回答:成本计算，没有计算数据中心土木建设、电气建设、空调制冷等成本。1.200 台服务器成本:200 台* 15000 元=3,00000 元;2.管理维护成本:4 人* 200,000 元=800,000 元/年3.电力成本:200 台 0.15kw* 1 元* 24 小时 _ 365 天=262,800 元/年4.云计算虚拟服务器成本:200 个虚拟机 _ 4 元 _ 24 小时 _ 365 天=7,008,000 元(1)200 个服务器以 100%的使用率使用 4 年成本分析传统模式:300W+80w _ 4 年+26.28W _ 4 年=725.12W云计算模式:700.8W _ 4 年 _ 100%使用率=2803.2W(2)200 个服务器以 50%的使用率使用半年成本分析:传统模式:300W+80w _ 0.5 年+26.28W _ 0.5 年=353.14W云计算模式:700.8w _ 0.5 年 _ 50%使用率=175.2W

(1) 1000：2000：4000 = 1：2：4A= 2.8GHz x 1 / 7 = 0.4GHZ = 400MHzB = 2.8GHz x 2 / 7 = 0.8GHZ = 800MHzC = 2.8GHz x 4 / 7 = 1.6GHZ = 1600MHz份额为 1000 的虚拟机 A 的计算能力约为 400MHz 的，份额为 2000 的虚拟机 B获得的计算能力约为 800MHz，份额为 4000 的虚拟机 C 获得的计算能力约为1600MHz。(2) 如果虚拟机 B 和 C 均处于空闲状态，虚拟机 A 可以获得整个物理核即 2.8GHz的计算能力。

（1）VM1 资源限额为 2GHz，VM1 可用的 CPU 资源最多为多少 GHz。（2） VM1 和 VM2 的资源份额分别是 1000 和 2000，竞争时 VM1、VM2 各获得多少 GHz，（3） VM1 资源预留 2GHz，VM2 资源预留为 0，竞争时 VM1、VM2 各获得多少 GHz。答：（1）CPU 资源限额控制虚拟机占用物理资源的上限，所以 VM1 可用的 CPU资源最多为 2GHz；（2）VM1 获得 1000/(1000+2000)*3=1GHzVM2 获得 2000/(1000+2000)*3=2GHz（3）CPU 预留定义了多个虚拟机竞争物理 CPU 资源的时候分配的最低计算资源。所以，竞争时 VM1 获得 2GHz，VM2 获得 3-2=1GHz。

(1)2 的 32 次方，0x00000000~0xFFFFFFFF(2)0x00000000~0x0C7FFFFFF

209.BASE 理论是指？基本可用、软状态、最终一致性210.CPU 个数为 3，CPU 核数为 2，CPU 的线程数为 4(支持超线程技术)，vCPU 的个数是多少？答案： vCPU 个数 = 物理 CPU 个数* 物理 CPU 核数* 单核线程数=3* 2 *4=24

207.什么适合需要用到虚拟机快照？虚拟机用户在执行一些重大、高危操作前，例如系统补丁，升级，破坏性能测试前执行快照，可以用于故障时的快速还原208. 容器与虚拟机的区别。（1）占用磁盘空间大小：容器技术小，虚拟化技术非常大。（2）启动速度：容器技术快，虚拟化技术慢（3）运行形态：容器技术直接运行在宿主机内核，不同容器共享同 1 个 Linux 内核，而虚拟化技术运行在 Hypervisor 上。（4）并发性：容器技术能在一台宿主机可以运行成千上百个容器，虚拟机技术在单台机器最多几十台虚拟机（5）性能：容器技术接近于宿主机本地进程，虚拟化技术逊于宿主机（6）资源利用率：容器技术高，虚拟化技术低。

答案：FT 通过类似主备的冗余配置，数据在主备间实时同步。当主虚机出现故障时，秒级可切换到备虚机上。使用于高可用性系统。HA 动态调度的策略，当检测到某主机发生故障或负荷过高时，将虚拟机迁移到目的主机，保障业务连续性。FT 的恢复时间更短、但成本较高，适用于高可用性要求的关键系统；HA 机制恢复时间较长，但更为灵活、相对成本更低，适用于可以容忍短时中断的系统。

互联网大厂单双周假期变更能上热搜,但很多更繁重的工作却乏人关注。电子设备的质检工,通常每天要完成1万多个零件的人眼检测,平均每分钟检测十几个产品,连续工作超10个小时并不鲜见。高负荷导致工人精力跟不上,出现漏检、错检在所难免。如何缓解质检工的工作压力、提升制造企业的产品品质,成为亟待解决的难题。浪潮携手思谋科技,基于深度学习算法打造边缘工业智能质检解决方案,通过实时读取质检图片,对瑕疵产品进行推理、定位,即时给出缺陷类型、大小和处理建议。同时,这些数据还会反馈到云端,进一步优化AI质检模型算法。据《IT创事记》了解,这一解决方案已应用于钢铁、3C电子、汽车等行业的智能工厂,缺陷检出率从原来的90%提升到99%,不放过每一个缺陷,过检率≤3%,不会造成大量的“错杀”,同时日均处理产品件数大幅提升,对产品品质控制和生产效率优化助益显著。边缘计算在智能制造中的角色,类似于古时的御前带刀侍卫。巡逻、查夜、看守库房是带刀侍卫的日常职责,危急时刻作为“人肉盾牌”保护圣驾更是责无旁贷;边缘计算就像智能制造的贴身侍卫,用火眼金睛发现问题、监控环境,以顺风耳实现与云端的协同,遇到突发状况也会挺身而出,为智能制造的平稳运行保驾护航。智能制造面临多元挑战基于中商产业研究院的数据,2020年中国智能制造装备产值规模达20900亿元。制造业景气度整体维持在高位,为智能制造的快速发展奠定了坚实基础。与欧美发达国家相比,我国智能制造还有相当大的发展空间。亿欧智库的调研显示:当前90%的制造业企业配有自动生产线,但仅有40%实现数字化管理,5%打通工厂数据,1%使用智能化技术。预计到2025年,数字化、网络化、智能化制造企业占比将分别达到70%、30%、10%。智能制造的未来是星辰大海,但脚下的路却并不平坦。首先要面临复杂多元算力的挑战。伴随深度学习不断发展,分类算法AlexNet分析224×224大小的图像需要720FLOPS,使用工控机处理需要1秒左右;而实际生产中常使用的ResNet50视频处理的计算量是AlexNet的数十倍,复杂度越来越高,算力结构性缺口日益凸显。其次是巨量数据贯通的障碍。从2015年迄今,国内机器人装机量从25万台猛增到100万台,数控机床、PLC的市场规模从1400亿增长到2000多亿,系统平台从以人为核心的ERP、CRM扩展到以物为核心的IIOT、MES、PLM等。智能化装备、各类生产线以及跨领域系统平台的巨量涌现,让工厂的数据量呈指数级增长,海量数据的贯通和深度挖掘计算成为难题。此外,高并发实时处理的需求激增也带来困扰。智能制造过程广泛使用装配机器人,对智能机器人的目标识别、轨迹规划的计算实时性、复杂性提出了更高要求。工业现场单个摄像头每天会产生约330G的视频数据,完全传输至云端不仅占用带宽,亦难以满足实时性(毫秒级)的业务需求。边缘计算生逢其时应对智能制造面临的多元挑战,需要系统性的解决方案,而边缘计算也许是分量最重的利器。国际知名调研机构IDC将企业数字化成熟度划分为入门者、探索者、组织者、转型者、颠覆者5个阶段,目前中国制造企业数字化转型总体处在中间阶段,第四、五阶段的占比很低。人工智能、物联网等技术在制造行业应用落地过程中,企业迫切需要边缘侧强大的算力支持智能制造发展,而这正是国内市场最明显的短板。一组数据也印证了上述判断:2020年有超过500亿台设备连接在一起,每个工厂每天收集的数据点超14．4亿,这意味着对边缘侧的计算能力、服务速度的期望值前所未有。边缘计算在靠近数据源头端提供计算及存储服务,能够有效缓解网络带宽与数据中心的压力,增强服务的响应能力,并对工厂内的隐私数据进行保护,提升数据和生产的安全性。通过与云端的交互协作,还可实现系统整体的智能化。中国信通院技术与标准研究所互联网中心高级项目经理宋平博士认为,边缘计算是一个技术赋能平台,可以天然地与AI、大数据、区块链等新一代ICT技术进行深度融合,进而推动不同行业朝网络化、数字化、智能化方向转型升级。作为“带刀侍卫”,边缘计算对智能制造面临的三重挑战给出了强有力的回应:控制层智慧化运营管理:以深度学习为代表的复杂优化方法在自动化领域有较多应用,边缘计算可以为其提供基础设施,保证相关的计算任务安全、快速、高效地完成。例如在随机订单的混沌生产场景,利用边缘智能构建多个智能体系统,通过不同智能体之间的行为交互提高自主决策能力,增强生产过程的自适应性。贯通层海量数据分析挖掘:数据贯通层需要分布在边缘侧的计算节点统一协同,实现海量工业数据的挖掘。在工业生产中,产品、部件在传送带上流动,数据信息也在流动,利用边缘计算能快速感知工厂内各环节设备、产品异常,并基于RFID、蓝牙等技术对生产线上流动产品进行定位和质量评估。感知层更低时延诊断预警:数据感知层故障诊断与缺陷监测是应用边缘计算最多的领域。基于工厂产线零件识别与缺陷检测、轴承故障诊断、钢炉热异常检测、电力设备检修等场景,可以通过边缘计算进行更低时延的诊断预警,提高生产检测效率,缩短订单交付周期。“带刀侍卫”的烦恼与对策在智能制造产业升级进程中,边缘计算无疑发挥着举足轻重的作用。但“带刀侍卫”也有自己的烦恼,还存在一些妨碍其大展身手的制约因素。首当其冲的是AI技术链条与制造业的产业链条彼此脱节。据埃森哲等咨询机构的研究,70%以上有AI技术的研究机构、科技公司缺少需求场景及行业领域的知识和数据,与此同时,70%以上的行业用户欠缺技术人才和AI平台的实施能力,这种状况严重制约了智能制造的发展速度。思谋科技首席架构师侯力政对此深有体会:“我们很多的研发人员是研究机构或互联网公司出身,掌握高精尖的算法,但对整个工业领域缺少切实的体会。智能制造的应用场景比较碎片化,同一个客户不同的生产线也可能差异很大。一开始因为数据支撑较少,需要case by case地去做,接触的相似场景更多之后,就可以从中抽离出对应的核心算法。”云边协同缺乏一整套资源管理和任务调度的解决方案,也是症结所在。边缘计算的核心是将分析和决策下沉到网络边缘侧,对用户而言需要从算法、云平台、边缘资源管理平台、硬件产品等方面实现软硬件结合的系统性突破。消费级算力产品稳定性较差,成为智慧工厂的心病。很多边缘计算设备成熟度低,稳定性差。例如:不少工厂应用的工控机,工作一周就要下线10分钟——这些设备使用了桌面级的芯片做设计,在室外部署环境中无法保证稳定、可靠的持续运行。针对产业链脱节、生态离散的顽疾,已有嗅觉敏锐的企业开启“破圈”尝试。本文开头提到的智慧工厂案例,就是强强携手的典范。在国内AI和边缘计算服务器领域独占鳌头的浪潮,与致力于AI系统架构在智能制造行业落地应用的思谋科技,以跨界联手的方式促成了边缘计算的逆袭。早在2016年,浪潮就开始布局边缘计算,经过多年深耕,取得丰硕成果。围绕智能制造、智慧能源、智慧交通等场景,浪潮打造出边缘微服务器、便携AI服务器、边缘服务器和边缘微中心四大产品系列,并汇聚智能制造领域系统、算法、应用等伙伴,形成多种智能制造解决方案。工业机器人“智能体检”即是具有示范效应的典型应用。浪潮与展湾科技共同开发了一套“智能体检模型”,能够实时监控智能工厂内机器人健康参数,通过“物联网+算法模型” 在线监控和预测机器人系统的故障隐患,将传统基于时间的维护转变为对设备状态进行管理——根据设备健康参数提供分析图表,可提前将有问题的设备进行更换,避免机器人非计划停机,保证了全自动化产线连续、稳定、高效地运转。24小时在线的“安全监督员”也是比较成熟的解决方案。目前各行业的作业现场安全监督仍以人工管理为主,无法做到实时不间断监控。借助边缘计算技术,对生产全过程进行智能化监管,已成为各行业保障安全的优先发展方向。基于计算机视觉的AI智能监管,可以通过摄像机采集现场视频,依托安全帽和防护服监测、人脸检测等算法来判断工人的行为是否符合安全规范,并自动进行告警和记录。浪潮边缘计算事业部总经理孙波认为,以短平快灵活开发的模式去支撑边缘计算的不同场景,是浪潮在智能制造领域脱颖而出的关键。“我们在产品研发端采用模块化架构设计,揉合不同客户的差异化需求;供应链端实现小规模定制的柔性生产,哪怕只需要一台服务器,也能按客户需求供货。”孙波一语道破天机——在纷繁复杂的场景中积极求变,也许正是边缘计算的生存之道。

204.什么是云计算？它有哪些特征？云计算是一种通过 Internet 以服务的方式提供动态可伸缩的虚拟化的资源的计算模式。需求服务自助化资源配置动态化资源的池化和透明化以网络为中心205.虚拟化的三种类型？平台虚拟化、资源虚拟化、应用程序虚拟化

202.什么是虚拟化？答：是将计算机的各种实体资源，如服务器、网络、内存及存储等，予以抽象、转换后呈现出来，打破实体结构间的不可切割的障碍，使用户可以比原本的组态更好的方式来应用这些资源。这些资源的新虚拟部分是不受现有资源的架设方式，地域或物理组态所限制。203.云计算领域存在的两个主要技术路线一是基于集群技术的云计算资源整合技术，一个是基于虚拟机的云计算资源切分技术。

200.分布式计算的定义和特征是什么？定义：分布式计算就是在两个或多个软件互相共享信息，这些软件既可以在同一台计算机上运行，也可以在通过网络连接起来的多台计算机上运行。特征：分布式计算中，多个通过网络互联的计算机都具有一定的计算能力，它们之间互相传递数据，实现信息共享，协作共同完成一个处理任务。201.在 FusionCompute 中，虚拟机热迁移能够带给客户什么价值？降低服务器操作维护过程中业务中断的风险；降低服务器升级过程中业务中断的风险；将虚拟机集中到几台服务器上，关闭没有负载的服务器，降低业务运行成本；防止服务器故障导致的虚拟机业务中断。

 ① 磁盘虚拟化② 块虚拟化③ 磁带 /磁带机 /磁带库虚拟化④ 文件系统虚拟化

答：RAID 0 和 RAID 1 的区别：1、RAID 0 读写速度快、阵列容量是加入阵列磁盘的总容量、无数据备份功能，安全性差。2、RAID 1 读写速度如单盘，容量是单盘的容量，但盘间是相互备份的，安全性高，4 块硬盘，做 RAID1 时不一定就是 120G3.raid10 是 raid1 和 raid0 的组合，至少需要 4 块硬盘，两块硬盘组成 raid1，然后在和另外两个 raid1 组成 raid0

196.云计算按照部署方式和服务类型分别分成哪几类？（1）公共云 提供给大众（2）私有云（或称专属云） 用户拥有整个云中心设施（3）混合云 公有云与私有云混合 廉价与安全197.桌面云的优点是什么？答：（1）数据安全：终端与数据隔离，防泄密；高可靠性架构，防丢失；本地无数据，安全可控（2）运维效率快：桌面标准化；桌面快速发放，集中运维；故障快速恢复，减少业务中断时间（3）灵活性好：资源按需调整；移动办公，随时随地接入。

没有人能够准确定义云在当今商业技术中的含义。它是一排按秒付费的设备吗?一组强大的API?一系列各种服务——所有服务的缩写词都以“aaS”结尾——企业可以依靠这些服务作为自己技术堆栈的构建模块?或者，这只是一种认为租用比购买更好的IT预算策略?随着供应商添加新功能和推出新服务，云计算的定义可能会不断变化，但每个人都知道，它对所有行业的企业来说都是一个很好的选择——而且作为IT战略的主要角色，它的势头只会迅速增长。借助云端各种可用工具和大量计算资源，开发团队可以做更多事情，构建更多产品。当人们都同时登录网站和使用某些服务时，企业可以更好地应对季节性或临时性的客户活动高峰。分析团队可以大规模试验最新的机器学习技术，IT主管们可以越来越多地从预算中剔除那些资本支出项目，同时让他们的业务部门同事对他们的半自治状态感到满意。尽管围绕云有许多值得高兴的事，而且也有一些成熟的商业价值，但依赖大型云提供商的堆栈也有一个潜在的弱点。以下是将业务迁移到云端时需要注意的10件事。您被锁定的环节比您想象的要多乍一看，在商用硬件上销售商用操作系统应该是商品业务。但不知何故，云领域却具有出奇的粘性。即使您在云端创建的数据或服务理论上是可移植的，但只是将所有这些数据从一家公司的云转移到另一家公司似乎就需要相当长的时间。在最近的一个项目中，我认识了一位高级工程师，他正在将一整套服务从一个云迁移到另一个云。六个月后，当该项目中我的这部分工作结束时，他仍在迁移这些服务。经理们还在给他支付工资。在DNS和密钥以及配置文件中，一些小细节通常足以让您更容易在一个云服务上不断支付更高的费用，而且也会让您避免因转移到其他云而面临的困扰。您支付了更高的费用——即使这并不昂贵亚马逊股票的飙升不仅仅是因为成千上万的仓库工作人员和送货卡车将世界各地的商品送到我们的家门口。这是一个竞争激烈、利润微薄的行业。其很大一部分利润来自“亚马逊网络服务”，这些服务通过将计算功能切分成小块并提高了价格，从而获得大部分利润。这一切都要归功于企业界服务器机房和数据中心的大量低效工作。因此，云提供商可以提供诱人的、更廉价的替代方案，以在您自己的硬件上托管您的堆栈，并仍可以报出有丰厚利润的价格。性能并非总是如宣传的那样好云计算机并不像看起来那么强大，也许是因为其硬件通常被数十个虚拟实例共享使用，每个实例都被精心分配了少量的RAM和CPU计算能力。当我注意到自己办公桌下使用了八年的服务器在解决一些重大优化问题比每月花费超过100美元来处理大型云实例要快得多时，这对我来说是显而易见的。但除非您十分关注于硬件设备，愿意自己安装和更新操作系统，并愿意在夏天让这些机器在您的办公楼里不断发热，否则使用云端设备更简单。在这个项目中，我只是通过使用N台机器来作为补充，这些机器的计算能力是我办公桌下至强服务器的1/N。当然，我的这个服务器更为昂贵，但启动新机器的便利性使人们更容易忽略其缺点。而且预算也会更低一些。悬而未决的问题有很多关于云的很多事情仍然很神秘，许多问题还没有得到解答。有些人想知道使用哪种技术可长期存储数据。而其他人则在考虑数据中心的街道地址。很多时候，云提供商都在帮助我们避免被不必要的细节弄得一团糟。有时他们会变得很神秘以提高安全性。但喜欢问问题的控制狂们会因为云行业通常对所有细节守口如瓶而感到沮丧，但或许在账单上逐项列出各服务项目是一个例外。性能并不统一实例像用千篇一律的模具冲压出来的商品一样出售，但性能可能会有所不同。我曾观察过很长时间，一些计算量大的工作的加速和减速幅度为20%。当我写信给技术支持团队时，他们没有给出一个清楚的答案，因为硬件都来自同一组设备。因此其速度应该是一样的。大多数情况下，其性能是可预测的，这就是为什么当一台机器明显更快或更慢时，人们会感到惊讶。其中一些工作涉及到管理预期这一难题。当云提供商遇到一堆无负载运行的实例时，他们会为负载过重的实例提供额外的时钟周期。为什么不用瞬间就会浪费掉的资源来奖励您的优质客户呢?但如果云提供商经常这样做，客户就会开始有所期待。变化往往超出您的控制范围是否存在某一客户不想使用一些新的和改进的产品?在云业务中，许多客户往往不愿接受改变，因为他们担心自己的代码会崩溃。云提供商陷入了两难境地。太多的改变会伤害到客户。但太少的改变意味着问题没有得到解决，安全漏洞未被消除。而没有选择会让每个人都开心。在塑造您的IT战略方面，供应商起的作用比您想象的更多许多开发人员喜欢吹嘘一些在其堆栈中包含的服务，而这些服务仍运行在十年或二十年以前的操作系统或数据库版本之上。如果您正在管理自己的硬件，则可以采纳这样的想法：如果机器没有坏，就不需要修理。然而，云提供商却不能如此漫不经心。他们通常需要让其客户群体步调一致地向前发展，这意味着租用云计算机更像是参军。您不是自己领域的主人。您只是机器的一部分，这意味着您将花费更多时间来适应和和谐相处。可变定价带来类似拉斯维加斯式的预算体验如果有人想要证明，一些几乎不重要的小事情可以引发大事件，那么他们可以去拉斯维加斯大道上的大型赌场。这是一个建立在老虎机和双骰赌桌上的帝国。所有的小赌注在这里积少成多。云端的许多服务都是受到老虎机的启发。例如，在俄亥俄州的亚马逊网络服务(AWS)数据中心调用Lambda无服务器服务，其每GB秒的费用仅为0.0000166667美元。如果您的代码可以在128MB的RAM上运行，并在1毫秒内完成，那么每次点击的费用为0.0000000021美元。以这样的价格，难怪您的开发人员会毫不在意地启动实例、填满存储桶以及启动新服务。当钱像五彩纸屑一样流过开发人员的手指时，他们就像在岸上休假的水手。但到了月底，账单就如宿醉般地到来，而到了季度末，云提供商的盈利创下了新纪录，而您付出了超出您预想的IT预算。便利性扼杀了关键技能当我问MySQL的一些创始人其成功的秘诀时，他们的回答是，他们要确保任何人都可以在五分钟内安装MySQL。他们侧重于简化安装脚本，因为他们知道开发人员都被其他工作压得喘不过气来。这就是MySQL如此受欢迎的原因之一。几十年后，云提供商正在向云用户兜售托管版本的MySQL，该版本会使工作变得更轻松。许多人宁愿在网站上点击按钮，也不愿通过命令行语言的流程图来完成工作。云产品的简单性正孕育着不能编辑配置文件或重启进程的新一代。他们只能点击网页上的按钮。这很糟糕吗?一些现实且精打细算的人会说，一家公司的开发团队应该专注于设计新的东西，而不应过分关注于商品工具。这就是企业创造更多价值的方式。但是，对于能够从源代码或程序包着手工作的开发人员来说，还是有一些值得钦佩的地方。逐渐放弃我们的技能，可能使我们有一天会付出代价——尤其是当某一天从战略上需要将这些工作带回到企业内部的时候。力量的天平偏向于您的供应商您需要做得就是快速阅读服务条款，以了解云提供商与其客户之间的力量平衡。有一次，我翻阅了一份服务条款，其中不断声称有权“无故”关闭用户的服务或删除数据。其讨论区中充斥着关于大型云提供商如何抛弃小客户的故事。在某些情况下，开发人员甚至不知道他们做错了什么。极右翼保守社交网络平台Parler的一个故事应该让每个开发者都停下来想想，不管他们的政治立场如何。某个周末，亚马逊公司给其客户发了一条非常有礼貌的信息，让他们在几天内离开自己的云服务。金钱可能有助于达成更平衡的协议，但很难忽视这样一个事实：云提供商已成为控制着某些技术的巨兽，而企业却无法脱离这些技术。