关于 最稳的幸运飞艇实时计划 zs25.com 主管Q:86< 的搜索结果,共1740
l****m 2018-07-10
五年前预言——2012年云维职位展望
生产领域公司因为维涉及到在在钱,所以维人员待遇高(都是专有技术难培养)、做事情少(自发做事多了会出错,不如找厂商技术支持),只是跳槽难度比通用维要大一些(都是专有技术不通用) 4、彻底转型,做和算机无关工作;选这条路人一部分是自己有大觉悟或巧机缘,但另一部分人是真适应不了环境变化,希望各位不要被淘汰掉。 后总结一下,云算是不可阻挡历史趋势,它还给了维五到十年间去修正自己职场规,我们可以顺势而为也可以激流勇进,但不可得过且过随波逐流终。 天行健,君子自强不息。
金****洲 2018-07-10
混乱集群遇见TA 从此岁月静好
背景 浪潮奔流不息,科技发展也从未停步。云算历经多年发展,从概念模型,到被大众熟知,再到现在全行业拥抱上云,取得了巨大进步。云要客户已从中小初创公司逐步渗透到各行各业大型企业。可以说,企业上云已是企业发展必由之路。部分数据敏感企业结合自身数据安全性、所有权和控制权等综合因素考虑,会选择搭建自己私有云或者混合云环境。 但是在上述环境中,用户机器都需要自行理,这就必然给云维人员带来很多意想不到麻烦。 其我们面临问题从来就没有什么大变化,唯一不同只是机器规模越来越大,人心越来越复杂。 Q如何在1台机器上部署基础设施?A 一切都源于那个亘古不变道理:扔一个文件到机器上,然后跑一个命令。 Q如何在10台机器上部署基础设施?A 写个for循环搞定。 Q如何在10000台机器上部署基础设施?A 这个也好办!定制操作系统镜像CUSTOM.iso装机自动化安装! then…… Q如何快速升级所有机器上基础设施? Q服务因异常挂掉,能自动重启保活吗? Q公司做活动,预流量突增,能扩容吗? Q公司活动结束,为节约成本,能缩容吗?
w****t 2018-07-10
AIOps中四大金刚
具体职责包括: 在AIOps代,维工程师一方面需要熟悉维领域知识,了解难题和解决思路;另一方面需要了解人工智能和机器学习思路,能够理解哪些场景问题适合用机器学习方法解决,需要提供怎样样本和数据,即成为AI在维领域落地解决方案专家。 维AI工程师 在单机房故障自愈场景中,维AI工程师将机器学习算法与故障处理业务场景相结合,针对单机房故障场景风险点,进行策略研发与验工作。如下图所示: 维AI工程师分别设了如下算法策略来满足整个复杂故障场景自动决策: 异常检测算法:解决故障发现指标异常判断问题,基于AI方法现较高准确率和召回率,作为整个故障自愈数据基础。 策略编排算法:基于当前线上际流量和服务状态,设损益算模型,判断基于何种方式操作组合或步骤,能够使整个自动止损带来收益大,风险小。 流量调度算法:基于线上服务容量与流量情况,进行精确流量比例算,防御容量不足或不准风险,并现流量调度收益大化。
y****i 2018-07-11
做容器云佳用户
前言 我一直瞧不上容器厂商企宣话述,连带着看轻了容器技术;但容器技术是有价值,容器编排技术更是一片大好发展方向。 我很讨厌这些电线杆小广告宣传方式:可以现弹性伸缩、自动化维、持续交付、微服务、秒级部署、高强度容灾、多版本控制等功能,从而改善和解决复杂IT应用场景。事上是使用者自己设维护可以弹性伸缩、自动维、容灾冗余程序,无论是用物理机、虚拟机还是容器(进程),本来能弹性服务还是能弹性,没容灾服务还是在赌命。 合格架构和维都瞧不上这些废话,因为十年前我们用裸机就能现这些功能了。但世上没有那么多合格架构师,云算要解决就是缺人问题。机也是类似夸张无赖宣传,我第一眼看云机也觉得是个噱头,这些遗毒至今还在误导客户。本文是为说清容器能力特性,我们该如何用好容器编排系统。 容器基础特性 容器和虚拟机都属于IaaS云范畴,按申请资源量付费,不关注客户业务逻辑和访问频率。容器只是隔离出一个进程,而虚拟机是模拟了一整套操作系统,这是双方本质区别。
流****水 2018-07-11
度云企业级维平台——NoahEE
在业务规模发展到一定程度后,维工作还停留在早期人工或脚本方式执行阶段,这样差异非常频繁发生。 在维中,还有更多因素需要考虑,例如机器是否会分配给不同部门(资源隔离)?权限又该如何控制?随着规模变大,人力成本等理成本上升,然而效率低下、可用性不升反降等等都是非常可能出现问题。百度对于这个问题给出答案是,必须先要解决资源组织理问题。简单说,服务理要解决核心问题就是如何对资源进行有效组织理与定位: 图2 解决规模带来问题 在服务理这个地基打好后,我们再来回顾下上面例子。这个例子中,地图研发同学就可以在维平台中选中导航模块进行升级,维平台会通过服务理来定位此次升级操作需要影响机器并进行批量操作。NoahEE中所有维系统,都以服务理为基础来进行维操作,例如在监控系统中,我们可以对导航模块(而不是单台机器进行操作)添加一些指标采集任务,并在一定条件达成报警。服务理通过对资源合理组织,极大简化了维操作,提升了维效率。
m****t 2018-07-11
中立公有云云平台
当我们要设平台小必须算资源为这几项: 1.云机,2.云硬盘,3.公网IP+带宽4.VPC+安全组5.负载均衡 一个云平台缺少这五项中任何一项,用户都不可能达到等同于自购物理机效果,甚至基本功能都无法执行。当前各大供应商(含OpenStack和Zstack方案)都将这些云资源都已经现API化创建、查询、理、删除。 对这些必要云资源思路是,在能保证基础功能和用户便利前提下,尽量砍掉一些炫酷但只有少数厂商支持功能,为了简化开发难度,对一些通用但低频功能也可以拖到二期三期再做。 比如云机创建机API必备功能是“选择硬件配置”“顺手创建公网IP”“自定义镜像克隆机”“设置机名”理API必须有“查看机状态和配置”“硬重启”“绑定/解绑IP、硬盘”。其他功能根据项目组人力和工期可选展示给客户,有人有间就多做,没人没间就少做。
M****点 2018-07-10
中国云算现状——产品篇
此外还有个哈哈哈哈大杀器让我们不能投咨询标,投了咨询标就不能投施标了,施标金额要比咨询标大很多。 到了施阶段,其矛盾和咨询标差不多,既要干活又要写文档,而且验收者并不专业,施工作有传统厂商会抢着压价,还会有各种意外拖进度抢进度,各互联网企业施团队根本支撑不下来。传统厂商虽然压价抢标,但他们要是真有能施云算项目人才,互联网公司加价三倍挖走谢谢。 现在云施标常常是两种情况,或者是打着云招牌做虚拟机群集超简化云算,或者中标了但只有市场部发了下PR稿,别说施工结束间了,施工开始间都没定下来。 要解决这种窘境困局需要机和努力。传统IT公司张开翅膀等风起,云算技术已经越来越成熟了;今天看沙克朋友圈,kolla健壮可维性已经超出想象,他很担心专业云维会失业。互联网公司总有明白人会踏做事,云算软件也是软件,一个难以描述、难以使用、难以维护软件是必然被淘汰,带头淘汰同行才是生存之道。对于客户来说,要花好几百万几千万预算也是个技术活,产品篇我已经讲了云算有哪些产品,在云算现状采购篇中,我会从给您做更多选型说明和采购建议。
b****z 2018-07-11
智能维基础-维知识库之ETL
因此,依托『书同文』理念建立维知识库,提供一个统一维数据理系统,来维工作中公共基础数据,打通系统间数据关联,使这些数据能够遵循统一模型被共享和使用。 为了使这些数据能够遵循统一模型,我们制定了各类数据模型(Schema),采用ETL机制从各系统获取(Extract)数据、转换(Transform)成统一模型、并存储(Load)在知识库中,其架构如图所示。 这些维数据在建设根据业务对数据效性要求不同,分为以下三种: 离线数据建设,例如用于维变更效率指标统等相关数据; 近线数据建设,例如故障诊断过程中依赖数据; 数据建设,例如智能故障自愈、智能流量调度相关路由数据等。 对于上述不同数据我们采用不同ETL方式,分别是: 拉(Pull ETL),周期性从数据源拉取数据,适用于离线数据建设; 推(Push ETL),数据源动推送变更数据,适用于效性较高近线数据建设; Federation(Lazy ETL),在查询从数据源获取数据、按照Schema转换后并返回,适用于数据建设。
TOP