Linux企业实战之自动化运维工具(五)——SaltStack(5)

Job管理

(1)Job简介

  • master在下发指令任务时,会附带上产生的jid(job id)。
  • minion在接收到指令开始执行时,会在本地的/var/cache/salt/minion/proc目录下产生该jid命名的文件,用于在执行过程中master查看当前任务的执行情况。
  • 指令执行完毕将结果传送给master后,删除该临时文件。

(2)Job Cache

  • Job缓存默认保存24小时
vim /etc/salt/master

在这里插入图片描述

  • master端Job缓存目录:

    /var/cache/salt/master/jobs
    在这里插入图片描述

(3) 把Job存储到数据库

由于job的缓存机制是minion和master都会存有job的缓存,所以我们可以想办法将缓存的信息,放置到外部的数据库上,由于minion和master上都会有job缓存,所以我们有两种方法来将job的缓存放到数据库中,一种是从minion端来采集,一种是从master端来进行采集

  • 第一种形式是从minion上来直接获取job cache然后存放到数据库中

在这里插入图片描述

  • 这种方式的优缺点:

    • 优点:存储数据时不会给Salt Master增加额外的负载。
    • 缺点: 每个Salt Minion都连接到外部Job cache,这会导致大量连接。还需要额外的配置去获取设置在所有Salt Minion上的返回模块。
  • 部署这种外部存储

    • 实验环境
server1salt-master,在其上安装数据库
server2salt-minion
server3salt-minion
  • 步骤一:在server1上安装数据库,并进行相关数据库的创建,用户创建,以及授权
yum install -y mariadb-server
systemctl start mariadb

vim add.sql

CREATE DATABASE  `salt`
  DEFAULT CHARACTER SET utf8
  DEFAULT COLLATE utf8_general_ci;

USE `salt`;

--
-- Table structure for table `jids`
--

DROP TABLE IF EXISTS `jids`;
CREATE TABLE `jids` (
  `jid` varchar(255) NOT NULL,
  `load` mediumtext NOT NULL,
  UNIQUE KEY `jid` (`jid`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

--
-- Table structure for table `salt_returns`
--

DROP TABLE IF EXISTS `salt_returns`;
CREATE TABLE `salt_returns` (
  `fun` varchar(50) NOT NULL,
  `jid` varchar(255) NOT NULL,
  `return` mediumtext NOT NULL,
  `id` varchar(255) NOT NULL,
  `success` varchar(10) NOT NULL,
  `full_ret` mediumtext NOT NULL,
  `alter_time` TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
  KEY `id` (`id`),
  KEY `jid` (`jid`),
  KEY `fun` (`fun`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

--
-- Table structure for table `salt_events`
--

DROP TABLE IF EXISTS `salt_events`;
CREATE TABLE `salt_events` (
`id` BIGINT NOT NULL AUTO_INCREMENT,
`tag` varchar(255) NOT NULL,
`data` mediumtext NOT NULL,
`alter_time` TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
`master_id` varchar(255) NOT NULL,
PRIMARY KEY (`id`),
KEY `tag` (`tag`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;


mysql< add.sql

上述的sql文件来源于http://docs.saltstack.cn/ref/returners/all/salt.returners.mysql.html#module-salt.returners.mysql,这里提供了一个数据库创建的文件,供我们测试使用
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

  • 步骤二: 在minion端进行python数据库模块的安装,以及配置文件的修改

这里需要解决一个问题,minion是如何连接数据库的?由于我们的saltstack是用python语言编写的工具,在python中我们要连接数据库,就需要调用python中的数据库模块,所以在这里我们需要在minion上先安装数据库模块的相关软件,然后在minion中开启数据库的相关参数,这样minion就可以连接数据库了

yum search mysql						#搜索数据库相关的软件
yum install -y MySQL-python.x86_64		#安装python的mysql模块

在这里插入图片描述
在这里插入图片描述

vim /etc/salt/minion
yum install -y mysql     					#安装一个mysql客户端
mysql -h 192.168.43.101 -usalt -psalt salt	#测试是否能够连接到master上的数据库
systemctl restart salt-minion				#由于minion的主配置文件做了修改所以重启minion才能够生效

在这里插入图片描述
在这里插入图片描述

salt server2 test.ping  --return mysql     #将serve让上的job cache返回到数据库中

在这里插入图片描述

mysql  -usalt -psalt salt
show tables;
select * from salt_returns;

在这里插入图片描述

salt-run jobs.list_jobs		    #列出当前master jobs cache中所有job
salt-run jobs.lookup_jid <jid>  #从master jobs cache中查询指定jid的运行结果

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

  • 第二种形式是从master上来获取job cache然后存放到数据库中

在这里插入图片描述

  • 这种方式的优缺点:

    • 优点:外部系统需要单一连接。这是数据库和类似系统的首选。
    • 缺点: 在Salt Master上增加额外的负载
  • 部署这种外部存储

    • 实验环境
server1salt-master,在其上安装数据库
server2salt-minion
server3salt-minion
  • 步骤一:在master上安装python数据库模块,然后修改master的主配置文件,重启master
yum install -y MySQL-python.x86_64			#安装Python的数据库模块
vim /etc/salt/master
systemctl restart salt-master				#重新启动master

在这里插入图片描述

  • 步骤二: 测试,进入数据库查看存在的job cache
    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
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值