ovnvs是什么電器開關？ML2OVS操縱平面是基于Openstack的。簡單有大量由Pythonc語言程序的agents。Neutronserver與這些agents多屏幕使用實現(xiàn)AMQP的RPC機

ovnvs是什么電器開關？

ML2OVS操縱平面是基于Openstack的。簡單有大量由Pythonc語言程序的agents。Neutronserver與這些agents多屏幕使用實現(xiàn)AMQP的RPC機制

搭建私有云平臺：Hadoop還是選擇OpenStack？

是需要我建議你題主描述不清楚應用場景，否則不別人做的方案可能會都不要什么需求。

就Hadoop和OpenStack的糾結而言，能支撐數(shù)據(jù)分析用前者，做資源管理用后者。

回答

題主的需求，實質(zhì)是搭建一個IoT實時大數(shù)據(jù)平臺，而不是好象意義的私有云。IoTa大數(shù)據(jù)平臺之外數(shù)據(jù)采集和結果反饋，其余部分和象的大數(shù)據(jù)平臺相差不多吧。OpenStack好學多才管理呀VM資源管理，Hadoop尤喜批處理，不擅長動態(tài)實時全面處理，所以是需要這里有一種更加完善的解決方案。這里推薦推薦確定Storm或則ApacheFlink。

OpenStack是一個開源的IaaS實現(xiàn)方法，由Nova、Cinder、Neutron、Swift、Glance等一系列相互關聯(lián)的子項目排成，是可以明白為云計算領域的Linux。OpenStack架構松耦合，高可擴展，能慢慢適應差別企業(yè)的需求，已經(jīng)藍月帝國IaaS私有云事實標準。國內(nèi)外各大廠都在OpenStack上有比較大的投入。不過項目成長會的同時，也受到大廠激烈博弈的一些影響，但項目本身是大家求大同存小異的結果，我們我相信OpenStack會在競合中有更幸福的未來。

大數(shù)據(jù)平臺是可以已經(jīng)不鳥OpenStack，分布式文件系統(tǒng)有HDFS，資源調(diào)度和管理YARN就行。YARN都已經(jīng)支持Docker，如果能細粒度調(diào)度模式可以考慮到Mesos，Mesos需要提供良好的訓練的API，允許很多完全成熟的框架，當然了Mesos還在Hadoop生態(tài)中，這是一個缺憾。Apache Hadoop能夠以低成本接受海量數(shù)據(jù)的多維統(tǒng)計分析，還是很有優(yōu)勢。

核心流式計算部分，有Storm、Spark、Flink也可以選擇類型。

Storm編程模型很簡單，秒級延遲大，容錯性、擴展性和可靠性都比較好，在國內(nèi)有很多團隊按結構。但是Storm只不過是流可以計算框架，且不能不能然后依靠YARN。

ApacheSpark是和Hadoop一樣最流行開源軟件大數(shù)據(jù)框架，社區(qū)活躍，在流計算、圖處理、機器學習方面都投入到很大，允許對SQL的優(yōu)化，很更適合多種大數(shù)據(jù)平臺的需求，但SparkStreaming本質(zhì)我還是批處理，把數(shù)據(jù)流化合成一系列小的RDD，按照時間窗來壓制數(shù)據(jù)塊的大小，有測試說只有允許秒級計算出。

ApacheFlink是可擴展的批處理和流式數(shù)據(jù)處理的數(shù)據(jù)處理平臺，還能夠基于同一個Flink啟動時提供支持什么流處理和批處理兩種類型應用的功能。相比于Spark，F(xiàn)link把批處理一年前特殊的流處理，而且支持增量迭代，這是太贊的設計，這個可以迅速地去處理數(shù)據(jù)密集型和迭代任務，性能很有保證。不過目前Flink用戶群和社區(qū)還沒有Spark這樣的話強大。但Flink的未來很值得期待，肯定要時間的沉淀。

Spark和Flink的對比，ApacheFlink現(xiàn)在在大數(shù)據(jù)處理方面也能和ApacheSpark一較長短么這個問題的最佳的方法答案質(zhì)量很棒，如需轉載自以為乎，英譯中的這篇文章：IntroductiondidApacheFlinkafterSparkDevelopers:FlinkvsSpark

最后，上張網(wǎng)易猛犸大數(shù)據(jù)平臺架構圖，供可以參考。