“让云计算落地”系列之一:OpenStack,不驯的野生千里马

本文是原创,首发于微信公众号『 Moehoo猛虎 』,扫描可订阅。



【导读】OpenStack是不驯的野生千里马,撕咬,套不上缰绳,跑是真能跑,可性子烈啊!是千里马,但,也是野马,要没那几下子,真不好弄。


       封锁和放开,隔绝和融合,因循和自由,迷茫和坚定......所有的思维都在激烈地相互冲击着。只是短短的7年,OpenStack这个开源的云计算平台与闭源商业云平台的关系就发生了本质的巨大变化。从对抗到对立,从对立又走向缓和,最终,从缓和变成了相互融合。云计算思维的推行、云计算技术的迅速发展,正如狂暴的河流在不停地冲撞和洗刷着河岸与河床,但OpenStack没有因为这些剧变而退缩,它站上了云计算时代的航船,与其他云计算技术一起,“弄潮儿向涛头立,手把红旗旗不湿!”


       我们正处在一个伟大的云计算时代,对各种云计算技术而言,必须从高高在上的云端下来,落地于具体的企事业单位的生产环境,这是极要紧的事,每一个IT人都应该为之而做出努力,这也是促使“猛虎”撰写《让云计算落地》系列文章的最根本动因。

       本系列文章的主旨正是讨论云计算的具体落地和应用,从现在开始,“猛虎”会力求做到:用最平实的语言去讲述,让非IT专业的受众也能自如理解。



开源和闭源:互相掐

        这些年,OpenStack非常热门,跟VMWare这些闭源商业云平台产商掐得也很厉害,看看网络上,变着法儿地使劲“黑”对方。

        VMWare雇人写文章,说OpenStack太不好用了,那些OpenStack产商,去年也没赚着钱,起码没我们闭源的产商赚得多!OpenStack产商也在媒体发声:大公司的活儿都是我们在干,VMWare都被我们从大公司赶出去了,以后私有云的80%是OpenStack,俺们的日子过得很滋润!还是看看你们VMWare自己吧!贵成那样,谁还用得起?!


        各说各话,企业用户也听傻了:云计算要落地,这事儿究竟该怎么弄?

        其实,甭管谁在说什么,咱都得自己看清楚了再琢磨,琢磨明白了再决定。


OpenStack从哪儿开始?

        2010年7月,NASA拿出了自己的云计算平台的Nova代码,云计算厂商Rackspace贡献了对象存储代码(也就是Swift),共同发起了OpenStack开源云平台项目。很快,2010年10月,OpenStack的第一个版本Austin发布了。


        OpenStack长得真是很快,看看一个数字的变化:2010年7月,首届OpenStack峰会在Austin召开,总共也就75人开会,到2016年4月时,OpenStack峰会又在Austin开,这一次,总共有7500人参加。


走钢丝的OpenStack

        OpenStack的变化是很快,技术也很新,但太快太新了也并一定就是好事。

        企业的IT基础设施架构要的的是稳定和成熟,OpenStack变化那么快,企业敢不敢用?真要是弄出了问题,谁来顶这个雷?

       要走这个钢丝绳,换了谁,都得掂量掂量,企业要稳定,OpenStack是不停地变。


        OpenStack就好像一匹没有被驯服的野生千里马,谁有本事给套上缰绳降服它?


企业用户怎么看OpenStack?

        开公司就是为了赚钱,赚钱就得活络才行,说那斯文话,叫“敏捷”,IT架构活络了,买卖就活络了。再就是能屈能伸,能变,跟着买卖的变化走。还有,那么多年了,都没变过,一直用VMWare,天天被人家勒着脖子,“独此一家,别无分号”了?还真不信这个邪了!再说了,VMWare那么贵,用OpenStack,省下一笔钱干什么不好?

        企业这么想,说起来,除了“天天被人家勒着脖子”那一条想得太多了,其他的,还真是靠谱,OpenStack还真能把活儿干到这种程度。


OpenStack:不驯的野生千里马

        OpenStack社区,呼啦啦成千上万的人在那儿,没日没夜地写着代码,那可都是牧场里勤劳的牧民,OpenStack就像是在水草丰美的草原牧场上养了无数匹野生的千里马,都是宝马良驹,还是免费的,谁要愿意就可以运回去。

        运回来的马,撕咬,根本就套不上缰绳,跑是真能跑,可性子烈啊!没那几下子,甭想让它老实,听话干活没指望不说,还得小心它撂蹶子把人给踢了。

        是千里马,但,也是野马,真不好弄。


       很多企业用户其实就是想省钱,真的不想再用VMWare这些商业平台了。看OpenStack开源,就以为是免费的,跟Windows那样,用图形界面随便就能安装好,装好就能使。


        真的没那好事,从网上下载原生的社区版OpenStack,您试试就知道了:得敲键盘输命令才能安装,忒难了点儿,一般人搞不定。

        天上不会掉馅饼,开源可不是免费,随便就能用的社区版OpenStack,下辈子也找不着。

        OpenStack就像是没有驯服的野生千里马,日行千里是不假,那也得给马套上缰绳听话了才行。那,这活儿又有谁能接得了呢?


        下一回,《“让云计算落地”系列文章之二》,就说说驯野生千里马的事......


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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