OpenStack部署都有哪些方式

部署方式主要有手動部署和自動化部署。

1.手動部署：沒啥好辦法，按照官方文檔，一步一步進行安裝，對于初學者來說，有助于加深理解。個人建議，先學習各個組件，大致理解每個組件的原理和用途，再進行安裝嘗試。

2.自動化部署：自動化部署方式有很多，這里只列舉比較常用的幾個。

Kolla：容器化部署方式，所有的服務和組件都打包成了docker鏡像，部署簡單。

個人喜歡這種方式，因此排在第一位。

DevStack.一鍵腳本安裝，快速搭建openstack開發(fā)環(huán)境。

RDO.紅帽開源的openstack部署工具，只支持redhat及centos系列的系統(tǒng)。

Fuel.OpenStack的開源部署和管理工具。功能強大，掌握起來有一定難度。

自動化部署方式不易出錯，部署生產環(huán)境集群，效率更高，現(xiàn)在openstack社區(qū)主推Kolla這種方式，感興趣的小伙伴可以了解下。

十年將至，OpenStack的傳奇是否還能延續(xù)

貢獻

華為在openstack上面貢獻很大，華為對openstack的代碼提交排全球第四，前三都是美國大公司，可以看出華為對openstack的重視，另外，華為今天剛剛發(fā)布了公有云業(yè)務，其公有云很有可能是基于openstack的。。華為這是蓄勢待發(fā)啊，雖然進入相對來說晚了，但是其實力還是很有競爭力的，華為在云計算方面其實很早就開始了，其在這方面技術實力還是很強的。希望華為能將openstack帶入進一步的輝煌期。

OpenStack貢獻率排名

幾乎涵蓋所有硬件廠商和大部分運營商的openstack卻做不出一個成功的公有云，私有云廠商也不少，卻還是Vmware一家獨大。趨勢一目了然，競爭分析應該分析AWS、Azure、國內的阿里云、騰訊云。最強還是AWS，據說已經1000多種服務啦！

OpenStack貢獻率排名

盡管微軟圍繞Azure堆棧的總體可用性的本質，但2017預期的平臺將使組織能夠從他們自己的數(shù)據中心獲得Azure的功率和靈活性。OpenStack根深蒂固的云平臺和技術在短期內可能會獲得持續(xù)的成功，但AzureStack的到來無疑將為基金會帶來資金上的競爭，特別是考慮到OpenStack的部署和管理是多么困難和復雜。

OpenStack目前來看已達到瓶頸，除非新版本能有創(chuàng)新的亮點，否則走向沒落只是時間問題。不過OpenStack已經有自己的生態(tài)體系，要想徹底淡出云計算也并非一朝一夕的事情。衷心希望OpenStack新版本能力挽狂瀾，繼續(xù)保持開源云計算的領跑者。

OpenStack架構圖

分布式云架構包括

華為分布式云數(shù)據中心解決方案是基于分布式云數(shù)據中心SD-DC2(ServiceDriven–DistributedCloudDataCenter)架構的。它將傳統(tǒng)的分散、分層、異構的傳統(tǒng)數(shù)據中心架構，升級為物理分散、邏輯集中的分布式云數(shù)據中心架構，將不同地域、不同時期、不同規(guī)模的數(shù)據中心，混合虛擬化(兼容物理和虛擬資源)為一個跨數(shù)據中心的“邏輯資源池”，對外呈現(xiàn)具有SLA等級保障的VDC，實現(xiàn)統(tǒng)一管理、統(tǒng)一呈現(xiàn)、統(tǒng)一運營。

華為分布式云數(shù)據中心總體架構包括三個層面

華為分布式云數(shù)據中心總體架構包括如下三個層面：

IaaS：基于OpenStack開放架構，提供計算和存儲資源；并實現(xiàn)對資源的靈活的調度管理。

NaaS：基于SDN和VxLan技術，構建融合物理/虛擬的數(shù)據中心網絡架構，實現(xiàn)對網絡服務的自動化管理

Maas：構建多數(shù)據中心、異構資源的統(tǒng)一的運營和服務管理平臺，實現(xiàn)數(shù)據中心的統(tǒng)一高效管理，構建面向精細管理體系。

華為分布式云數(shù)據中心架構著重強調“業(yè)務驅動”，也就是以用戶的訴求為中心，所以它能夠將用戶的需求與數(shù)據中心的設計完美結合，打造出適合云計算需求的數(shù)據中心參考架構。目前華為分布式云數(shù)據中心已經在智慧城市、教育行業(yè)、媒體轉型等方面助力行業(yè)創(chuàng)新方面發(fā)揮重要作用

OpenStack有哪些核心組件

有二十多個核心組件，但是不是所有組件都像Nova、Cinder、Glance那樣成熟和重要。在這里將介紹6個必備核心組件：

1.Nova是OpenStackComputeService的項目名稱，從OpenStack第一個版本Nova就集成在項目中，是最核心和最復雜的組件之一。它管理計算資源，負責虛擬機實例的所有活動，包括虛擬機創(chuàng)建、開機、關機、掛起、遷移等等操作。但是，Nova自身并不能提供虛擬化能力，而是通過API來對外提供服務。它使用Keystone來執(zhí)行身份驗證，使用Horizon作為其管理接口，并用Glance提供其鏡像。

2.Glance是OpenStackImageService的項目名稱，它負責管理OpenStack集群中的鏡像，可以創(chuàng)建、刪除、編輯鏡像基本信息，支持多種虛擬機鏡像格式。但是，Glance本身并不存儲信息，它只保存描述鏡像的元數(shù)據和狀態(tài)信息，存儲工作由cinder和swift等項目負責。

3.Cinder是OpenStackBlockStorage的項目名稱，它負責為運行實例提供穩(wěn)定的塊存儲服務，可以為設備提供創(chuàng)建卷、刪除卷、掛載或卸載卷等功能。對于可擴展的文件系統(tǒng)、企業(yè)存儲服務以及需要訪問訪問塊級的應用程序而言，塊存儲是必不可少的。Cinder可以為Glance提供鏡像存儲，是EMC公司參與較多的項目之一。

4.自OpenStack成立以來Swift就一直是核心組件，功能類似于一個分布式、可訪問API的存儲平臺，可直接將它集成到應用程序中，或者用于存儲VM鏡像、備份和歸檔文件。

對象存儲包括對象和容器，容器類似于文件夾，對象就是存儲實體，對象必須存儲在容器中，因此您必須擁有至少一個容器才能使用對象存儲。對象可以分布在數(shù)據中心的多個磁盤中，主要是文件相關的內容和元數(shù)據。Swift也可以為Glance提供鏡像存儲，為Cinder提供卷備份服務。

5.Keystone主要為OpenStack提供身份驗證服務、用戶的角色信息、服務規(guī)則和令牌服務。Keystone為其它組件提供了服務和管理API接口，后端可以接其它認證服務，比如使用LDAP服務做為認證服務。

6.Neutron設計的目的是為OpenStack虛擬環(huán)境提供靈活地網絡功能，為多租戶環(huán)境下的每個租戶提供獨立的網絡環(huán)境，功能類似于VMwareNSX虛擬網絡功能，可是實現(xiàn)原理不同。Neutron通過API實現(xiàn)這種目標，用戶可以創(chuàng)建自己的網絡對象，該項目發(fā)展迅速。

搭建私有云平臺：Hadoop還是選擇OpenStack

首先建議題主描述清楚應用場景，否則別人做的方案可能都不符合需求。

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

=================補充=============

題主的需求，實質是搭建一個IoT實時大數(shù)據平臺，而不是一般意義的私有云。IoTa大數(shù)據平臺除了數(shù)據采集和結果反饋，其余部分和一般的大數(shù)據平臺相差不多。OpenStack長于管理VM資源管理，Hadoop長于批處理，不擅長實時處理，所以需要尋找一種更加完善的解決方案。這里推薦考慮Storm或者ApacheFlink。

OpenStack是一個開源的IaaS實現(xiàn)，由Nova、Cinder、Neutron、Swift、Glance等一系列相互關聯(lián)的子項目組成，可以理解為云計算領域的Linux。OpenStack架構松耦合，高可擴展，能適應不同企業(yè)的需求，已經成為IaaS私有云事實標準。國內外各大廠都在OpenStack上有很大的投入。當然項目成長的同時，也受到大廠博弈的一些影響，但項目本身就是大家求同存異的結果，我們相信OpenStack會在競合中有更美好的未來。

大數(shù)據平臺可以完全不鳥OpenStack，分布式文件系統(tǒng)有HDFS，資源調度和管理YARN就行。YARN都已經支持Docker，希望細粒度調度模式可以考慮Mesos，Mesos提供良好的API，支持很多成熟的框架，不過Mesos不在Hadoop生態(tài)中，這是一個缺憾。ApacheHadoop能夠以低成本進行海量數(shù)據的多維統(tǒng)計分析，還是很有優(yōu)勢。

核心流式計算部分，有Storm、Spark、Flink可以選擇。

Storm編程模型簡單，毫秒級延遲，容錯性、擴展性和可靠性都比較好，在國內有很多團隊采用。不過Storm只是流計算框架，且不能直接利用YARN。

ApacheSpark是和Hadoop一樣流行的開源大數(shù)據框架，社區(qū)活躍，在流計算、圖處理、機器學習方面都投入很大，支持對SQL的優(yōu)化，很適合多種大數(shù)據平臺的需求，不過SparkStreaming本質還是批處理，把數(shù)據流分解成一系列小的RDD，通過時間窗來控制數(shù)據塊的大小，有測試說只能支持秒級計算。

ApacheFlink是可擴展的批處理和流式數(shù)據處理的數(shù)據處理平臺，能夠基于同一個Flink運行時提供支持流處理和批處理兩種類型應用的功能。不同于Spark，F(xiàn)link把批處理當初特殊的流處理，并且支持增量迭代，這是非常贊的設計，可以快速地處理數(shù)據密集型和迭代任務，性能很有保證。不過目前Flink用戶群和社區(qū)還沒有Spark那么強大。但Flink的未來很值得期待，可能需要時間的沉淀。

Spark和Flink的對比，ApacheFlink現(xiàn)在在大數(shù)據處理方面能夠和ApacheSpark分庭抗禮么這個問題的最佳答案質量很棒，轉載自知乎，翻譯的這篇文章：IntroductiontoApacheFlinkforSparkDevelopers:FlinkvsSpark

最后，上一張網易猛犸大數(shù)據平臺架構圖，供參考。

電信云底座是openstack嗎

關于這個問題，是的，電信云底座是基于OpenStack的云計算平臺。它是中國電信自主研發(fā)的一款云計算基礎設施，能夠提供彈性計算、存儲、網絡等基礎資源，滿足企業(yè)和個人的各種需求。