原文链接：https://arxiv.org/abs/2302.023671.引言目前基于激光雷达的主流方法分为基于点云的方法和基于体素的方法。前者能保留最多的几何信息，但点查询和遍历耗时；后者使用3D/2D卷积处理体素化点云，但用于提高效率的3D稀疏卷积在部署时会遇到困难。PointPillars作为设备部署的流行方法，使用对部署有利的2D卷积。但其使用最大池化提取每个柱体内点的特征，无法获取细粒度特征，影响最终性能（特别是对于小物体）。此外，其颈部网络FPN直接融合多尺度特征，缺少充分的特征交互。尽管PillarNet提高了PointPillars的性能，但其使用了部署困难的稀疏卷积。本文
作者：老Z，云原生爱好者，目前专注于云原生运维，KubeSphereAmbassador。前言知识点定级：入门级RabbitMQ单节点安装部署RabbitMQ集群安装部署GitOps运维思想演示服务器配置主机名IPCPU内存系统盘数据盘用途zdeops-master192.168.9.92440200Ansible运维控制节点ks-k8s-master-0192.168.9.9141640200+200KubeSphere/k8s-master/k8s-worker/Cephks-k8s-master-1192.168.9.9241640200+200KubeSphere/k8s-master
1，查看镜像kubectl-nxxxgetpods|grepRunning|awk'{print$1}'|xargs-r-I'{}'kubectl-nxxxgetpods{}-o=jsonpath='{.status.containerStatuses[0].image}{"\n"}'|sort2，去重查看kubectl-nnamespacegetpods-ojsonpath='{.items[*].spec.containers[*].image}'|tr'''\n'|sort|uniq3， 同时显示pod名称和镜像kubectlgetpods-nnamespace-o=jsonpath='
【云原生之kubernetes】在k8s集群中安装和配置MetricsServer一、MetricsServer介绍1.1MetricsServer简介1.2MetricsServer功能1.3MetricsServer兼容性要求二、本次实践介绍2.1本次实践简介2.2本次环境规划三、检查k8s环境3.1检查工作节点状态3.2检查系统pod状态四、下载MetricsServer软件包4.1创建下载目录
文章目录深入Kubernetes（k8s）概念一、基础概念理解二、kubernetesObjects（k8s对象）
目录环境准备1、k8s集群2、harbor远程仓库部署前后端分离项目生成vue镜像（所有子节点都需要操作）1、将前端vue项目打包得到dist.zip2、创建nginx的配置文件default.conf3、创建Dockerfile文件4、生成vue镜像5、打标签6、推到harbor仓库7、查看生成的镜像生成jar包镜像（所有子节点都需要操作）1、获得jar包2、创建Dockerfile3、生成jar包镜像4、打标签5、推到harbor仓库6、查看生成的镜像k8s容器部署前后端项目（主节点操作）1、选择合适位置创建java-vue.yaml文件2、查看pod3、查看deployment4、查看s
在上文K8sDocker实践一中我们已经基于K8s实现了最简部署，下面我们对K8s进行深入学习。Kubernetes中文文档kubenetes架构和组件分为Master和node节点，master是调度分配任务的，node实际接受master调度进行工作的，master运行的apiserver接口用户的管理命令，所有服务都是通过apiserver通讯的。核心组件：节点组件功能MasterApiServer提供了HTTPRest接口的关键服务进程，是Kubernetes里所有资源的增、删、改、查等操作Masterscheduler负责资源调度，按照预定的调度策略将POD调度到相应的机器上Mast
一、本人电脑的一些配置（1）win11系统（win10应该也可以，但没试过）（2）保证cpu虚拟化开启（3）主机要留有一定的内存满足以上即可安装dockerdesktop版本二、安装dockerdesktop（1）获取DockerDesktop并安装DownloadForWindows（使用了WSL2技术，直接可以在windows上运行，不需要额外的虚拟化环境）（2）开始安装，按照安装向导走（过程可能有点长），安装成功打开看看。这个样子就对了！（3）登录你的docker账号。（如果没有，建议去注册--signup一个，别把密码忘了。。）（4）打开你的powershell，输入以下命令，看看安装
所需机器主机名地址角色配置k8s-master192.168.231.134主节点2核4G,centos7k8s-node1192.168.231.135工作节点2核4G,centos7k8s-node2192.168.231.136工作节点2核4G,centos7主节点CPU核数必须是≥2核且内存要求必须≥2G，否则k8s无法启动1.集群环境部署【三台机器都需要做的操作】1.关闭防火墙与selinux2.时间同步yum-yinstallntpdatentpdatentp.aliyun.com3.配置静态ip4.本地域名解析cat>>/etc/hosts2.集群下载docker配置阿里云Doc
前言微服务架构的出现，拆分了庞大的单体应用，让业务之间的开发与协作变得更加灵活。当面临业务流量增加的场景时，往往需要对一些应用组件进行扩容。K8S在应用层面提供了HPA，围绕HPA开源社区延伸出了KEDA这样的弹性组件，为微服务应用以业务指标执行弹性策略提供了实现的可能性。但HPA正常工作的一个大前提是需要保证集群资源充足，为此用户必须提前对集群扩容或时常保持集群资源冗余。对于集群资源弹性这一命题，K8S社区给出了ClusterAutoscaler（CA）和VirtualKubelet（VK）两种解决方案。本文围绕着微服务应用的形态与特点，剖析了CA与VK各自适用的场景，并总结了微服务架构下应
