`
zxxapple
  • 浏览: 80274 次
  • 性别: Icon_minigender_1
  • 来自: 南京
社区版块
存档分类
最新评论

Eucalyptus 使用注意事项

阅读更多

 

Eucalyptus 镜像的问题

   1. 官方网站提供的镜像 分为三个部分 1.ramdisk 2.kernel 3. 文件系统镜像

     用户每次启动镜像实例,上次使用的数据是不被保存的,类似于还原系统,因为手动制作镜像比较麻烦,所以建议修改原有的镜像,首先扩大文件系统镜像的大小,然后才有足够的空间来向镜像中安装一些应用软件,具体步骤如下:

#   fsck.ext3 -f ubuntu-9.04-i386.img
#   resize2fs ubuntu-9.04-i386.img 8G

其中 8G 即为要镜像扩大的大小, ubuntu-9.04-i386.img 为文件系统镜像的名称。

接下来就可以向其中安装软件了:

首先建立一个临时文件,以便文件系统镜像挂在到其上:

# mkdir temp-mnt

进行挂载:

#losetup /dev/loop5 root.img
#mount /dev/loop5 temp-mnt

你必须使用 chroot 命令登录到镜像:

#chroot temp-mnt

接下来就可以进行安装了,就像在其它机器上安装软件一样。

解除挂载:

# umount /dev/loop5
# losetup -d /dev/loop5

最后在重新上传镜像了。

 

SC 的使用

   1. 因为用户在使用镜像的时候,不能保存持久化数据,所以就提供了 SC 这一模块,它可以在 SC 上分配一片空间出来,挂载到实例上,以便用户保护自己的持久化数据,每次使用都需要挂载到自己的实例上,而且可以在 Walrus 上建立一个快照,增加可靠性,使用方法如下:

创建 Volumes

# creat-euca-volume –size <size> --zone <zone>

其中 size 的是所创建的 volume 的大小,单位为 GB zone 为创建 sc 属于哪一个集群( cluster ),

也可以从一个已存在的快照来创建一个 volume

#euca-create-volume –snapshot <snapshot id>   --zone <zone>

查询所有 volume 的状态:

#euca-describe-volumes

如果显示 available 状态,则该 volume 可以使用。

将可以利用的 volume 绑定到 instance 上:

#euca-attach-volum –i <instance id> -d <local device name > <volume id>

Exp:

#euca-attach-volum –i  i-2343423d -d  /dev/sdb vol-fsfdfev

同样地也可以从一个 volum 创建一个快照:

#euca-create-snapshot vol-aweer322

 

Walrus 的使用

  1. Eucalyptus 提供了与亚马逊云同样地访问接口,其中 Walrus 实现了与 S3 同样地访问接口,于是可以使用 S3 API 来访问 Eucalyptus Warlus ,实现简单存储,官方提供了开发好的工具 JetS3t Cockpit 的工具,是已经下好的 GUI 工具,可以很方便访问(支持 Linux Windows ),而且其中提供了一些重要的 API ,我们可以使用这些 API 进行自己的开发。

前文提到的上传的镜像都是存储到 Warlus 中去,以及管理平台页面 webapps 也是存在 Warlus ,该 web 项目采用的是服务器采用的是 jetty 的开源 servlet 容器,前端采用的是 Java+GWT 的开发模式,

1.       简单介绍小 Walrus 的存储原理,从上到下是 Buckets,Objects,data.

每个 Bucket 中有许多 Object ,每个 Object 中存放一块数据,一个较大的数据可以被分成多个快存储在多个 Object 中;

3 .具体开发详见 JetS3t 使用:

 

后期遇到的问题(比较重要)

. 关机命令: shutdown –h now

2. 需要将 clc 节点的 /var/lib/eucalyptus/keys/cluster-1( 集群名称 )  下面的文件 copy cc 下面的 /var/lib/eucalyptus/keys/**

从官网下载下来的证书 cloud-cert.pem copy /var/lib /eucalyptus/keys/*

1.  clc 节点除了安装依赖包以外 ,还需安装  

          eucalyptus-1.6.2-1.i386.rpm\

           eucalyptus-cloud-1.6.2-1.i386.rpm \

           eucalyptus-common-java-1.6.2-1.i386.rpm \

           eucalyptus-cc-1.6.2-1.i386.rpm\

           eucalyptus-gl-1.6.2-1.i386.rpm

4 . euca-conf –register-nodes 只能够在 CC 节点注册

5. 查看节点 euca-conf –list-nodes clc 端点进行

6. 注意 clc 系统时间,时间错误可能不能通过查询接口访问(时间戳问题)

7.warlus 需要启动后管理员网站才能进去,因为 web 的部分是缓存在 warlus 中的

8. 若要使用 putty 登录虚拟机 需要将 openssh 密钥转换为 putty 密钥方可登录

9. 修改 loop device 的数目   vi /etc/modprobe.conf

最后一行添加 options loop max_loop=256

每个 nc 节点的 loop device 数量如果不够的话(默认是 8 个) 没启动一个虚拟机都需要三个 loop device  来分别挂载 /root /swap / ephemeral

所以需要修改 loop device 的数量   来进行运行更多的虚拟机

 

10. 项目问题: 多次连续使用 sshj 登录的时候 会出现 Exhausted available authentication methods 的错误提示。。。而且不能有已经在使用的用户

分享到:
评论

相关推荐

    Eucalyptus安装与使用手册.pdf

    **注意事项**: - 在安装过程中可能会遇到依赖问题,如Python和Java环境的配置。 - 官方文档可能未完整列出所有依赖项,用户需自行搜索解决。 ##### 4. 启动并设置Eucalyptus 完成安装后,通过`rpm –ivh`命令来...

    eucalyptus安装

    具体的安装步骤将在后续部分详细介绍,包括各组件的具体配置及安装过程中的注意事项。需要注意的是,在安装过程中要特别关注系统的安全设置,确保所有组件都能正确地进行身份验证和权限管理,避免出现安全漏洞。 综...

    HOW TO MODIFY EUCALYPTUS SOURCE CODE2.0.2

    **注意事项** - 修改源码后,务必重新构建项目生成新的JAR,否则改动不会生效。 - 替换系统中的JAR文件时,需确保EUCALYPTUS服务已经停止,防止数据丢失或系统异常。 - 在测试修改后的新功能时,建议在一个隔离的...

    基于 OpenCV 的魔兽世界钓鱼机器人

    基于 OpenCV 的魔兽世界钓鱼机器人

    供应链管理中信息共享问题的研究.docx

    供应链管理中信息共享问题的研究

    青春文学中的爱情观呈现.doc

    青春文学中的爱情观呈现

    分布式光伏储能系统的优化配置方法 附Matlab代码.rar

    1.版本:matlab2014/2019a/2024a 2.附赠案例数据可直接运行matlab程序。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。

    Delphi 12.3 控件之XLSReadWriteII6.02.01.7z

    XLSReadWriteII6.02.01.7z

    图解系统-小林coding-v1.0.rar

    图解系统-小林coding-v1.0

    【光伏功率预测】基于EMD-PCA-LSTM的光伏功率预测模型 附Matlab代码.rar

    1.版本:matlab2014/2019a/2024a 2.附赠案例数据可直接运行matlab程序。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。

    漫画作品与乌托邦理想追求.doc

    漫画作品与乌托邦理想追求

    江苏建筑消防设施维护保养规程.rar

    江苏建筑消防设施维护保养规程.rar

    基于交互式可视化的Transformer模型注意机制探索工具-DODRIO及其应用

    内容概要:论文介绍了一款名为DODRIO的交互式可视化工具,帮助自然语言处理(NLP)研究人员和从业者解析基于转换器架构的语言模型内部工作机理。DODRIO整合了概述图与详尽视图,支持用户比较注意力权重与其输入文本的句法结构和语义特征。具体而言,它包含了依赖关系视图(Dependency View)、语义关注图(Semantic Attention Graph)以及注意力头概览(Attention Head Overview),并利用不同的图形展示方法使复杂的多层多头转换器模型中的注意力模式更容易理解和研究。 适用人群:适用于从事深度学习、自然语言处理的研究人员和技术从业者;尤其适合对基于变换器架构的大规模预训练语言模型感兴趣的开发者们。 使用场景及目标:DODRIO用于探索转换器模型各层级之间的联系、验证已有研究成果,同时激发新假设形成。具体使用时可以选择特定数据集中的句子作为样本输入,观察不同注意力机制如何响应文本内容的变化。此外,还可以用来对比精简版本DistilBERT的表现,评估其相对全量模型BERT的优势与不足。 其他说明:DODRIO为开源项目,提供web端实施方式,使得

    基于机器学习的疾病数据集分析

    该代码使用scikit-learn的乳腺癌数据集,完成分类模型训练与评估全流程。主要功能包括:数据标准化、三类模型(逻辑回归、随机森林、SVM)的训练、模型性能评估(分类报告、混淆矩阵、ROC曲线)、随机森林特征重要性分析及学习曲线可视化。通过`train_test_split`划分数据集,`StandardScaler`标准化特征,循环遍历模型进行统一训练和评估。关键实现细节包含:利用`classification_report`输出精确度/召回率等指标,绘制混淆矩阵和ROC曲线量化模型效果,随机森林的特征重要性通过柱状图展示,学习曲线分析模型随训练样本变化的拟合趋势。最终将原始数据和预测结果保存为CSV文件,便于后续分析,并通过matplotlib进行多维度可视化比较。代码结构清晰,实现了数据处理、模型训练、评估与可视化的整合,适用于乳腺癌分类任务的多模型对比分析。

    数字化智慧园区建设实施PPT(43页).pptx

    在智慧城市建设的大潮中,智慧园区作为其中的璀璨明珠,正以其独特的魅力引领着产业园区的新一轮变革。想象一下,一个集绿色、高端、智能、创新于一体的未来园区,它不仅融合了科技研发、商业居住、办公文创等多种功能,更通过深度应用信息技术,实现了从传统到智慧的华丽转身。 智慧园区通过“四化”建设——即园区运营精细化、园区体验智能化、园区服务专业化和园区设施信息化,彻底颠覆了传统园区的管理模式。在这里,基础设施的数据收集与分析让管理变得更加主动和高效,从温湿度监控到烟雾报警,从消防水箱液位监测到消防栓防盗水装置,每一处细节都彰显着智能的力量。而远程抄表、空调和变配电的智能化管控,更是在节能降耗的同时,极大地提升了园区的运维效率。更令人兴奋的是,通过智慧监控、人流统计和自动访客系统等高科技手段,园区的安全防范能力得到了质的飞跃,让每一位入驻企业和个人都能享受到“拎包入住”般的便捷与安心。 更令人瞩目的是,智慧园区还构建了集信息服务、企业服务、物业服务于一体的综合服务体系。无论是通过园区门户进行信息查询、投诉反馈,还是享受便捷的电商服务、法律咨询和融资支持,亦或是利用云ERP和云OA系统提升企业的管理水平和运营效率,智慧园区都以其全面、专业、高效的服务,为企业的发展插上了腾飞的翅膀。而这一切的背后,是大数据、云计算、人工智能等前沿技术的深度融合与应用,它们如同智慧的大脑,让园区的管理和服务变得更加聪明、更加贴心。走进智慧园区,就像踏入了一个充满无限可能的未来世界,这里不仅有科技的魅力,更有生活的温度,让人不禁对未来充满了无限的憧憬与期待。

    Matlab实现BO贝叶斯优化-Transformer-GRU多特征分类预测的详细项目实例(含完整的程序,GUI设计和代码详解)

    内容概要:本文档介绍了基于MATLAB实现的贝叶斯优化(BO)、Transformer和GRU相结合的多特征分类预测项目实例,涵盖了详细的程序设计思路和具体代码实现。项目旨在应对数据的多样性与复杂性,提供一种更高效的多特征数据分类解决方案。文档主要内容包括:项目背景与意义,技术难点与解决方案,具体的实施流程如数据处理、模型构建与优化、超参数调优、性能评估以及精美的GUI设计;详细说明了Transformer和GRU在多特征数据分类中的应用及其与贝叶斯优化的有效结合,强调了其理论与实际应用中的价值。 适合人群:具备一定机器学习和MATLAB编程基础的研发人员,特别是从事多维数据处理与预测工作的专业人士和技术爱好者。 使用场景及目标:① 适用于金融、医疗、交通等行业,进行复杂的多维数据处理和预测任务;② 提升现有分类任务中复杂数据处理的准确度和效率,为各行业提供智能预测工具,如金融市场预测、患者病情发展跟踪、交通流量管理等。 其他说明:本文档包含了丰富的实战案例和技术细节,不仅限于模型设计本身,还涉及到数据清洗、模型优化等方面的知识,帮助使用者深入理解每一步骤背后的原理与实现方法。通过完整的代码样例和GUI界面设计指导,读者可以从头到尾跟随文档搭建起一套成熟的分类预测系统。

    Hive sql练习题,只是参考作用

    大数据的sql练习题,初级中级高级

    基于自注意力机制的序列转换模型-Transformer的提出及其应用

    内容概要:论文介绍了名为Transformer的新网络架构,它完全基于自注意力机制,在不使用递归或卷积神经网络的情况下建模输入与输出之间的全局依赖关系,尤其适用于长文本处理。通过多头自注意力层和平行化的全连接前馈网络,使得在机器翻译任务上的表现优于当时最佳模型。具体地,作者用此方法实现了对英语-德语和英语-法语翻译、句法解析等任务的高度并行化计算,并取得显著效果。在实验方面,Transformer在较短训练时间内获得了高质量的翻译结果以及新的单一模型基准。除此之外,研究人员还探索了模型变体的效果及其对于不同参数变化时性能的变化。 适用人群:从事自然语言处理领域的研究者、工程师、学生,熟悉深度学习概念尤其是编码器-解码器模型以及关注模型创新的人士。 使用场景及目标:主要适用于序列到序列(seq2seq)转换任务如机器翻译、语法分析、阅读理解和总结等任务的研究和技术开发;目标在于提高计算效率、缩短训练时间的同时确保模型性能达到或超过现有技术。 其他说明:本文不仅提出了一个新的模型思路,更重要的是展示了自注意力机制相较于传统LSTM或其他方式所拥有的优势,例如更好地捕捉远距离上下文关系的能力

    【故障诊断】一种滚动体轴承或齿轮的重复瞬态提取方法研究 附Matlab代码.rar

    1.版本:matlab2014/2019a/2024a 2.附赠案例数据可直接运行matlab程序。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。

    用于平抑可再生能源功率波动的储能电站建模及评价 附Matlab代码.rar

    1.版本:matlab2014/2019a/2024a 2.附赠案例数据可直接运行matlab程序。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。

Global site tag (gtag.js) - Google Analytics