;
    • 易用性;
    • 免维护;
    • 高性能;
    • 安全;

    1.5 云数据库与其他数据库的关系

    • 数据模型:并非全新的一种技术,而是以服务的方式提供数据库功能;
      在这里插入图片描述

    二.云数据相关产品

    2.1 amazon

    • 亚马逊RDS:关系型数据库服务;
    • SimpleDB:键值数据库;
    • DynamoDB:提供NoSQL数据库;
    • Amazon ElastiCache:分布式内存缓存服务;

    2.2 Google :Google Cloud SQL;
    2.3 Microsoft:Microcoft SQL Azure,关系型数据库;

    三.云数据库系统架构

    3.1 通用MySQL集群,云数据库服务,即UMP;

    3.2 UMP系统概述

    • 特性:低成本,高性能;
    • 设计原则:
      • 整个系统保持单一的对外访问入口;
      • 消除了单点故障,保证服务的高可靠性;
      • 具有很好的可伸缩,能够动态地增加,减少计算资源;
      • 可以实现资源之间的相互隔离;

    3.3 UMP系统架构
    在这里插入图片描述

    • UMP系统包括:

      • Controller服务器

        • UMP集群的总管;
        • 提供集群成员的管理、元数据的存储、MySQL实例管理、故障恢复、备份迁移扩容等功能;
        • Controller服务器上运行了一组Mnsia分布式数据库服务;
        • 避免单点故障,设置了多个Controller服务器;Zookeeper来确定一个总管,提供对外服务;
      • Proxy服务器

        • 向用户提供访问MySQL数据库的服务;
        • 使用MySQL数据库时下载客户端、连接MySQL服务器;
        • 在这里插入图片描述
      • Agent服务器

        • 部署在运行MySQL进程的机器上用来管理每台物理机上的MySQL实例;
      • Web控制台

      • 日志分析服务器

        • 对整个日志进行分析;
      • 信息统计服务器
        在这里插入图片描述

      • 愚公系统

        • 不停机做数据迁移,可以实现动态扩容、缩容、迁移;
    • 依赖的组件:

      • Mnesia
        • 是一个分布式数据库管理系统
        • 支持事务,支持透明的数据分片,利用两阶段锁实现分布式事务,可以线性扩展到至少50个节点;
        • Mnesia的数据库模式可在运行时动态重配置;
          在这里插入图片描述
      • LVS
        • Linux虚拟服务器,是一个虚拟的服务器集群管理系统;
        • UMP系统借助LVS来实现集群内部的负载均衡
        • LVS集群采用IP负载均衡技术基于内容请求分发技术
        • 调度器是LVS集群系统的唯一入口点;
        • 整个服务器集群的结构对客户是透明的;
      • RabbitMQ
        • 是一个工业级的消息队列产品;
        • 基于队列的异步消息传输;
          在这里插入图片描述
      • Zookeeper
        • 高效可靠的协调服务;
        • 统一命名、状态同步服务、集群管理;
        • 作用:作为全局的配置服务器,提供分布式锁(选出集群的一个总管),监控所有MySQL实例;

    3.4 UMP系统功能

    • 容灾;
      • 是云数据库必须要具备的基础功能;
      • 为实现容灾UMP系统会为每个用户创建两个MySQL实例,一个主库,一个从库;
      • Zookeeper服务器维护主、从库的状态;从主库写入数据;主库发生故障后切换到从库;
      • 主从切换如下:
        在这里插入图片描述
      • 主库恢复:
        在这里插入图片描述
    • 读写分离;
      • 充分利用主从库实现用户读写操作的分离,实现负载均衡;
      • 写操作,直接发送到主库;读操作,被均衡地发送到主库和从库上执行;
    • 分库分表;
      • UMP支持对用户透明的分库分表;
      • 在这里插入图片描述
    • 资源管理;
      • 采用资源池机制对所有资源进行管理,具有多资源池;
      • 对于具体的MySQL实例如何分配资源:
        在这里插入图片描述
    • 资源调度;
      在这里插入图片描述
      在这里插入图片描述
    • 资源隔离;
      在这里插入图片描述
    • 数据安全;
      在这里插入图片描述

    3.5 Amazon和云计算

    • AWS:云计算的雏形,Amazon 开发的关系型数据库Aurora;
    • AWS架构图
      在这里插入图片描述
      • AWS Global Infrastructure(全局基础设施):云计算所有应用都是部署在这些基础设施之上的,有三个重要的概念。

        • 区域Region:在全球有很多区域;
        • 可用区Availability Zone:在一个区域的内部划分为很多的可用区Availability Zone(机房),可用区之间通过光纤连接;
        • 边缘结点Edge Locations:负责内容分发网络CDN;
      • Networking网络服务:

        • 提供直接连接服务;
        • VPN 方式去跟亚马逊进行连接;
        • Route 53:提供高可用可伸缩云域名解析系统;
      • Computer:

        • EC2,弹性计算云:提供云端虚拟机服务;
        • ELB:提供负载均衡器;
      • Storage存储服务

        • S3:简单的对象存储服务;
        • EBS:弹性块存储服务专门针对EC2虚拟机设置;
        • Glacier:用于较少使用的文档存储和备份,价格便宜;
      • DataBase

        • SimpleDB:基于云的键值数据库存储服务;
        • DynamoDB:性能高,容错性强,支持分布式;
        • 关系型数据库服务;
        • Amazon ElastiCache:数据库缓存服务;
      • App Services

        • 企业搜索级服务;
        • 队列服务;
        • 工作流服务;
        • 内容分发服务;
      • 部署管理服务

    计算类服务

    • 弹性计算云EC2:EC2提供了云端的虚拟机;
    • 弹性MapReduce:在云环境中部署Hadoop MapReduce换件,通过EC2虚拟机动态执行MapReduce计算任务;

    存储类服务:
    在这里插入图片描述
    工具和服务:
    在这里插入图片描述

    EC2架构:
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    3.6 AWS 上的数据库服务
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    3.7 微软云数据库 SQL Azure
    在这里插入图片描述

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    展开全文
  • 云数据中心概述与趋势

    千次阅读 2019-04-12 17:04:46
    数据中心概念 数据中心(Data Center)是企业IT系统的核心,海量数据运算、交换、存储的中心,关键信息业务应用的计算环境,集中管控各种数据、应用程序、物理或虚拟化设备的环境。 数据中心四大焦点:可靠,灵活...

    数据中心概念

    数据中心(Data Center)是企业IT系统的核心,海量数据运算、交换、存储的中心,关键信息业务应用的计算环境,集中管控各种数据、应用程序、物理或虚拟化设备的环境。

    数据中心四大焦点:可靠,灵活,绿色,资源利用率。

    数据中心发展趋势

    主机时代——分散化:局域网架构,大、小型机构建,小型数据中心

    互联网时代——集中化:www网架构,X86服务器参与共建,各种大型数据中心涌现

    云计算时代——模块化:云计算架构,X86服务器主流,模块化部署

    虚拟化、云计算技术牵引新一代数据中心系统架构的迁移。

    云计算的特点:

    1. 虚拟化:大规模集群,资源全面虚拟化
    2. 安全可靠:端到端安全设计,高可用性软硬件架构,跨域容灾
    3. 自动化:自动资源分配,故障自愈,可运营自助服务
    4. 绿色:能耗智能管理,模块化机房,智能测量评估

    数据中心的架构和应用场景

    架构:

    应用场景:运营商IDC、园区IDC、大企业IT托管、电子政务IT托管

    数据中心关键技术点

    云计算、虚拟化技术,数据中心网络,容灾备份,安全技术,整合迁移,运营管理,绿色机房

     

     

     

     

    展开全文
  • SDN在云数据中心的架构

    万次阅读 2017-05-19 00:37:39
    前言 SDN概念一直如火如荼,若是要谈到概念落地及大规模应用,一定离不开SDN在云计算数据中心的实践应用...本文站在云数据中心网络维护工程师的角度,给大家分享SDN与云数据中心结合的前世今生。 一、云数据中心


    前言

    SDN概念一直如火如荼,若是要谈到概念落地及大规模应用,一定离不开SDN在云计算数据中心的实践应用。云数据中心对网络提出了灵活、按需、动态和隔离的需求,SDN的集中控制、控制与转发分离、应用可编程这三个特点正巧能够较好的匹配以上需求。SDN,可以看为是软件开发和网络技术的混合领域。本文站在云数据中心网络维护工程师的角度,给大家分享SDN与云数据中心结合的前世今生。


    一、云数据中心为什么要引入SDN

    云计算近十年来受到互联网、IT和电信业共同的关注,云计算技术的快速发展和广泛应用使得数据中心的业务形态产生了很大的变化。目前数据中心业务聚焦在Iaas层,即云计算数据中心利用自身所拥有的计算、存储、网络、软件平台等资源向租户提供Iaas虚拟资源出租。典型的IaaS资源包含云主机(虚拟机)、对象存储、块存储、VPC专用网络(VPC,Virtual Private Network虚拟私有云)、公网IP、带宽、防火墙、负载均衡等产品。

    在网络层面,假设暂不考虑公网IP、带宽等衍生网络产品,仅是云主机,网络上最基本的技术要求就是可迁移性和隔离性。可迁移性,通常是指云主机在数据中心具备自动恢复能力。当云主机所在宿主机(物理服务器)出现宕机时,云主机能够自动迁移至另一台正常运行的物理服务器上且IP保持不变。隔离性通常可以分为两个层面,一是不同租户间的网络隔离,鉴于安全考虑,不同租户间内部网络不可达;二是同一租户内部不同子网(vlan)间的隔离,为业务规模较大的租户提供的多层组网能力。

    因云主机迁移IP不能变,进而要求网络需处于二层环境中,早期云数据中心在组网上通常是采用大二层技术。大二层技术,简单理解就是整个数据中心是一个大二层环境,云主机网关都位于核心设备上。一想到二层环境,肯定离不开广播风暴,也离不开遏制广播风暴的生成树协议。全网都用生成树协议,势必会阻塞较多的网络链路,导致网络链路利用率不足。为了解决利用率不足的问题,思科VPC(这个跟上文的VPC不一样,virtual port channel虚拟端口转发)技术和华为华三的IRF堆叠技术应运而出。简单的理解,上面两种技术都是对生成树协议的欺骗,最终使被生成树协议阻塞链路转变为可使用状态,提升链路使用率。结合大二层技术使用的租户隔离方式有两种常用的,一个是vlan隔离,一个是VRF(Virtual Routing Forwarding虚拟路由转发)隔离。若是采用vlan隔离,通常需要把云主机网关终结在防火墙上,这样才能满足租户间安全隔离的需求。这种模式下,一般是一个租户对应一个vlan;针对同一租户有多子网的需求,则需要在网关设备防火墙上通过较为复杂策略来实现。若是采用VRF隔离的方式,通常是把云主机网关终结在高端交换机或者路由器上,一个租户对应一个VRF。针对同租户有多子网的需求,则是一个VRF+多个vlan的模式。

    受限于vlan/VRF规模,无论是“大二层+vlan”还是“大二层+VRF”,都存在云数据中心租户数量不超过4096个的限制,同时也不允许租户间的IP地址段冲突。在加上传统IP网络架构在虚拟化、灵活配置和可编程方面能力不足,在云数据中心网络服务业务链编排上也有所制约。为了解决上述问题,出现了在云数据中心网络中引入了SDN的技术潮。

    二、SDN在云数据中心的系统架构

    SDN的3+2架构模型,从上到下分为应用层、控制层和转发层。以控制层为基准点定义了两个外部接口,其中,向上为应用提供自定义业务功能的API称为北向接口,向下控制使用底层网络资源的API称为南向接口。常用的北向接口标准是Restful,常用的南向接口标准是Openflow。

    SDN的3+2架构模型相信大家都不陌生。SDN在云数据中心跟云管理平台(以Openstack为例)整体融合考虑时,比较常见的系统架构如下所示。针对下图进行几个说明,说说为什么常用这种模式:


    1、关于系统层级的划分

    推荐的SDN系统层次划分中,云数据中心运营管理平台和Openstak统一被定义为应用层,独立的SDN控制器设备构成控制层,底层网络设备构成了转发层。在业界关于Openstack数据中心系统层级,除了图中所示,还有另外一种划分方式。在另一种划分方式中,是把Openstack的Neutorn当成是控制层,由neutron直接对接底层网络设备。在服务器规模较大的云数据中心,尤其是采用虚拟交换机时,控制器跟网络设备(虚拟交换机)之间的交互流量是比较大的。在实际部署中,通常会引用商业版的SDN控制器。商业版的SDN控制器与Neutron的对接,主要体现在于Neutron插件上。

    Neutron是Openstack的网络管理模块。Neutron主要由Neutron server、插件代理(Plugin Agent)构成。Neutron Server包含守护进程Neutron-server和各种插件Neutron-*-plugin。守护进程Neutron-server对外暴露API接口,配置管理网络插件,并把来自API的调用请求传给已经配置好的插件进行后续处理;插件Plugin分为core和additional两类,需要访问数据库来维护各种配置数据和对应关系。插件代理(Plugin Agent)通常位于计算服务器上,与Neutron上的插件进行通信,名字为Neutron-*-agent,通常与Neutron上的各种插件Neutron-*-plugin相对应。Neutron默认的core plugin是ML2。若是引入商业版的SDN控制器,需要安装对应的core plugin用来取代ML2,同时也需要安装对应的插件代理。在这种情况下,SDN控制器通过Neutron core plugin与neutron server进行通信连接,通过控制器南向接口纳管底层网络设备,例如通过openflow下发流表。

    2、关于管理流量和业务流量的区分:

    为保障云数据中心的网络信息安全和流量走向有序,基于数据类型将系统架构划分管理和业务两个平面。管理流量(云平台、控制器及网络设备之间控制流量)跑在管理域交换设备构建物理的通道上,业务流量(所有租户的业务流量)跑在业务域交换设备构建物理的通道上。两个数据通道完全隔离,物理独立。上图中的虚线为系统管理流量,实线为用户业务流量。管理平面并无特殊的组网需求,依旧采用传统组网。业务平面承载数据中心全部用户数据流量,需要考虑前面提到的虚拟机迁移大二层、租户隔离以及IP允许冲突等组网需求。云数据中心在业务平面通常采用vxlan的组网模式。需要澄清一点的是,Openstack的Neutron支持多种业务平面的组网模式,如flat, VLAN, GRE 和VXLAN。在云数据中心选择XVLAN的组网,主要是为了满足前面提到的三个组网需求。

    Vxlan,简单理解就是隧道报文封装。原始以太网数据包,包括原始IP/MAC地址和vlan等报头信息,均成为vlxan的报文内容。Vxlan包头,包含vxlan隧道两端VTEP(进行vxlan封装的网络设备)的IP/MAC地址和vxlan设备对应的vlan,与原始以太网报文无关。在这里,有三个网络标识要拎出来。

    • 第一个是外层802.1Q,位于vxlan报文封装的包头,是vxlan设备对应的vlan,也叫做underlay网络的vlan,为全局vlan。
    • 第二个是内层802 .1Q,位于原始以太报文内部,是原始用户数据对应的vlan,也成为本地vlan,仅在用户的虚拟机上联的vxlan设备内部有效。
    • 第三个是vxlan的隧道标识,也叫做VNI,是区分vxlan隧道的关键。Vxlan标识位有24位,即最多可支持2^24个,数量上远远胜出vlan/VRF。



    业务平面引入vxlan组网,vxlan和租户/租户网络之间的关系是云数据中心的组网模型重点。以一个云数据中心的典型租户VPC为例,分别分析vlan、VRF和vxlan组网的隔离模型。假设租户有2个子网,分别是子网A(192.168.100.0/24)和子网B(10.100.1.0/24),同子网二层互通,跨子网三层互通。

    • 若是在vlan组网中,子网A和子网B分别对应为两个vlan,vlan的网关终结在防火墙上,通过防火墙策略实现跨子网互通。
    • 若是在VRF+vlan的组网中,租户对应为一个VRF,子网A和B分别对应两个vlan,VRF关联两个vlan实现三层互通。
    • 若是在vxlan的组网中,需要理解前面提到的本地vlan和vxlan VNI和全局vlan这三个概念。Vxlan设备是封装和解封vxlan的边缘设备,因此以vxlan设备为界面,形成了全局vlan域和本地vlan隔离域。全局vlan域是vxlan设备和业务域传统网络设备构建的区域,此vlan是在数据中心业务域全局生效的。以下图为例,全局vlan标识为10,是vxlan设备与传统网络互连的二层标识,一般是在组网初始化时就确定了,后续不会更改。Vm至vxlan设备之间是本地隔离域,vlan仅在本地生效。在不同的本地隔离域中,用户每一个子网分别对应一个vlan,同一个子网的本地vlan标识可以相同也可以不同。如图所示,子网A在vxlan设备1构建的隔离域中对应为vlan100,在vxlan设备2构建的隔离域中对应为vlan200。在vxlan组网环境中,尤为关键的是vxlan的VNI标识。VNI标识也是在业务域全局生效的。业界常用方式是,用户的每个子网对应一个vlxan隧道,即一个VNI标识。跨子网通信也对应一个vlxan隧道。如图所示,子网A内部通信的vlxan VNI是10003,子网B内部通信的vlxan VNI是10002,子网A和子网B之间通信的vlxan VNI是10001。SDN控制器需要分配并存储云数据中心用户的vpc网络和底层网络设备本地vlan/vxlan的正确映射关系,设计并下发合适的流表至vxlan,确保业务流量的正常访问。


    3、关于物理交换机和虚拟交换机的选择:

    在SDN云数据中心,进行vxlan封装的可以是物理交换机也可以是虚拟交换机。通常把基于虚拟交换机实现vxlan封装的称为软件解决方案,基于物理交换机实现封装的称为硬件解决方案。这两种方案各有优劣,云数据中心可以基于自身业务模型和规模进行适配选择。

    在软件解决方案中,每台硬件服务器上都有虚拟交换机来承载vxlan的封装/解封装。以开源OVS为例,虚拟交换机有br-int和br-tun两个网桥,br-tun承载vlxan功能。也有其他的商用解决方案,仅有一个网桥来实现全部通信功能。控制器跟大量的虚拟交换机的控制流量交互,是方案的难点。尤其是虚拟交换机有首包请求机制时,控制器的压力比较大。

    在硬件解决方案中,通常由接入交换机来承载vlxan的封装/解封装。接入交换机通常是下挂24/48的硬件服务器,在同规模数据中心的软件方案相比,大大减少了vxlan设备数量。一些商业解决方案中,接入交换机通常会跑bgp evpn,用来在控制平面交互主机路由等关键信息。在硬件解决方案中,通常也会采用上面提到的本地vlan/全局vxlan/全局vlan这三个隔离概念。因为vxlan设备的本地隔离域很大,用户间隔离及用户内部互通流量模型极为复杂。为了区分不同用户,通常会在vxlan设备引入VRF,即一个用户对应一个VRF(VRF是全局生效的),简化控制复杂度。

    展开全文
  • 摘要: 12月7日,2017苏州·云栖大会上,阿里云发布全新的混合云数据存储和灾备方案,此次发布的内容包括最新推出的混合云容灾服务HDR和混合云备份服务HBR,以及全面升级的混合云存储阵列CSA2000和CSA3000。...
  • 云数据中心安全设计要点

    千次阅读 2017-05-18 19:34:25
    安全综述 ...1. 隔离性,云数据中心的各个组成部分都有各自的安全防护措施,当某一个部分出现故障时应尽可能减少对其他部分的影响。 2. 完整性,安全设计必须为整个系统提供全方位的安全防护,云数据
  • 摘要: 针对不同数据库间数据实时同步难的问题,日前,阿里云宣布推出混合云数据同步一站式解决方案,便于广大云产品用户实现实时数据同步的混合云支持,更为方便的是,该功能让本地Oracle也能实现与云上数据库的...
  • 云数据中心备份容灾设计方案

    万次阅读 2018-09-20 15:06:25
    导读:云计算中心 涵盖系统多、类型复杂、关键性...云数据中心备份容灾设计方案   本文主要内容: 数据中心业务分析 灾备技术实现 未来两地三中心规划 灾备方案实施步骤   数据中心业务分析   业务恢...
  • 寿阳,花名云生,袋鼠云数据中台解决方案专家。拥有二十年的企业IT管理经验,擅长大型企业信息化规划、项目管理、流程优化及管理变革等领域,曾在用友公司长期担任售前顾问,出任河南天瑞集团CIO(中国民企500强),...
  • 袋鼠云数据中台解决方案专家。拥有近10年大数据从业经验,拥有PMP项目管理资格认证,精通数据类项目的开发实施和管理。曾服务过国家工商总局、北京市工商局、北京市财政局、广州开发区大数据局、平湖人社局、海盐人...
  • 003云数据中心基础原理笔记

    千次阅读 2017-04-16 00:19:54
    云数据中心
  • 云数据中心基础原理

    千次阅读 2017-03-27 20:17:42
    传统数据中心的组成 云数据中心的组成 云数据中心与传统数据中心区别
  • xx大学云数据中心建设方案

    千次阅读 2017-05-20 06:25:43
    xxxxx大学云数据中心建设方案                                 2015/11     目录 第1章 云数据中心总体方案 3 1.1 设计原则 3 1.2 系统...
  • 阿里云数据工厂DataWorks

    千次阅读 2019-04-09 14:23:52
    阿里云数据工厂DataWorks DataWorks(数据工场,原大数据开发套件)是阿里云数加重要的PaaS平台产品,它提供全面托管的工作流服务,一站式开发管理的界面,帮助企业专注于数据价值的挖掘和探索。 DataWorks(数据...
  • 行业云应用创新加快,云数据中心建设规范呼之欲出 2012-07-25  赛迪顾问 IT系统产业研究中心 陈荣佳 云计算作为未来新一代信息技术与IT应用方式变革的核心、我国战略性新兴产业发展的重点领域,已经成为...
  • 云数据中心基础

    千次阅读 2018-05-17 13:19:54
    数据中心概述: DC (Data Center) 企业IT系统的核心 海量数据运算、交换、存储的中心 关键信息业务应用的计算环境 集中管控各种数据、应用程序、物理或虚拟化设备的环境 数据中心四大焦点:可靠、灵活、绿色、...
  • 袋鼠云数据中台解决方案专家。拥有近10年大数据从业经验,拥有PMP项目管理资格认证,精通数据类项目的开发实施和管理。曾服务过国家工商总局、北京市工商局、北京市财政局、广州开发区大数据局、平湖人社局、海盐人...
  • 云数据中心解决方案架构图

    千次阅读 2017-06-14 23:30:20
    展示云数据中心解决方案的整体架构。
  • 成立12年,Veeam(卫盟软件)这家原来作为虚拟机提供备份保护的厂商,正逐步转型为云数据管理厂商。
  • 最近在做的小程序项目中,为了实现一个聊天功能的实时性,需要对云端储存的聊天内容进行监控。...介绍利用collection.watch来实现云端数据的监控过程, 2.对于可能遇到的BUG(db.collection(...).where(...).watc...
1 2 3 4 5 ... 20
收藏数 488,429
精华内容 195,371
关键字:

云数据