安全创客汇总决赛十强 谁将问鼎冠军？
|
虚拟化 对于一些性能要求高的业务(例如高性能运算)，虚拟化会带来性能延迟。如果发生密集的I/O(输入/输出)操作，也会存在性能损失。 第二点，就是嘈杂邻居效应。 传统计算是买房子，独栋别墅，自己住很嗨皮，但是价格贵，而且不灵活，不好换房。 云计算(虚拟化)是租房子，一栋大楼，住了很多人(多租户)。虽然每个人是独立的房间，但是，隔壁如果开party，你还是会听到噪音。晚高峰，大家都用水洗澡，你的水肯定还是会变小。 也就是说，虚拟化虽然承诺了资源配额，但当其它租户突发高负荷的时候，你的使用体验还是会受到影响。对于一些对性能和稳定性要求很高的应用，这一点是无法容忍的。 虚拟化还有其它一些缺点，例如：有一些硬件设备不支持虚拟化，还有一些硬件新功能(例如CPU的新特性)在虚拟化下面用不了，这都是让用户很不爽的事情。 综上所述，对于“VIP用户”来说，虚拟化并不完美，无法满足其需求。 于是，就有了裸金属服务器。 其实，说白了，裸金属服务器就是物理服务器，只不过进行了一些升级。
裸金属服务器依然是租。云服务提供商租给你一个专属的物理服务器，你是唯一的租户。 其实，裸金属服务器(Bare Metal Server)之所以有这么个奇怪的名字，主要是为了和虚拟化服务器划清界限。 我在昨天的文章说过，云计算的一大特点，就是从买到租，用户向云服务提供商租用计算资源。而这些租用的计算资源，大部分都不是物理资源，而是虚拟资源。
没错，这个“大部分”，就是意味着有特例。而裸金属服务器，就是其中一个典型特例。 调查的结果如下：
总的来说，很多团队用Jupyter进行探索，用Pycharm/VSCode进行开发。 他们都喜欢GitHub，Python语言使用的最多。 对于深度学习框架，他们更喜欢使用Tensorflow、Keras和Pytorch。 值得注意的是，越来越多的人开始使用高级的PyTorch训练框架，如Lightning、Ignite、Catalyst、fastai和Skorch。 在可视化探索方面，人们使用matplotlib, plotly, altair和hiplot。 对于实验跟踪，团队通常使用如TensorBoard、MLflow和Sacred这些的开源软件包。
想要了解更多，传送门在此： （编辑：常州站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
