“让云计算落地”系列之二:驯服OpenStack这匹野马

本文是原创,首发于微信公众号『 Moehoo猛虎 』,扫描可订阅。



【导读】OpenStack是没有驯服的野生千里马,日行千里,可得套上缰绳让马听话了才行,那这活儿又有谁能接得了呢?



       在《“让云计算落地”系列之一:OpenStack,不驯的野生千里马》一文中,谈到: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。但是,OpenStack是没有驯服的野生千里马,日行千里是不假,可得套上缰绳让马听话了才行,那这活儿又有谁能接得了呢?


        这回,就谈谈驯野生千里马的那些事。


谁来干驯马的活儿?

        驯马的活儿,能不能自己干?您手下是有很多会骑马的好兄弟,但他们并不一定能驯马呀......

        做买卖的,脑子里整天琢磨的是生意上的事,哪儿有空去从头开始学驯马?想找一帮人先学会驯马然后再自己驯?有那么些银子,不如直接开一家驯马公司得了。


        驯马这活儿,不是谁都能干得了的,更别说是驯的是野生千里马了,那烈性子,得请特牛的驯马师才能搞定。

        这明摆着的事,企业要是打算用OpenStack,得找专业的OpenStack产商来干才成。AT&T、德国大众汽车这些大公司有的是钱,也不敢招一帮人来自己搞定OpenStack,还是得请OpenStack产商进来才行。大公司都干不成,您就得掂量一下份量,最好别较劲。


        企业用户以前被各大闭源商业云平台产商“欺负”惨了,“只此一家,别无分号”嘛!被人勒着脖子这么多年,好容易有了OpenStack,能喘口气了,回头又被OpenStack产商“绑住”了,这不是“才出虎穴,又入狼窝”吗?!有这种想法的企业用户真不在少数。

        别怕!现在不比以前了,云计算技术群雄逐鹿,东方不亮西方亮,如今的可选择余地太大,被某个产商“绑住”的事不会再有了。所以,别老疑神疑鬼地,大胆地去找可心的OpenStack产商。何况,这根本不是什么被“绑住”好吗?这是外包。


驯马的套路各不同

        OpenStack产商有两类:一类是OpenStack供应商,把社区版的OpenStack进行优化和整合后,提供既符合OpenStack标准又具备自身技术特色的商业版本;另一类是OpenStack系统集成商,将各类OpenStack版本(包括原生的社区版和供应商的商业版本)用于企业用户的具体生产环境之中,负责具体的规划设计、技术实施和售后运维等全套工作。

        这两种不同类型的OpenStack产商,其实对应着不同的驯马套路。

        一种驯马套路,是在私家牧场养出驯服的千里马。驯马师从草原牧场上运回野生千里马,然后,放在私家牧场里养,用一整套统一的办法去驯马。驯出来的马,一匹匹都是膘肥体壮、疾如闪电。而且,从这种私家牧场中牵出来的马,已经不是野生的千里马,而是驯服的千里马,骑手只要稍稍适应一下,就可以骑着跑。


        这种从私家牧场牵出来就可以跑的千里马,就是各OpenStack供应商提供的,是经过优化整合后的OpenStack商业版,比原生的OpenStack社区版要好用得多。

        现在,草原牧场和私家牧场都能产出很多千里马了,那又是谁把千里马的缰绳交到买家手上?

       这事由另一类驯马师去做:先从私家牧场要一些已经驯好的千里马,给好马配上好鞍,再转卖给买家。这个情况,其实就是对应着:OpenStack系统集成商承接了企业的云平台项目,在做具体的技术实施时,用的是各OpenStack供应商的OpenStack商业版。


       驯马师也可能会从草原牧场直接运回一些野生千里马,驯好了,也没配马鞍和马镫,就交给了买家,人和马磨合一下,上马也能跑。这样的做法,也就相当于:OpenStack系统集成商直接用了OpenStack社区版,在加以改造后,直接就应用于客户的生产环境中。


        这事,委实惊煞人,“居然敢这么干?!”,很多人一定会这么想。其实,这事并不出奇,OpenStack社区版也在变得越来越好用,以前不稳定甚至有问题的功能,现在有些已经都成熟了。也就是说,以前草原牧场的野生千里马很野,牵回来不好驯,但现在变得好驯多了,所以,有些驯马师就干脆先驯好了,再直接卖给买家,虽然没有马鞍和马镫,但是,只要马驯良、人善骑,那就也能骑。现在,也有一些公司提供这样颇具胆量的技术服务,如果企业客户去尝试,想来,那应该是别样的感受。

        甭想那么多了,老在那儿犹豫不定,就会误了大事,现在要做的是下定决心引入OpenStack产商去干活儿。无论如何,OpenStack确实要比VMWare便宜一点儿。


       这次就谈到这儿,下次,在《“让云计算落地”系列之三》里,咱们一起了解一点OpenStack的基础知识。

  • 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