雲平台架構的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

容器雲運維實戰--Docker與Kubernetes集群

為了解決雲平台架構的問題，作者黃靖鈞馮立燦 這樣論述：

本書圍繞當前容器雲運維的主流框架：Docker、Kubernetes詳細介紹了容器雲運維的實戰技巧，在內容上分為三大部分：第一部分（第1～2章）介紹了在Linux系統中傳統伺服器運維的基礎知識以及集群管理工具；第二部分（第3～7章）講解了以Docker為主的容器引擎的基本知識與原理，並介紹了容器技術在DevOps中的實際應用場景；第三部分（第8～9章）詳細講解了基於Kubernetes的容器雲集群運維技巧。全書幾乎囊括了容器雲主流的運維開發生態，詳細講解了基於容器雲的集群運維解決方案。本書適合容器雲初學者，也適合那些對Docker有一定了解，但對容器雲的運維方式不甚了解的讀者。

黃靖鈞，全棧開發者。長期以來一直使用容器技術作為應用部署方案，在Docker容器實戰方面經驗豐富。曾參與多個PaaS與CaaS（容器即服務）項目開發，現從事Serverless與SDN等領域的研究。 馮立燦，Linux愛好者、後端程序員。主要研究方向包括雲平台架構和集群自動化運維，目前在某初創公司負責容器平台的開發與維護。實戰經驗豐富，熱衷於推廣並落地實施容器相關技術。 第1章 Linux 運維基礎 1 1．1 Linux基礎 2 1．1．1 systemd 2 1．1．2 Shell腳本 6 1．2 自動化運維 14 1．2．1 自動化運維之Ansible 14 1．

2．2 Ansible的使用 16 1．2．3 Ansible模組 23 1．2．4 playbook 27 1．3 本章小結 38 第2章 高可用的Linux集群 39 2．1　高可用集群基礎 40 2．1．1 高可用衡量標準 40 2．1．2 高可用層次結構 40 2．1．3 常見的高可用方案 41 2．2　虛擬服務的實現 44 2．2．1 DNS輪詢 44 2．2．2 用戶端調度 45 2．2．3 應用層負載調度 46 2．2．4 IP層負載調度 46 2．3　LVS負載均衡 46 2．3．1 LVS體系結構 47 2．3．2 IP負載均衡 48 2．3．3 負載調度演算法 54 2．

3．4 ipvsadm工具詳解 56 2．3．5 LVS集群實踐 58 2．4　Nginx負載均衡 63 2．4．1 Nginx設定檔詳解 63 2．4．2 Nginx負載均衡模組 68 2．5　本章小結 75 第3章 Docker容器引擎 76 3．1　容器技術 77 3．1．1 虛擬化技術 77 3．1．2 容器技術與Docker 79 3．1．3 容器技術原理 84 3．2　Docker基礎 89 3．2．1 Docker架構 89 3．2．2 Docker安裝 91 3．2．3 Docker命令 96 3．3　Docker鏡像 97 3．3．1 認識鏡像 97 3．3．2 鏡像操作

99 3．3．3 Dockerfile詳解 103 3．3．4 鏡像倉庫 118 3．4　Docker容器 121 3．4．1 認識容器 121 3．4．2 容器操作 123 3．4．3 數據卷 134 3．5　外掛程式與存儲驅動 138 3．5．1 Docker外掛程式 138 3．5．2 存儲驅動 139 3．6　容器與作業系統 140 3．6．1 為容器而打造：Container Linux（CoreOS） 140 3．6．2 定制化容器系統：RancherOS 142 3．7　本章小結 143 第4章 容器網路 144 4．1　Docker網路基礎 145 4．1．1 埠映射 145

4．1．2 埠暴露 146 4．1．3 容器互聯 147 4．2　Docker網路模式 152 4．2．1 none模式 152 4．2．2 container模式 154 4．2．3 host模式 155 4．2．4 bridge模式 156 4．2．5 overlay模式 157 4．3　Docker網路配置 158 4．3．1 Daemon網路參數 158 4．3．2 配置DNS 159 4．4　本章小結 159 第5章 容器編排 160 5．1　安裝Docker Compose 161 5．1．1 二進位安裝 161 5．1．2 使用Python pip安裝 161 5．2　Com

pose命令基礎 162 5．2．1 指定設定檔 162 5．2．2 指定專案名稱 163 5．2．3 Compose環境變數 163 5．2．4 build：構建服務鏡像 164 5．2．5 bundle：生成DAB包 165 5．2．6 config：檢查配置語法 165 5．2．7 create：創建服務容器 166 5．2．8 down：清理專案 167 5．2．9 events：查看事件 168 5．2．10 exec：進入服務容器 168 5．2．11 kill：殺死服務容器 169 5．2．12 logs：查看服務容器日誌 169 5．2．13 pause：暫停服務容器 170

5．2．14 port：查看服務容器埠狀態 170 5．2．15 ps/images：查看容器與鏡像 171 5．2．16 pull：拉取項目鏡像 172 5．2．17 push：推送項目鏡像 172 5．2．18 restart：重啟服務容器 173 5．2．19 rm：刪除項目容器 173 5．2．20 run：執行一次性命令 174 5．2．21 scale：設置服務容器數量 177 5．2．22 start：啟動服務容器 178 5．2．23 stop：停止服務容器 178 5．2．24 top：查看進程狀態 178 5．2．25 unpause：取消暫停 179 5．2．26 up：

啟動專案 179 5．3　Compose設定檔 183 5．3．1 設定檔基礎 183 5．3．2 基本配置 184 5．3．3 網路配置 199 5．3．4 配置擴展 200 5．4　Compose實戰 204 5．4．1 WordPress博客部署 204 5．4．2 Django框架部署 205 5．5　本章小結 207 第6章 Docker集群管理 208 6．1　Swarm 基礎 209 6．1．1 Docker Swarm 命令 209 6．1．2 Docker Node 命令 211 6．1．3 Docker Stack 命令 213 6．1．4 Docker集群網路 214

6．2　集群進階 223 6．2．1 Swarm：高可用的Docker集群管理工具 223 6．2．2 Shipyard：集群管理面板 225 6．2．3 Portainer：容器管理面板 227 6．3　本章小結 229 第7章 Docker生態 230 7．1　宿主管理工具：Machine 231 7．1．1 Machine的安裝 231 7．1．2 宿主環境管理 231 7．2　容器編排調度 233 7．2．1 Rancher：集群管理面板 233 7．2．2 Nomad：行業領先的調度系統 235 7．2．3 DC/OS：一切皆可調度 237 7．2．4 服務發現 238 7．3　私

有鏡像倉庫 239 7．3．1 私有倉庫的部署 239 7．3．2 VMware Harbor：企業私有倉庫 250 7．3．3 SUSE Portus：鏡像倉庫前端分佈認證 254 7．4　Docker外掛程式 256 7．4．1 授權外掛程式 256 7．4．2 Flocker存儲外掛程式 257 7．4．3 網路驅動外掛程式 257 7．5　Docker安全 259 7．5．1 Docker安全機制 259 7．5．2 Docker資源控制 261 7．5．3 Docker安全工具 264 7．6　監控與日誌 265 7．6．1 cAdvisor：原生集群監控 265 7．6．2 Log

spout：日誌處理 266 7．6．3 Grafana：數據視覺化 267 7．6．4 其他監控工具 269 7．7　基於Docker的PaaS平臺 270 7．7．1 Deis：羽量級PaaS平臺 270 7．7．2 Tsuru：可擴展PaaS平臺 270 7．7．3 Flynn：模組化PaaS平臺 271 7．8　Docker持續集成 271 7．8．1 Drone：羽量級CI工具 271 7．8．2 Travis CI：著名的CI/CD服務商 273 7．9　其他 274 7．10　本章小結 276 第8章 Kubernetes入門 277 8．1　Kubernetes介紹 278

8．1．1 什麼是Kubernetes 278 8．1．2 Kubernetes架構 278 8．1．3 Kubernetes的優勢 280 8．2　Kubernetes概念 281 8．2．1 Kubernetes資源 281 8．2．2 調度中心：Master 281 8．2．3 工作節點：Node 281 8．2．4 最小調度單位：Pod 283 8．2．5 資源標籤：Label 284 8．2．6 彈性伸縮：RC與RS 286 8．2．7 部署對象：Deployment 287 8．2．8 水準擴展：HPA 288 8．2．9 服務物件：Service 290 8．2．10 資料卷資源

：Volume 293 8．2．11 資料持久化：Persistent Volume 299 8．2．12 命名空間：Namespace 304 8．2．13 注釋：Annotation 304 8．3　Kubernetes部署 305 8．3．1 使用Minikube安裝Kubernetes 305 8．3．2 使用Kubeadm安裝Kubernetes 307 8．4　Kubernetes命令列詳解 309 8．4．1 基本命令（初級） 310 8．4．2 基本命令（中級） 318 8．4．3 部署命令 320 8．4．4 集群管理命令 323 8．4．5 故障排除與調試命令 326 8．

4．6 高級命令 329 8．4．7 設置命令 330 8．4．8 其他命令 332 8．4．9 kubectl全域選項 334 8．5　本章小結 335 第9章 Kubernetes運維實踐 336 9．1　Pod詳解 337 9．1．1 Pod配置詳解 337 9．1．2 Pod生命週期 340 9．1．3 共用Volume 343 9．1．4 Pod配置管理 343 9．1．5 Pod健康檢查 346 9．1．6 Pod擴容和縮容 348 9．2　Service詳解 349 9．2．1 Service的定義 349 9．2．2 Service的創建 350 9．2．3 集群外部訪問 3

51 9．2．4 Ingress負載網路 353 9．3　集群進階 355 9．3．1 資源管理 355 9．3．2 kubelet垃圾回收機制 359 9．4　監控與日誌 359 9．4．1 原生監控：Heapster 359 9．4．2 星火燎原：Prometheus 360 9．4．3 王牌組合：EFK 366 9．4．4 後起之秀：Filebeat 374 9．5　本章小結 376

雲平台架構進入發燒排行的影片

雲端運算平台於建築能耗預測之應用

為了解決雲平台架構的問題，作者楊上輝 這樣論述：

本研究運用雲端運算平台Azrue進行大數據分析與人工智慧運算，利用美國加州大學(UCI)機器學習和智能系統中心的數據資料集，選定住宅建築的能耗與環境數據利用雲端平台進行運算，經資料清理、資料拆分、模型建立、模型優化等流程，將數據經運算建立能耗預測模型。研究目的為透過雲端運算平台運算資源，投入住宅能耗數據並透過人工智慧演算模型與優化過程預測能耗數值，研究使用住宅能耗數據包含19,637筆能耗資料集與569,473筆資料紀錄欄位，運用多層感知類神經演算法(Multilayer Perceptron)建構能耗預測模型，經優化策略後模型之準確度為79.11% (MAPE =20.89%)，並透過雲端

平台的彈性使用機制與計費模式可隨時啟用與終止服務，後續研究可進一步整合設備狀態、維運保養等數據達到管理效益，應用情境可用於監控高齡住宅之使用者電器狀態與能耗分析進而產生照護效益，另使用者可結合實際需求投入情境特徵參數，經平台運算產生創新服務價值，本研究的具體貢獻為 :1.透過住宅建築能耗、氣候條件等數據資料集，建立人工智慧能耗預測模型，藉由人工智慧演算法及雲端運算能力滿足大量的數據運算需求並提供即時能耗預測數值。2.研究建立預測模型可經由蒐集情境特徵參數投入演算而不斷提升模型準確度，雲端平台可無限擴充運算資源滿足大數據分析需求，無須擔憂硬體後擴規劃。3.模型建立後可自我學習適應於不同的使用情境

，以銀髮住宅可針對行為模式固定的使用者了解其能耗使用行為特性，進而延伸居家照護服務應用情境。

高性能計算的問題解決之道：Linux態勢感知方法、實用工具及實踐技巧

為了解決雲平台架構的問題，作者（美）伊戈爾·盧布希斯 這樣論述：

本書由Intel架構師撰寫，創造性地采用Linux態勢感知方法來解決高性能計算的問題，涵蓋技術、監控和配置管理等多個方面。書中針對大規模數據中心、雲平台架構和高性能計算環境，建立了一套基於統計工程和實驗設計的方法論，從識別問題和理解問題，到再現問題和解決問題，一步一步地排除故障，形成了一套高效的工作流程。書中包含大量實戰案例和代碼，並介紹了不同工具的使用技巧，適合從事高性能計算相關工作的技術人員和管理人員參考。

應用機器學習於 IEC 61850 XMPP 分散式能源雲平台之太陽光伏發電預測

為了解決雲平台架構的問題，作者劉俊宏 這樣論述：

近幾年來，分散式再生能源的快速探索和開發，為各國能源政策、技術和能源市場的發展翻開了新篇章。在分散式再生能源 (DERs）大量的併入電網之際，由於其分散各處和多樣性與間歇性的發電特性在電力系統運行、穩定性、可靠性、資訊互通性及政策、技術和經濟各方面帶來了嚴苛的挑戰。此外，大量分散式再生能源的併網對傳統的集中式發電廠和調度控制中心的運行產生了重大影響。在這種情況下，分散式再生能源相關研究的創新概念正在該領域得到廣泛的討論和發展。本論文提出一種基於物聯網的IEC 61850 XMPP雲平台分散式再生能源管理系統的新穎架構，並在台灣電力公司綜合研究所進行試驗。該架構基於歐洲CEN-CENELEC-

ETSI 智慧電網協調小組（SG-CG）的智慧電網架構模型（SGAM）設計以及採用NIST IEC 62357智慧電網互通性標準及發展藍圖。此外，本論文還提出了基於工業務聯網參考架構（IIRA）的標準化 ICT技術來支援此智慧電網架構。基於IEC 61850 XMPP雲平台架構上，本文研究並建置一套機器學習方法論，通過使用長短期記憶類神經網路（LSTM）多步時間序列預測理論來預測24小時之太陽能發電。通過資料處理、模型擬合、交叉驗證、指標評估和超參數調優的機器學習過程，實驗結果顯示平均RMSE為0.512，這數據驗證本文所提出的架構與方法適合用於短期太陽能發電預測。本論文提出的研究架構與方法，

可以提供給未來相關領域研究者更深入的進行發電預測相關探討，並運用於各種輔助服務模式的開發，進而強化電力系統供電品質與可靠度。