2018年11月20日，在看tensorflow的时候发现还是有很多概念没有理解透彻，发现一个很赞的资源（估计大家都知道的，只有我现在才发现），吴恩达老师在网易云课堂上开的深度学习的 课程 ，感觉很赞本文实际上是吴恩达卷积神经网络视频学习笔记。
2019年2月14日，再次温故这部分的内容，添加了11章节的自问自答，添加了对池化层实现反向传播的方式，添加了激活函数relu和sigmoid的对比。
通过一个3 3的每列值相同、第一列为1，第二列为0，第三列为-1的过滤器可以检测垂直的边沿。注意到1表示亮，-1表示暗。这样可以发现正负值的边沿。
对于垂直边缘过滤器而言，重要的是中间一列为0，左右两列的值可以相差尽可能的大。
这个过滤器的数值也是可以通过反向传播算法学习的，不一定需要在算法开始之前就决定。
深度学习甚至可以去学习其他的边沿，无论是45度、73度乃至是其他的角度，虽然比手工要复杂一些，但是确实具有这样的能力。
为什么需要填充？大家都知道，卷积就是用过滤器(f x f)从左到右、从上到下的扫描一个矩阵（n x n）。有两种卷积 *** 作，一种称为valid-conv，一种称为same-conv。每次卷积的时候，过滤器右侧碰到矩阵右边界就结束当前行的扫描，下侧碰到矩阵下边界就结束扫描，因此通过过滤器的图像都会缩小,变为(n-f+1) (n-f+1)。valid-conv就是这样的卷积 *** 作，而same-conv会在卷积之前填充原始图，使得卷积之后的大小不变。
一般来说，若原图像大小为n n,过滤器大小为f f，那么需要padding的大小为p=(f-1)/2。一般来说我们会设置f为奇数，很少看见偶数的过滤器。其中的原因之一就是为了对称填充。另一个原因可能是一般需要将过滤器的中间点用于定位卷积的位置，而偶数过滤器没有中间点。
上面的提到的卷积过程每次只移动一步。实际上过滤器可以移动不止一步，用s表示步长。那么n x n的矩阵输入, f x f的过滤器, p填充padding，以及s步长的情况下，输出的矩阵大小为 (n+2p-f)/2+1 x (n+2p-f)/2+1 ，这里是向下取整的，这意味过滤器只能在输入图像内部移动，不可以移动出边缘。
注意 在tensorflow中，有两种填充方式，一种是same，一种是valid。same是填充，而valid是不填充。如果遇到valid,那么实际计算矩阵大小的时候，是向上取整，而不是这里提到的向下取整。如果是same模式，那么最后的矩阵形状是n/s,也是向上取整
上面提到的卷积的输入是n x n的，这一般是灰度图像。对应彩色图像则存在RGB三个颜色channel,这样的是n x n x 3。此时的过滤器也必须存在第三个维度，即channel维度，且一个过滤器的channel维度必须和输入的channel维度一致。这样的卷积结果就是三个维度上，过滤器和输入的重叠位置乘积之和。最后的输出是(n - f + 1) x ( n - f +1)的。 注意，输出是二维的
我们可以使用N个不同的过滤器得到不同的N个二维输出，按照输入的格式将其叠起来，这样输出就是 (n - f + 1) x ( n - f +1) x N了。
在上面一节中已经讲了如何得到输入和一个过滤器卷积之后的结果。通常会给卷积的结果添加一个偏执，然后使用非线性的函数进行处理，得到的就是这层网络的输出。将过滤器的参数标记为W，偏置为 b（一个channel的输出矩阵Wa的偏置是一个实数，而非一个矩阵。一个layer的偏置b的维度和通道数channel一致） , 输入数据为上层的激活值。这样每个过滤器处理之后的结果就可以看成是经过了该layer一个节点之后的输出。
下面是每层的符号标记，以及根据上一层计算下一层输入大小的公式，右下角是使用BP学习更新的时候参数更新的次数。可以看到每层的参数的个数只和这层的filter的大小、数目有关，而和输入的规模无关。这样就可以通过控制参数的数量避免过拟合了。
可以从下面的课件中看到，卷积神经网络的趋势是长度和高度逐渐减少，而channel逐渐加深。最后一层会将卷积层平铺开来，形成一个全连接。全连接层会连接到最后一个判别函数上，判别函数可以是logistic或者softmax层，用于输出类别或者概率。
一般情况下，卷积网络除了卷积层之外，还会有池化层和全连接层，这些层可以提供更好的学习。
池化层一般在卷积层之后，可以也可以看成一个过滤器，实际上实现的一个采样的功能，其主要的思想是，着重提取具有某种倾向的特征，比如最大池化对应的是更显著的特征；平均池化对应的是更加平滑的特征。过滤器有几点不同
一般常用的池化层有max_pooling和average_poolingmax_pooling更加常用。 ，最大池化层意味着检测某个特征，并始终将这个特征留在池化层的输出中 。
池化层的输入n x n x nc，过滤器 f x f,步长s,输出 ((n-f)/s+1) x ((n-f)/s+1) nc。
一般取s=2,这意味着输入的长宽减小一半。
比较好奇的一个问题是，池化层的存在对反向传播有什么影响？我们都知道在传统的神经网络中，反向传播算法实际上就是利用函数的梯度进行反向传播的，那么池化层这种既改变了矩阵大小又不好求导的情况，怎么处理呢？
（下面的内容来自 迷川浩浩_ZJU 的博客 ）
mean pooling的前向传播就是把一个patch中的值求取平均来做pooling，那么反向传播的过程也就是把某个元素的梯度等分为n份分配给前一层，这样就保证池化前后的梯度（残差）之和保持不变，还是比较理解的。mean pooling比较容易让人理解错的地方就是会简单的认为直接把梯度复制N遍之后直接反向传播回去，但是这样会造成loss之和变为原来的N倍，网络是会产生梯度爆炸的。
2、max pooling
max pooling也要满足梯度之和不变的原则，max pooling的前向传播是把patch中最大的值传递给后一层，而其他像素的值直接被舍弃掉。那么反向传播也就是把梯度直接传给前一层某一个像素，而其他像素不接受梯度，也就是为0。所以max pooling *** 作和mean pooling *** 作不同点在于需要记录下池化 *** 作时到底哪个像素的值是最大，也就是max id
一般概念上的一层包括卷积层和池化层，之所以不把池化层当做新的一层是因为池化层没有需要学习的参数，一般意义上的layer是有权重和参数需要学习的。
尽量不要自己设置超参数，而是尽量参考别人论文里面使用的超参数，选择一个在别人任务中效果很好的超参数。
下面的表中列举了上面的网络每一层的数据规模a^(l)以及参数数量。可以发现数据的规模逐渐减小。主卷积层的参数比较少，而进入全连接层之后参数数量很大。（表格中最后三列的参数数量可能存在错误，应该是48000 + 120, 120 84 + 84, 84 10 + 10）
以上的两个特征可以明显的减少参数。减少过拟合
(内容来自 迷川浩浩_ZJU 的博客 ）
常用的激活函数有sigmoid函数和relu函数
Relu(x)={if x>0 then x;else 0}为了在反向传播算法中可以正常使用，将其在x=0x=0处的导数置为1，所以它的导数也就变为了 δRelu(x)={if x>0 then 1 else 0}
Relu是一个非常优秀的激活哈数，相比较于传统的Sigmoid函数，有三个作用
NewMedia新媒体联盟创始人、移动互联网时代的趋势观察家袁国宝在他的新作《新基建：数字经济重构经济增长新格局》一书中写到详细云数据中心的构建步骤主要分为3步。
新基建
一、虚拟化
利用软硬件管理程序将物理资源映射为虚拟资源的技术被称为虚拟化技术。对关键IT资源进行虚拟化，是打造云数据中心的基础和前提。
云数据中心需要虚拟化的关键IT资源主要有服务器、存储及网络。其中，服务器虚拟化主要包括Unix服务器虚拟化与x86服务器虚拟化。Unix服务器又被称为小型机，而小型机厂商普遍为自身的小型机产品开发了差异化的虚拟化程序，导致这些虚拟化程序无法对其他厂商的小型机产品进行虚拟化。
目前，市场中常见的x86服务器虚拟化产品有VMware ESX/ESXi、微软的Hyper-V、开源KVM虚拟机等。Oracle和华为等服务器厂商还开发了基于Xenia内核的虚拟化平台。
云数据中心需要同时调用不同厂商以及不同类型的服务器资源，而对服务器进行虚拟化后，便可以有效解决不同服务器间的硬件差异问题，使用户获得标准逻辑形式的计算资源。
存储虚拟化的逻辑为：在物理存储系统上增加一个虚拟层，从而将物理存储虚拟化为逻辑存储单元。通过存储虚拟化，云数据中心服务商可以将不同品牌、不同级别的存储设备资源整合到一个大型的逻辑存储空间内，然后对这个存储空间进行划分，以便满足不同用户的个性化需要。
网络虚拟化涉及到了网络设备及网络安全设备、网络本身的虚拟化。其中，需要虚拟化的网络设备及网络安全设备有网卡、路由器、交换机、HBA卡、防火墙、IDS/IPS、负载均衡设备等。网络本身的虚拟化主要涉及到FC存储网络与IP网络的虚拟化。
目前，个体与组织对网络需求愈发个性化，为了更加低成本地满足其需求，云数据中心厂商对网络进行虚拟化成为必然选择。与此同时，网络虚拟化后，云数据中心可以在网络环境与多层应用环境中将非同组用户实现逻辑隔离，这既能提高数据安全性，又能降低网络管理复杂性。
将关键IT资源进行虚拟化后，云数据中心服务商便可以对这些资源进行统一调配与集中共享，大幅度增加资源利用率。测试数据显示，未虚拟化前，数据中心IT资源利用率仅有10%～20%，而虚拟化后的资源利用率达到了50%～60%。
二、资源池化
资源池化是指IT资源完成虚拟化后，为其标上特定的功能标签，再将其分配到不同的资源组，最终完成其池化。
资源池化可以解决不同结构IT设备的规格与标准的差异问题，对资源进行逻辑分类、分组，最终将资源用标准化的逻辑形式提供给用户。资源池化过程中，云数据中心服务商可按照硬件特性，对不同服务等级的资源池组进行划分。云数据中心的资源池主要包括服务器资源池、存储资源池及网络资源池。
存储资源池化过程中，云数据中心服务商需要重点分析存储容量、FC SAN网络需要的HBA卡的端口数量、IP网络所需的网卡端口数量等是否与自身的业务规模相匹配。
网络资源池化过程中，云数据中心服务商则需要重点分析进出口链路带宽、HBA卡与端口数量、IP网卡与端口数量，安全设备端口数量与带宽等是否与自身的业务规模相匹配。
三、自动化
自动化是指使IT资源都具备按照预设程序进行处理的过程。如果说IT资源的虚拟化与池化能够让数据中心的计算能力、存储空间、网络带宽与链路等成为动态化的基础设施，那么，IT资源的自动化便是让数据中心获得了一套能够对基础设施进行自动化管理的有效工具。
云数据中心可以利用基于SOA的流程管理工具对数据中心的业务任务、IT任务进行统一IT编排。然后利用可编程的工作流程工具从资产中解耦工作流程及流程的执行逻辑。在IT编排工具的帮助下，系统设计师可以对现有工作流程进行修改，添加新的工作流程，甚至利用可重复使用的适配器对资产进行修改等，不需要重新开展工作，有效降低开发人力、物力成本。
云计算具有如下哪些特点云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种比喻说法。云计算服务指的就是我们通过所使用的网络服务，把资料存放在网络上的服务器中，并借由浏览器浏览这些服务的网页，使用上面的界面进行各种计算和工作。
云计算可以认为包括以下几个层次的服务：基础设施即服务（IaaS），平台即服务（PaaS）和软件即服务（SaaS）。
中国云计算当前呈现出以下三个方面的典型特点：12010年已经从概念宣传阶段，进入实质发展阶段；2正处于私有云的研发试验阶段，计划向公有云转变；3中小企业信息化是公有云发展的核心驱动力。
云计算技术有哪些特点？
随着云计算的概念早已深入人心，尤其是在互联网等行业的带动下，云计算的发展可谓日新月异，速度惊人。要想学好云计算，首先要知道云计算有哪些特点，做到知己知彼noteyoudao/e=note
云计算的特点包括以下哪些方面
云计算具备的特点如下：
1 超大规模
“云”具有相当的规模，Google云计算已经拥有100多万台服务器， Amazon、IBM、微软、Yahoo等的“云”均拥有几十万台服务器。企业私有云一般拥有数百上千台服务器。“云”能赋予用户前所未有的计算能力。
2 虚拟化
云计算支持用户在任意位置、使用各种终端获取应用服务。所请求的资源来自“云”，而不是固定的有形的实体。应用在“云”中某处运行，但实际上用户无需了解、也不用担心应用运行的具 置。只需要一台笔记本或者一个手机，就可以通过网络服务来实现我们需要的一切，甚至包括超级计算这样的任务。
3 高可靠性
“云”使用了数据多副本容错、计算节点同构可互换等措施来保障服务的高可靠性，使用云计算比使用本地计算机可靠。
4 通用性
云计算不针对特定的应用，在“云”的支撑下可以构造出千变万化的应用，同一个“云”可以同时支撑不同的应用运行。
5 高可扩展性
“云”的规模可以动态伸缩，满足应用和用户规模增长的需要。
20、通常云计算服务应该具备以下哪条特征
我们都知道，云计算采用计算机集群构成数据中心，并以服务的形式交付给用户，使得用户可以像使用水、电一样按需购买云计算资源。结合云计算的应用背景，云计算的特点可归纳如下： 1 d 服务的规模可快速伸缩，以自动适应业务负载的动态变化。用户使用的资源同业务的需求相一致，避免了因为服务器性能过载或冗余而导致的服务质量下降或资源浪费。 2 资源池化 资源以共享资源池的方式统一管理。利用虚拟化技术，将资源分享给不同用户，资源的放置、管理与分配策略对用户透明。 3 按需付费 以服务的形式为用户提供应用程序、数据存储、基础设施等资源，并可以根据用户需求，自动分配资源，而不需要系统管理员干预。 4 服务可计费 监控用户的资源使用量，并根据资源的使用情况对服务计费。 5 泛在接入 用户可以利用各种终端设备（如PC电脑、笔记本电脑、智能手机等）随时随地通过互联网访问云计算服务。 正 是因为云计算具有上述5个特性，使得用户通过云计算存储个人电子邮件、存储相片、从云计算服务提供商处购买音乐、储存配置文件和信息、与社交网站（例如 Facebook，LinkedIn，MySpace ）互动、通过云计算查找驾驶及步行路线、开发网站，以及与云计算中其他用户互动。使用户处理生活、工作等事务更加便捷快速。这也是为什么云计算能在短时间 内迅速的传播并流行发展起来的重要因素。 云和软件与服务！您身边的云计算专家！！
云计算的特点包括以下哪些方面
我们都知道，云计算采用计算机集群构成数据中心，并以服务的形式交付给用户，使得用户可以像使用水、电一样按需购买云计算资源。结合云计算的应用背景，云计算的特点可归纳如下：
1 d
服务的规模可快速伸缩，以自动适应业务负载的动态变化。用户使用的资源同业务的需求相一致，避免了因为服务器性能过载或冗余而导致的服务质量下降或资源浪费。
2 资源池化
资源以共享资源池的方式统一管理。利用虚拟化技术，将资源分享给不同用户，资源的放置、管理与分配策略对用户透明。
3 按需付费
以服务的形式为用户提供应用程序、数据存储、基础设施等资源，并可以根据用户需求，自动分配资源，而不需要系统管理员干预。
4 服务可计费
监控用户的资源使用量，并根据资源的使用情况对服务计费。
5 泛在接入
用户可以利用各种终端设备（如PC电脑、笔记本电脑、智能手机等）随时随地通过互联网访问云计算服务。
正
是因为云计算具有上述5个特性，使得用户通过云计算存储个人电子邮件、存储相片、从云计算服务提供商处购买音乐、储存配置文件和信息、与社交网站（例如
Facebook，LinkedIn，MySpace
）互动、通过云计算查找驾驶及步行路线、开发网站，以及与云计算中其他用户互动。使用户处理生活、工作等事务更加便捷快速。这也是为什么云计算能在短时间
内迅速的传播并流行发展起来的重要因素。
云和软件与服务！您身边的云计算专家！！
云计算的特点包括以下哪些方面
云计算特点如下：
(1) 超大规模
“云”具有相当的规模，Google云计算已经拥有100多万台服务器， Amazon、IBM、微软、Yahoo等的“云”均拥有几十万台服务器。企业私有云一般拥有数百上千台服务器。“云”能赋予用户前所未有的计算能力。
(2) 虚拟化
云计算支持用户在任意位置、使用各种终端获取应用服务。所请求的资源来自“云”，而不是固定的有形的实体。应用在“云”中某处运行，但实际上用户无需了解、也不用担心应用运行的具 置。只需要一台笔记本或者一个手机，就可以通过网络服务来实现我们需要的一切，甚至包括超级计算这样的任务。
(3) 高可靠性
“云”使用了数据多副本容错、计算节点同构可互换等措施来保障服务的高可靠性，使用云计算比使用本地计算机可靠。
(4) 通用性
云计算不针对特定的应用，在“云”的支撑下可以构造出千变万化的应用，同一个“云”可以同时支撑不同的应用运行。
(5) 高可扩展性
“云”的规模可以动态伸缩，满足应用和用户规模增长的需要。
(6) 按需服务
“云”是一个庞大的资源池，你按需购买；云可以像自来水，电，煤气那样计费。
(7) 极其廉价
由于“云”的特殊容错措施可以采用极其廉价的节点来构成云，“云”的自动化集中式管理使大量企业无需负担日益高昂的数据中心管理成本，“云”的通用性使资源的利用率较之传统系统大幅提升，因此用户可以充分享受“云”的低成本优势，经常只要花费几百美元、几天时间就能完成以前需要数万美元、数月时间才能完成的任务。
云计算可以彻底改变人们未来的生活，但同时也要重视环境问题，这样才能真正为人类进步做贡献,而不是简单的技术提升。
云计算的特点包括以下哪些内容
云计算包括；iaas,saas,paas,这三层形式，不知道你问的是这个吗？
云计算具有如下哪些特点
云计算的特点包括以下哪些方面,服务可租用b,低使用度c,服务可计算d,高性价比落帅|
云计算具有如下哪些特点
主要是针对学习内容，都是服务器维护，具体要学到
Linux基本管理
Linux软件与文件系统管理
Linux用户与权限管理
Shell编程精讲
Linux系统管理
Linux服务管理
Linux文件服务器实战
Web服务器实战
数据库实战
负载均衡集群与高可用性集群实战
监控集群实战
云计算集群与虚拟化集群实战
大数据实战
Linux安全防护实战
云计算平台的特性
1、按需自助服务。消费者无需同服务提供商交互就可以自动地得到自助的计算资源能力，如服务器的时间、网络存储等（资源的自助服务）。
2、无所不在的网络访问。借助于不同的客户端来通过标准的应用对网络访问的可用能力。
3、划分独立资源池。根据消费者的需求来动态地划分或释放不同的物理和虚拟资源，这些池化的供应商计算资源以多租户的模式来提供服务。用户经常并不控制或了解这些资源池的准确划分，但可以知道这些资源池在那个行政区域或数据中心。例如包括存储、计算处理、内存、网络带宽以及虚拟机个数等。
4、快速d性。一种对资源快速和d性提供和同样对资源快速和d性释放的能力。对消费者来讲，所提供的这种能力是无限的（随需的、大规模的计算机资源），并且在任何时间以任何量化方式可购买的。
5、服务可计量。云系统对服务类型通过计量的方法来自动控制和优化资源使用。（例如存储、处理、带宽以及活动用户数）。资源的使用可被监测、控制以及对供应商和用户提供透明的报告（即付即用的模式）。
6、云软件可充分借助于云计算的范式优势来面向服务，聚焦于无状态的、松耦合、模块化以及语义解释的能力。
供参考。中国移动云能力基座的关键技术包括：
1 分布式计算：通过将计算资源分散到多个节点上，实现高性能、高可靠的计算服务。中国移动云能力基座采用了分布式计算技术，可以实现对海量数据的快速处理，同时也能够支持大规模并发访问。
2 虚拟化技术：通过将物理的计算资源（如服务器、存储设备等）抽象成虚拟的资源，实现更加灵活的资源配置和管理。中国移动云能力基座中的虚拟化技术可以帮助客户实现快速扩容和缩容，以适应不同业务需求的变化。
3 安全技术：云计算的安全性一直是一个重要的问题，因为在云环境中，用户的数据和应用程序都会存储在云平台上。中国移动云能力基座针对这一问题，实现了多种安全技术，如网络隔离、访问控制、数据加密等，以确保用户数据的安全性。
4 自动化运维技术：云计算平台的自动化运维是提高效率、降低成本的重要手段。中国移动云能力基座通过自动化运维技术，实现了对云平台的自动扩容、自动备份、自动故障转移等，提高了系统的可靠性和稳定性。
综上所述，中国移动云能力基座的关键技术包括分布式计算、虚拟化技术、安全技术和自动化运维技术等，这些技术共同构成了一个高性能、高可靠、高安全的云计算平台。业内人士都知道，趋动科技与浪潮联合打造了业内领先的一体化GPU资源池化解决方案。在GTC China元脑生态技术论坛上，趋动科技分享了对浪潮服务器NF5488A5的实测数据。本次测试采用TensorFlow框架的Benchmark，测试小模型推理、大模型训练等多种AI应用场景，验证趋动科技OrionX AI加速资源池化方案对浪潮服务器NF5488A5的兼容性和性能。结果表明， 浪潮服务器NF5488A5性能优异，部署资源池化方案后，本机性能损耗小于1%，对比以往服务器的GPU性能，数据提升近50%。
数字化时代，越来越多用户采用私有云架构，自建数据中心。随之而来的便是业务连续性和数据安全挑战。如何搭建一个高可靠、高安全的IT基础架构，确保业务连续不中断，数据安全不丢失？大兆 科技 配置的解决方案如下：
No 1 方案设计
双活数据中心方案，通过分布式架构的天然属性优势，提供高可用及保护的解决方案，为数字化转型保驾护航。
通过若干台超融合一体机构成一个超融合集群，分别放置在用户两个机房中，并提供第三方仲裁存储，实现两地双活。确保任意节点故障，数据仍然安全，业务虚机均可以漂移到其他节点上，以保证服务持续在线。
No 2 方案特点
1、底层分布式架构，冗余物理架构，任意物理节点或者物理设备故障，都不影响服务可用性和数据安全性；
2、统一的X86服务器，管理员只需要维护一套设备即可，可通过统一的地址管理与监控所有物理设备；
3、支持横向扩展，随着业务的增长，可以随时扩容，扩容后，不仅计算与存储能力能得到提升，性能也会得到近似线性增长。
4、性价比高，通过虚拟化和云计算技术，将底层的物理资源灵活组合，面向业务提供服务。底层存储为融合存储架构，无需额外购买存储服务器，绿色节能。
针对以上两个问题，大兆 科技 通过数据迁移与设备纳管理旧方案，使得问题得以完美解决，解决方案分两步：
首先，通过大兆 科技 产品内置的数据迁移引擎，将可以将SAN、NAS和对象的数据迁移到新的分布式存储，享受更全面的数据保护。业务只需要短暂地切换窗口，做到秒级切换，迁移速度支持QoS控制，将对业务影响降到最低。迁移过程意外中断，可以续传，也不会造成数据丢失。整个过程无需第三方软件接入，即可实现数据迁移；
其次，利旧和纳管功能，可通过存储虚拟化技术将传统SAN, NAS以及DAS存储设备中的存储资源整合成一个巨大的，易管理的，d性的存储实体，从而实现给原有存储赋能，实现按需创建虚拟存储池(SAN、NAS、对象存储) 并且提供各类数据服务，包括定义存储容量，性能(IOPS和吞吐量)，可访问性以及高可用性等新的能力，并享受副本或纠删码的数据保护。
No 3 两地三中心
除双活数据中心之外，利用这套架构，并配合我们的机架感知和远程数据复制等功能，我们还可以提供两地三中心的解决方案，充分利用Bigtera产品本身的分布式架构、机架感知以及远程数据备份等功能实现，充分利用资源，避免了一个数据中心常年处于闲置状态而造成浪费
在双活数据中心通过主备机房以及仲裁节点的方式，保证在两个数据中心分别保存一份完整的数据，当其中某个数据中心故障时，业务可以迅速切换到另一个数据中心， 并拥有完整的数据，用户无感知。
No 4 总结
通过大兆 科技 软件定义存储改造后的新一代数据中心，具有以下四大亮点：
硬件资源池化，按需平滑扩容
·软件将硬件资源池化；
·纵向扩容内存、扩容硬盘；
·横向扩容计算存储节点，扩容计算 节点，扩容机箱。更丰富的存储能力；
虚拟化感知的分布式存储
·分布式存储解决I/O性能瓶颈问题；
·SDS最小化占用计算资源，HDD/SSD混合存储，I/O本地化；
·按照策略在本地和其他节点固态磁盘读 写缓存。读取可在多个副本同时进行；
·存储针对虚拟机行为进行策略优化，混 合负载下进行存储优化；
业务高可用，高可靠性
·物理服务器故障时， VM 自动迁移到 健康 物理服务器，确保业务高可用；
·数据副本分布在不同的机柜或不同的节点 上，遇故障时数据自动恢复。并行、快速数据重建，数据本地化，数据平衡，确保高可 靠性；
·机柜级容量负载均衡、资源调度，资源合理 化分配，消除单点故障，加速故障解决；
简化管理，自动化运维
·通过一个超融合管理平台，统一管理 网络、存储、计算等，插件式管理界 面与虚拟化软件深度融合，实现简化 管理；
·一键式自动化运维管理。通过数据辅助管理者进行决策；
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）