OpenStack Icehouse neutron-networking 架构 新增计算节点操作详解

简介: 新增计算节点 官方教程中只包含三个节点,所以根据实际需求我们需要增加计算节点,以创建更多的虚拟机。 1.配置网络 需要配置两个网卡 网卡配置   【eth0】    IP:10.

新增计算节点

官方教程中只包含三个节点,所以根据实际需求我们需要增加计算节点,以创建更多的虚拟机。

1.配置网络 需要配置两个网卡

网卡配置

  eth0

   IP10.0.0.41

   netmask255.255.255.0

   gateway10.0.0.2

  eth1

   IP10.0.1.41

   netmask255.255.255.0

 2)设置主机名为compute2

  (3) 确认网络可用

  计算节点2

  # ping -c 4 openstack.org ping通外网】

  # ping -c 4 controller ping通控制节点的管理网络】

  # ping -c 4 network ping通网络节点的管理网络】

 

下面开始安装操作

.基础安装

1.安装NTPNetwork Time Protocol

  为做到每个节点的时间同步,需要在每个节点上安装ntp服务,并在crontab中添加以下计划任务

1

*/5 * * * * /usr/sbin/ntpdate 3.cn.pool.ntp.org >/dev/null 2>&1

2.安装mysql-python

 # yum install -y MySQL-python

 3.OpenStack

  注意:在移除和禁用任何更新服务,都将可能影响你的openstack环境,请在所有节点上执行这些过程

  1)安装yum-plugin-priorities

   # yum install -y yum-plugin-priorities

  2)为了使用RDO源库,要下载和安装rdo-release-icehouse

yum install -y https://repos.fedorapeople.org/repos/openstack/EOL/openstack-icehouse/rdo-release-icehouse-4.noarch.rpm

 

报错修改yum.repo.d

https://repos.fedorapeople.org/repos/openstack/EOL/openstack-icehouse/epel-6/

 

  3)安装epel

   #  yum install -y http://dl.fedoraproject.org/pub/epel/6/x86_64/epel-release-6-8.noarch.rpm

  4)安装openstack-utils

   # yum install -y openstack-utils

  5)安装selinux包自动管理openstack

   # yum install -y openstack-selinux

  6)升级系统包

   # yum -y upgrade

   注意:在升级过程中会包含一个新的内核,请重新启动你的系统将其激活

.

1.安装计算服务包

  # yum install -y openstack-nova-compute

2.配置内核参数,编辑/etc/sysctl.conf文件,包含以下选项

    net.ipv4.conf.all.rp_filter=0

    net.ipv4.conf.default.rp_filter=0

    net.bridge.bridge-nf-call-arptables=1

    net.bridge.bridge-nf-call-iptables=1

    net.bridge.bridge-nf-call-ip6tables=1

   B.立即生效内核参数

    # sysctl -p

  2)安装Networking组件

   # yum install -y openstack-neutron-ml2 openstack-neutron-openvswitch

 

3.拷贝compute1 /etc/nova         /etc/neutron 配置文件至compute2 覆盖即可

注意修改原local_ip

/etc/nova/nova.conf DEFAULT  my_ip 10.0.0.41

/etc/nova/nova.conf DEFAULT  vncserver_proxyclient_address 10.0.0.41

/etc/neutron/plugins/ml2/ml2_conf.ini ovs  local_ip 10.0.1.41

 

启动服务并配置开机启动

  # service libvirtd start

  # service messagebus start

  # service openstack-nova-compute start

  # chkconfig libvirtd on

  # chkconfig messagebus on

  # chkconfig openstack-nova-compute on

 

配置OVS服务

   A.启动OVS服务并配置随机启动

    # service openvswitch start

    # chkconfig openvswitch on

   B.添加集成桥

    # ovs-vsctl add-br br-int

 

这里着重需要注意

创建文件链接

    # ln -s plugins/ml2/ml2_conf.ini /etc/neutron/plugin.ini

    # cp /etc/init.d/neutron-openvswitch-agent /etc/init.d/neutronopenvswitch-agent.orig

    # sed -i 's,plugins/openvswitch/ovs_neutron_plugin.ini,plugin.ini,g' \ 

     /etc/init.d/neutron-openvswitch-agent

   B.重启计算服务

    # service openstack-nova-compute restart

   C.启动OVS agent和配置开机启动

    # service neutron-openvswitch-agent start

    # chkconfig neutron-openvswitch-agent on

 

相关文章
|
4月前
|
监控 Linux 应用服务中间件
Linux多节点多硬盘部署MinIO:分布式MinIO集群部署指南搭建高可用架构实践
通过以上步骤,已成功基于已有的 MinIO 服务,扩展为一个 MinIO 集群。该集群具有高可用性和容错性,适合生产环境使用。如果有任何问题,请检查日志或参考MinIO 官方文档。作者联系方式vx:2743642415。
1213 57
|
6月前
|
并行计算 PyTorch 算法框架/工具
融合AMD与NVIDIA GPU集群的MLOps:异构计算环境中的分布式训练架构实践
本文探讨了如何通过技术手段混合使用AMD与NVIDIA GPU集群以支持PyTorch分布式训练。面对CUDA与ROCm框架互操作性不足的问题,文章提出利用UCC和UCX等统一通信框架实现高效数据传输,并在异构Kubernetes集群中部署任务。通过解决轻度与强度异构环境下的挑战,如计算能力不平衡、内存容量差异及通信性能优化,文章展示了如何无需重构代码即可充分利用异构硬件资源。尽管存在RDMA验证不足、通信性能次优等局限性,但该方案为最大化GPU资源利用率、降低供应商锁定提供了可行路径。源代码已公开,供读者参考实践。
453 3
融合AMD与NVIDIA GPU集群的MLOps:异构计算环境中的分布式训练架构实践
|
8月前
|
机器学习/深度学习 弹性计算 人工智能
阿里云服务器ECS架构区别及选择参考:X86计算、ARM计算等架构介绍
在我们选购阿里云服务器的时候,云服务器架构有X86计算、ARM计算、GPU/FPGA/ASIC、弹性裸金属服务器、高性能计算可选,有的用户并不清楚他们之间有何区别,本文主要简单介绍下这些架构各自的主要性能及适用场景,以便大家了解不同类型的架构有何不同,主要特点及适用场景有哪些。
1208 10
|
9月前
|
存储 机器学习/深度学习 人工智能
【AI系统】计算图优化架构
本文介绍了推理引擎转换中的图优化模块,涵盖算子融合、布局转换、算子替换及内存优化等技术,旨在提升模型推理效率。计算图优化技术通过减少计算冗余、提高计算效率和减少内存占用,显著改善模型在资源受限设备上的运行表现。文中详细探讨了离线优化模块面临的挑战及解决方案,包括结构冗余、精度冗余、算法冗余和读写冗余的处理方法。此外,文章还介绍了ONNX Runtime的图优化机制及其在实际应用中的实现,展示了如何通过图优化提高模型推理性能的具体示例。
273 4
【AI系统】计算图优化架构
|
8月前
|
存储 人工智能 运维
面向AI的服务器计算软硬件架构实践和创新
阿里云在新一代通用计算服务器设计中,针对处理器核心数迅速增长(2024年超100核)、超多核心带来的业务和硬件挑战、网络IO与CPU性能增速不匹配、服务器物理机型复杂等问题,推出了磐久F系列通用计算服务器。该系列服务器采用单路设计减少爆炸半径,优化散热支持600瓦TDP,并实现CIPU节点比例灵活配比及部件模块化可插拔设计,提升运维效率和客户响应速度。此外,还介绍了面向AI的服务器架构挑战与软硬件结合创新,包括内存墙问题、板级工程能力挑战以及AI Infra 2.0服务器的开放架构特点。最后,探讨了大模型高效推理中的显存优化和量化压缩技术,旨在降低部署成本并提高系统效率。
|
10月前
|
机器学习/深度学习 弹性计算 人工智能
阿里云服务器架构有啥区别?X86计算、Arm、GPU异构、裸金属和高性能计算对比
阿里云ECS涵盖x86、ARM、GPU/FPGA/ASIC、弹性裸金属及高性能计算等多种架构。x86架构采用Intel/AMD处理器,适用于广泛企业级应用;ARM架构低功耗,适合容器与微服务;GPU/FPGA/ASIC专为AI、图形处理设计;弹性裸金属提供物理机性能;高性能计算则针对大规模并行计算优化。
616 7
|
9月前
|
机器学习/深度学习 人工智能 API
【AI系统】昇腾异构计算架构 CANN
本文介绍了昇腾 AI 异构计算架构 CANN,涵盖硬件层面的达·芬奇架构和软件层面的全栈支持,旨在提供高性能神经网络计算所需的硬件基础和软件环境。通过多层级架构,CANN 实现了高效的 AI 应用开发与性能优化,支持多种主流 AI 框架,并提供丰富的开发工具和接口,助力开发者快速构建和优化神经网络模型。
505 1
|
10月前
|
运维 Serverless 数据处理
Serverless架构通过提供更快的研发交付速度、降低成本、简化运维、优化资源利用、提供自动扩展能力、支持实时数据处理和快速原型开发等优势,为图像处理等计算密集型应用提供了一个高效、灵活且成本效益高的解决方案。
Serverless架构通过提供更快的研发交付速度、降低成本、简化运维、优化资源利用、提供自动扩展能力、支持实时数据处理和快速原型开发等优势,为图像处理等计算密集型应用提供了一个高效、灵活且成本效益高的解决方案。
216 1
|
10月前
|
运维 监控 Serverless
Serverless架构在图像处理等计算密集型应用中展现了显著的优势
Serverless架构在图像处理等计算密集型应用中展现了显著的优势
93 1
|
11月前
|
运维 Serverless 数据处理
Serverless架构通过提供更快的研发交付速度、降低成本、简化运维、优化资源利用、提供自动扩展能力、支持实时数据处理和快速原型开发等优势,为图像处理等计算密集型应用提供了一个高效、灵活且成本效益高的解决方案。
Serverless架构通过提供更快的研发交付速度、降低成本、简化运维、优化资源利用、提供自动扩展能力、支持实时数据处理和快速原型开发等优势,为图像处理等计算密集型应用提供了一个高效、灵活且成本效益高的解决方案。
223 3

热门文章

最新文章