topology

　　文|乌镇智库 　　最近发布的TOP500榜单中，日本的高性能计算系统Fugaku(富岳)以415.53 PFlop/s的Linpack性能拔得头筹（使用152,064个节点），为第二名美国超算Summit的2.8倍。 　　 　　 　　 此外在多项超级计算机基准测试中，Fugaku也名列前茅 ：在HPCG测试中，它使用 138,240个 节点获得了 13.366 PFlop/s 的算力，而在HPL-AI测试中，它使用 126,720个节点 获得了 1.421 EFlop/s 的算力。 Fugaku采用富士通的ARM架构A64FX芯片，是第一个获得TOP500榜首的基于ARM的高性能计算系统。 　　 　　 　　 Fugaku 　　 “京”的后继机 　　 Fugaku富岳 ：富岳是日本富士山的别称，借寓富士山海拔及山脚广阔馥郁的平原，以呈现Fugaku卓越的性能和庞大的用户群体。 　　01 　　 Fugaku诞生历程 　　作为超级计算机“京(Kei，K Computer)”的后继产品，Fugaku的诞生还要从K Computer说起。虽然日本1980年代末期的第五代计算机项目失败了，但建造最快计算机的雄心从未泯灭。 　　自2006年以来，日本理化学研究所(RIKEN)和富士通共同开发了K Computer，旨在2012年开始公共服务。 2011年6月，K Computer凭借8

OpenCascade Primitives BRep - Box eryar@163.com Abstract. BRep is short for Boundary Representation. Boundary Representation gives a complete description of an object by associating topological and geometric information for solid modeling. In this case, objects are described by their boundaries. There are two types of information in BRep: Topological information and Geometric information. This paper is concerned with the Box BRep in OpenCascade, and also show how to use Tcl script to dump box BRep info. Key words. OpenCascade, BRep, Boundary Representation, Box, Winged-Edge Structure 1.

OpenCascade Primitives BRep - Box eryar@163.com Abstract. BRep is short for Boundary Representation. Boundary Representation gives a complete description of an object by associating topological and geometric information for solid modeling. In this case, objects are described by their boundaries. There are two types of information in BRep: Topological information and Geometric information. This paper is concerned with the Box BRep in OpenCascade, and also show how to use Tcl script to dump box BRep info. Key words. OpenCascade, BRep, Boundary Representation, Box, Winged-Edge Structure 1.

nodeSelector 提供了一个非常简单的方式，将 Pod 限定到包含特定标签的节点上。亲和性与反亲和性（affinity / anti-affinity）特性则极大地扩展了限定的表达方式。主要的增强点在于： 表达方式更加有效（不仅仅是多个精确匹配表达式的“和”关系） 可以标识该规则为“soft” / “preference” （软性的、偏好的）而不是 hard requirement（必须的），此时，如果调度器发现该规则不能被满足，Pod 仍然可以被调度 可以对比节点上（或其他拓扑域 topological domain）已运行的其他 Pod 的标签，而不仅仅是节点自己的标签，此时，可以定义类似这样的规则：某两类 Pod 不能在同一个节点（或拓扑域）上共存 # 节点亲和性 节点亲和性（node affinity）的概念与 nodeSelector 相似，可以基于节点的标签来限定 Pod 可以被调度到哪些节点上。 当前支持两种类型的节点亲和性， requiredDuringSchedulingIgnoredDuringExecution （hard，目标节点必须满足此条件） 以及 preferredDuringSchedulingIgnoredDuringExecution （soft，目标节点最好能满足此条件）。名字中 IgnoredDuringExecution 意味着

为了简单的认识Internet的框架的整体结构，简单学习华为的eNSP软件来高度模拟仿真网络框架！（华为和思科公司都发布了自己的网络设备仿真软件，当然我就用国产的吧~） 华为官方的eNSP学习论坛网站： http://support.huawei.com/huaweiconnect/enterprise/forum-753.html 51CTO入门免费视频学习网站： http://edu.51cto.com/course/course_id-3155.html 下面自己总结用到的一些指令： 1、路由器的基本指令 （注意，HuaWei的eNSP软件支持tab键的指令自动补全功能！AR的设置很重要）： 1 <HuaWei>sys #进入到管理员配置模式，按下Ctrl+ Z就退出管理员模式（也可以输入q然后Enter即可退出），进入普通用户模式 2 3 [HuaWei]sysname AR1 #修改AR路由器的系统名称为AR2 4 5 [AR2]interface g0/ 0 / 0 #进入到AR1路由器的Giga Eth网卡模块的接口 6 7 [AR2-GigabitEthernet0/ 0 / 0 ] ip address 192.168 . 1.254 24 #设置Giga0/ 0 /0网卡模块的IP地址为192. 168.1 . 254 / 24 ，不要忘记输入掩码长度24

0x00 概述 此文力求比较详细的解释DNS可视化所能带来的场景意义，无论是运维、还是DNS安全。建议仔细看完下图之后的大篇文字段落，希望能引发您的一些思考。 在“F 5利用Elastic stack（ELK）进行应用数据挖掘系列（2）-DNS ”一文中阐述了通过DNS logging profile进行DNS可视化的一种方法。DNS logging profile本身对解析和响应是发出的两条日志，因此在上篇文章中我们其实用了一些特殊的方法来处理一些我们想要的场景。所以这样的处理方式可能不够灵活，也不够优雅。通过logstash根据Query ID进行日志聚合后再处理也是一种思路，但是日志聚合本身这个动作需要仔细处理以防止聚合出错。同时即便使用了聚合，由于DNS logging profile输出的内容是固定的，因此在灵活性上依旧差那么一些。这篇文章则给大家提供了另一外一种形式的可视化。从通用性角度来说，更建议使用本篇文章中的方法，不受BIGIP DNS(GTM)版本及模块license类型的影响。 0x01 方法思路 iRule通过HSL输出必要的解析日志数据至elk 0x02 Dashboard与可视图分析 在整个dashboard中，划分了这样几个功能区域： 最上面的解析来源地理热力图，可以清晰的看出哪些地方是热点解析区域。热点解析区域，结合DNS TTL参考

文章目录 前言 Nfly link模式的由来 Nfly link实现细节分析 引用 前言 在多集群模式下，为了保证数据的一定冗余性要求，我们有时会跨集群或跨data center去备份一些重要的数据。这样可以避免某天一旦一个cluster或者data center处于不可用状态时，从而影响集群正常的数据服务。如果在不额外实现此功能代码的情况下，我们可以采用简单直接的Distcp工具来做集群间的数据拷贝。不过这种方式无法做到实时的数据replication，我们可以按照实际的使用场景做到一天同步一次或者小时级别的同步。不过本文笔者要介绍与此相关的一个重要的ViewFs的新特性：Nfly link模式。 Nfly link模式的由来 社区在JIRA HADOOP-12077：Provide a multi-URI replication Inode for ViewFs 中提出了在ViewFs模式下能够通过多uri地址的方式做跨集群的replication。而这里提到的multi-URL mount point link即Nfly模式，这里的N指的是N个data center。 在社区JIRA里，将数据冗余备份在不同的data center(cluster)里，保持high availability是一方面，可以到时出问题时应以可以做failover到下一个URI地址读写数据

目录 文章目录 目录 写在前面 计算平台体系结构 SMP 对称多处理结构 NUMA 非统一内存访问结构 MPP 大规模并行处理结构 Linux 上的 NUMA 基本对象概念 NUMA 调度策略 获取宿主机的 NUMA 拓扑 Nova 实现的 NUMA 亲和 Nova 定义的 NUMA 对象概念 实现 NUMA 亲和的背景 操作系统发行版许可证（Licensing） CPU 拓扑对性能的影响 CPU 架构对性能的影响 超线程对性能的影响 NUMA Topology Guest NUMA Topology 在 Nova 上应用 NUMA 亲和来创建高性能虚拟机 Nova 使用 NUMA 和 CPU Binding 的 EXAMPLE TS1：Requested instance NUMA topology cannot fit the given host NUMA topology. TS2：Filter NUMATopologyFilter returned 0 hosts 写在前面 最近太忙了，笔者实在懒得画图，文章的图片大多来源于互联网，感谢创作者们（可惜找不到源出处)。 这篇博文与其说是介绍 OpenStack Nova 的高性能虚拟机，倒不如说是介绍 CPU 相关的硬件架构与应用程序之间的爱恨情仇更加贴切一些。 计算平台体系结构 SMP 对称多处理结构 SMP

一、流式计算概念 　　利用分布式的思想和方法，对海量“流”式数据进行实时处理，源自业务对海量数据，在“时效”的价值上的挖掘诉求，随着大数据场景应用场景的增长，对流式计算的需求愈发增多，流式计算的一般架构图如下： 　　 　　Flume获取数据-->Kafka传递数据-->Strom计算数据-->Redis保存数据 二、storm介绍 　　Apache Storm是一个分布式实时大数据处理系统。Storm设计用于在容错和水平可扩展方法中处理大量数据。它是一个流数据框架，具有最高的摄取率。Storm是无状态的，它通过Apache ZooKeeper管理分布式环境和集群状态。它很简单，您可以并行地对实时数据执行各种操作，成为实时数据分析的领导者。 　　通俗的说，Storm用来实时处理数据，特点：低延迟、高可用、分布式、可扩展、数据不丢失。提供简单容易理解的接口，便于开发。 三、storm应用场景和典型案例 　　 应用场景： 　　 （1）监控日志分析： 从海量日志中分析出特定的数据，并将分析的结果用来辅佐决策，或存入外部存储器。 　　 （2）用户行为： 实时分析用户的行为日志，将最新的用户属性反馈给搜索引擎，能够为用户展现最贴近其当前需求的结果。 　　 （3）用户画像： 收集，维护用户兴趣，并在此基础上向对应受众的用户投放不同的数据和信息。 　　典型案例： 　　 （1）广告投放：