前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >Rancher K8S 集群子网规划

Rancher K8S 集群子网规划

原创
作者头像
颇忒脱
发布于 2022-11-21 02:09:31
发布于 2022-11-21 02:09:31
8340
举报

规划好子网:

  • Pod 和 Service 的总体子网空间
  • 每个节点所能使用的子网空间

默认值:

  • Pod CIDR:10.42.0.0/16
  • Service CIDR:10.43.0.0/16
  • node-cidr-mask-size:24

关键是 node-cidr-mask-size ,它决定了集群可以有多少个节点,以及每个节点的 IP 数量。

以默认情况为例,node 的数量是 24 - 16 = 8,2 ^ 8 = 256 个节点。而每个节点可以有 32 - 24 = 8,2 ^ 8 = 256 个 IP。

其实你看 Pod 的 IP 可以发现,第一个节点的上的 IP 是 10.42.0.xxx,第二个节点的 IP 是 10.42.1.xxx,以此类推。

当然情况会随着参数的变化而变化。

下面是修改的方法,修改 RKE 需要的 cluster.yml

1 2 3 4 5 6 7 8 9 10 11

... services: kube-api: service_cluster_ip_range: 10.101.251.0/24 kube-controller: cluster_cidr: 10.101.252.0/24 service_cluster_ip_range: 10.101.251.0/24 extra_args: node-cidr-mask-size: 26 kubelet: cluster_dns_server: 10.101.251.10

上面这个例子可以容纳 4 个 node,而每个 node 最多有 64 个 IP,同时也把 DNS 服务器的 IP 地址也修改了一下。

参考资料:

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
AMD的PyTorch机器学习工具,现在是一个Python包了
作为一款被学术界和工业界广泛使用的开源机器学习框架,PyTorch 近日发布了最新的 1.8 版本,1.8 版本的发布,使得 PyTorch 加入了对 AMD ROCm 的支持,可以方便用户在原生环境下运行,省去了配置 Docker 的繁琐。
AI算法与图像处理
2021/04/21
8660
AMD的PyTorch机器学习工具,现在是一个Python包了
5 年时间,PyTorch 从 0 成长为开源基金会
当地时间 9 月 12 日,全球顶级非营利开源组织 Linux 基金会宣布,正式成立 PyTorch 基金会。开源 Python 机器学习库——PyTorch,将从 Meta 转移到 Linux 基金会,并将在新成立的 PyTorch 基金会下运作。 PyTorch 基金会隶属于 Linux 基金会,管理委员会由 Meta、AMD、AWS、谷歌云、微软和 NVIDIA 等六个公司的代表组成。Linux 基金会战略项目副总裁 Dr. Ibrahim Haddad 被任命为 PyTorch 基金会的执行董事。
腾源会
2022/09/13
8680
5 年时间,PyTorch 从 0 成长为开源基金会
AI开发大一统:谷歌OpenXLA开源,整合所有框架和AI芯片
机器之心报道 编辑:蛋酱、泽南 未来的机器学习开发局面会走向统一吗? 在去年 10 月的 Google Cloud Next 2022 活动中,OpenXLA 项目正式浮出水面,谷歌与包括阿里巴巴、AMD、Arm、亚马逊、英特尔、英伟达等科技公司推动的开源 AI 框架合作,致力于汇集不同机器学习框架,让机器学习开发人员获得能主动选择框架、硬件的能力。 本周三,谷歌宣布 OpenXLA 项目正式开源。 项目链接:https://github.com/openxla/xla 通过创建与多种不同机器学习框架、
机器之心
2023/03/29
4580
AI开发大一统:谷歌OpenXLA开源,整合所有框架和AI芯片
PyTorch 1.8 发布,支持 AMD,优化大规模训练
北京时间 3 月 4 日,PyTorch 官方博客发布 1.8 版本。据官方介绍,新版本主要包括编译器和分布式训练更新,同时新增了部分移动端教程。
HyperAI超神经
2021/03/10
1K0
PyTorch 1.8 发布,支持 AMD,优化大规模训练
有bug!PyTorch在AMD CPU的计算机上卡死了
机器之心报道 编辑:小舟、陈萍 AMD,No?PyTorch在AMD CPU的机器上出现死锁了。 PyTorch 作为机器学习中广泛使用的开源框架,具有速度快、效率高等特点。而近年来广受好评的 AMD 处理器具有多核、多任务性能良好、性价比高等优势。开发者们一直希望二者联合起来,在 AMD 处理器上使用 PyTorch 进行深度学习的开发和研究。 前段时间发布的 PyTorch 1.8 新增了对 AMD ROCm 的支持,对于想在 AMD 上用 PyTorch 进行深度学习的开发者来说,这是一个好消息。 
机器之心
2023/03/29
8460
有bug!PyTorch在AMD CPU的计算机上卡死了
AMD将推出7纳米GPU Vega,专为深度学习和机器学习打造
AMD今天在Computex上为其下一代7纳米GPU Vega草拟了高级的数据中心计划。综合了AMD在个人电脑上花费一个半小时的展示,显然7纳米Vega终于瞄准了高性能深度学习和机器学习应用。AMD EPYC的成功可能为Vega在云AI训练和推理的应用铺平了道路。
AiTechYun
2018/07/27
4640
AMD将推出7纳米GPU Vega,专为深度学习和机器学习打造
PyTorch 与 TensorFlow:机器学习框架之战
深度学习框架是简化人工神经网络 (ANN) 开发的重要工具,并且其发展非常迅速。其中,TensorFlow 和 PyTorch 脱颖而出,各自在不同的机器学习领域占有一席之地。但如何为特定项目确定理想的工具呢?本综合指南[1]旨在阐明它们的优点和缺点。
数据科学工厂
2023/10/25
1K0
PyTorch 与 TensorFlow:机器学习框架之战
PyTorch1.0 预览版强势发布!
万众瞩目的Pytorch 1.0 依旧跳票了,但为了安抚各位弱小的心,FaceBook强势推出Pytorch 1.0 预览版(preview)!
Amusi
2019/12/31
5120
PyTorch1.0 预览版强势发布!
为什么大厂做AI训练都选择英伟达而不是英特尔AMD
大厂选择英伟达的GPU进行AI训练,而非英特尔或AMD的产品,主要是基于以下几个原因: 1. CUDA生态系统的成熟: 英伟达的CUDA编程平台是最早且最为成熟的GPU并行计算框架之一,提供了丰富的库和工具,如cuDNN、TensorRT等,这些专门为深度学习优化的库极大地简化了开发流程。开发者社区对CUDA的广泛支持意味着更多现成的AI模型、框架和工具可以直接在英伟达GPU上运行,降低了开发成本和时间。 2. 性能优势: 英伟达在GPU架构设计上持续创新,特别是在AI训练所需的浮点运算、张量运算等方面,其GPU(如A100、H100及后续的新GPU)提供了高性能和高吞吐量,适合大规模并行计算任务。英伟达的Tensor Cores专门针对深度学习中的矩阵乘法和张量运算做了优化,大幅提升了训练效率。 3. 市场先发优势: 英伟达较早认识到GPU在AI领域的潜力,并迅速占据了市场主导地位。这种先发优势让英伟达在AI训练硬件领域积累了大量用户案例和成功故事,形成了一定程度的行业标准效应。 4. 软件和硬件的紧密结合: 英伟达不仅提供硬件,还有一整套从底层驱动到高层应用软件的解决方案,确保了硬件性能的充分发挥。此外,英伟达持续更新的软件栈和工具链,使得开发者可以轻松地调优和监控AI训练过程。 5. 行业合作与支持: 英伟达与众多AI领域的研究机构、企业和云服务商建立了紧密的合作关系,为用户提供从硬件到云服务的全方位支持。这种生态系统为用户提供了便利,也加强了英伟达在市场的地位。 尽管英特尔和AMD近年来在AI领域加大了投资,推出了专门针对AI训练的加速器(如英特尔的Gaudi系列和AMD的MI300),并努力构建自己的软件生态系统,但英伟达在AI训练市场的领先地位短期内仍难以撼动,主要是因为其深厚的技术积累、成熟的生态系统以及广泛的认可度。然而,随着竞争者的不断追赶和技术的发展,未来的市场格局仍有可能发生变化。
用户7353950
2024/05/10
1.7K0
为什么大厂做AI训练都选择英伟达而不是英特尔AMD
业界 | 英伟达GTC大会谈GPU未来:实现机器学习和数据库的融合
选自The Next Platform 机器之心编译 参与:微胖、黄小天、吴攀 对于工作,有一个合适的工具当然好;但是把一个工具应用于多个工作且效用更佳,这更好。这就是为什么通用的基于 X86 的计算接管数据中心的原因之一。通过受限范围或者只是把原来有的应用程序单独放在替换平台上,规模经济获得了出乎意料的效率。 十多年前,把计算任务从 CPU 卸载到 GPU 加速器的想法从学术界脱颖而出,并且相对更快的高性能计算社区和 GPU 制造商英伟达扩展了现有的 Fortran 和通常用于 CPU 并行超级计算机的
机器之心
2018/05/08
7170
A卡跑大模型,性能达到4090的80%,价格只有一半:陈天奇TVM团队出品
自预训练大模型兴起以来,人们面临的算力挑战就变得越来越大。为此,人们为大语言模型(LLM)提出了许多训练和推理的解决方案。显然,大多数高性能推理解决方案都基于 CUDA 并针对英伟达 GPU 进行了优化。
机器之心
2023/09/08
1.4K0
A卡跑大模型,性能达到4090的80%,价格只有一半:陈天奇TVM团队出品
英伟达「核弹级」GPU A100不敌AMD?比起算力,CUDA才是核心武器
从去年下半年到今年8月,英伟达市值一路攀升,创下5080亿美元的记录,位居半导体行业第二位,而英伟达联合创始人、CEO兼总裁黄仁勋的身价也涨至190亿美元。
新智元
2021/11/23
1.5K0
CUDA与OpenCL:并行计算革命的冲突与未来
本文翻译自:《CUDA vs OpenCL vs Metal : The Battle for GPU Acceleration Supremacy》
GPUS Lady
2024/05/17
2.4K0
CUDA与OpenCL:并行计算革命的冲突与未来
AMD在机器学习领域追击英伟达:发布Vega新卡,性价比是N厂两倍
李杉 编译整理 量子位 报道 | 公众号 QbitAI A卡和N卡之间的战火,正在机器学习领域不断延烧。 上周,英伟达刚刚发布了性能提升5倍的GPU新架构Volta、Tesla V100深度学习加速处理器以及搭载Volta GPU的新超级计算机DGX-1、工作站DGX Station。 今年年初就在CES透露了新GPU架构的AMD,有点坐不住了。 在今天的财务分析师会议上,他们展示了公司接下来在数据中心、CPU、显卡等领域的一系列新品发布计划,其中关注度最高的,是Vega架构的第一款新卡Radeon V
量子位
2018/03/30
1.2K0
了解机器学习/深度学习常用的框架、工具
scikit-learn 官方文档:https://scikit-learn.org/stable/#
叶庭云
2024/05/25
1.8K0
译文:Python深度学习框架评价
原文链接https://indico.io/blog/python-deep-learning-frameworks-reviewed/ 麦迪逊月 - 2017年1月31日 ---- 我最近偶然发现了我在“神经网络的最佳python库”这个主题的一个旧的数据科学堆栈交换的答案,它让我深感python深度学习生态系统在过去的两年半内的快速发展。我在2014年七月推荐的一个库pylearn2,现在已经不再被积极地开发和维护,并且一大批深度学习的库已经占据它的位置。其实每一个库都有它的优势和弱点。我们已经使
小莹莹
2018/04/19
1.2K0
译文:Python深度学习框架评价
从硬件配置到框架选择,请以这种姿势入坑深度学习
选自fast.ai 机器之心编译 参与:蒋思源、路雪 搭建深度学习系统需要哪些硬件、软件、环境、课程和数据?本文将为我们一次解答这些问题。 深度学习初学者经常会问到这些问题:开发深度学习系统,我们需要什么样的计算机?为什么绝大多数人会推荐英伟达 GPU?对于初学者而言哪种深度学习框架是最好的?如何将深度学习应用到生产环境中去?所有这些问题都可以归结为一个——搭建深度学习系统都需要些什么?(其中包含硬件、软件、环境与数据)在本文中,让我们将这些问题一并解决。 你需要的硬件 我们要感谢游戏行业 从收益来看,视频
机器之心
2018/05/10
6860
从Pipenv到PyTorch,盘点2017年最受欢迎的十大机器学习Python库
选自tryolabs 机器之心编译 参与:蒋思源、黄小天、刘晓坤 2017 年即将结束,又到了总结的时刻。本文作者把范围限定为机器学习,盘点了 2017 年以来最受欢迎的十大 Python 库;同时在这十个非常流行与强大的 Python 库之外,本文还给出了一些同样值得关注的 Python 库,如 PyVips 和 skorch。 十二月是静静坐下来总结过去一年成就的时候。对程序员来说,则通常是回顾那些今年推出的开源库,或者由于其极好地解决了一个特定问题而最近变的大为流行的开源库。 过去两年来,我们一直通过
机器之心
2018/05/11
7300
PyTorch 1.8发布,支持AMD GPU和Python函数转换
此外,PyTorch 1.8 版本还为大规模训练 pipeline 和模型并行化、梯度压缩提供了特性改进。该版本的主要亮点如下:
机器之心
2021/03/14
6460
从PyTorch到Mxnet ,对比7大Python深度学习框架
选自kdnuggets 作者:Madison May 机器之心编译 参与:王宇欣、李亚洲 选择什么深度学习框架一直是开发者非常关心的一个话题,而且深度学习框架之间的「战争」也越来越激烈。过去一段时间,机器之心发过多篇机器学习框架的对比文章,但随着 Python 逐渐成为机器学习社区最受欢迎的语言,支持 Python 的深度学习框架的性能也值得关注。Indico Data Solutions 的 CTO Madison May 根据他们公司在产品和开发过程中的经验对 7 大 Python 深度学习框架进行了
机器之心
2018/05/07
2.3K0
推荐阅读
相关推荐
AMD的PyTorch机器学习工具,现在是一个Python包了
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档