PowerJobK8s部署教程

太行能源电力模块为中大型数据中心提供照瓦级一体化预制电力解决方案， 全模块一体化设计，融合中压到低压，全链路集中式部署，让工配电链路效率整体越深，占地面积节省超百分之三十。核心部件支持在线热插拔运维，无需停电，安全更省心。 高效设备与链路深度融合，典型覆盖下系统效率高达百分之九十六，帮助数据中心有效降低 pu 值。全铜牌预制廊桥式母牌，从源头杜绝电缆连接点损耗，寿命更长久。 颠覆传统施工模式，工厂完成预制、预装、预调试，现场乐高式拼接，交付周期缩短百分之七十，让业务上线更快一步。 全链路智能监控，实现电力状态全可适、可管、可控，运维效率提升超过百分之七十。 系统兼具高度兼容性与灵活性，可选配国产柜或品牌授权柜，精准匹配不同客户与项目的个性化需求。五大核心优势，成就真正零妥协的电力守护者， 全面重新定义电力保障，太阳能源电力模块为 ai 时代注入不竭动力。

十九个内置插件，十二个扩展点 k 八 s 调度器的核心本身几乎不做调度决策，所有判断逻辑全靠插件实现。之前我们讲过 topology spread constraints 让 pod 跨可用区均匀分布，它本质上是调度框架中的一个插件。 今天我们打开调度器本身 scheduling framework， 把调度流程拆成十二个扩展点，从 qsort 到 postbin 构成一条完整流水线， 每个扩展点就是一个叉槽，可以注册任意数量的插件。这十九个内置插件分布在不同的扩展点上。 node resources fit 负责检查节点 cpu 内存资源是否满足 pod 的 requests。 注册在 pre filter、 filter、 score 三个阶段， ten tolerance 检查 pod 是 否容忍节点的污点，注册在 filter pod。 topology spread 让 pod 跨可用区均匀分布，注册在 filter 和 score 核心框架，只负责一件事，按顺序调用每个扩展点上注册的插件， 它不判断资源够不够，不检查污点，不做任何决策。所有判断逻辑都是插件实现的，本质上核心就是一个流水线编排器调度分两阶段，先过滤再打分， 过滤的核心设计师串行一票否决 n 个 filter 插件，依次执行任何一个返回 fill 节点直接淘汰，不会因为其他条件都很好就放行。还记得 cpu requests 吗？ 过滤阶段第一个检查的就是节点胜于 cpu 够不够 pod 的 requests， requests 不 只是运行时的保底份额，还是调度的入场券。 node resources fit 检查资源， ten tolerance 检查污点， node affinity 检查亲和性， 任何一关不通过节点出局。看一个具体例子，三个候选节点 pod 需要二核 cpu 容忍 production 污点，要求纵等于 a 节点 a， c， p u 胜于四核通过，有 production 污点， pod 有 容忍通过。纵等于 a 通过。 节点 b， c p u 胜于三核通过，但纵等于 b。 no affinity 一 票否决，淘汰节点 c c p u 只剩一核。 no resources fit， 第一关就淘汰，后面的检查根本不会执行 串行的工程意义，第一关淘汰的节点不用跑后续检查节省计算开销。过滤之后，后选节点进入打分阶段， 每个 score 插件对每个后选节点打零至一百分，然后加权归一化。总分等于 sigma 插件分数乘权重除以 sigma 权重。 假设节点 a 和 c 都通过了过滤。 no resources fit， 给 a 打三十， c 打七十，权重一， tautapology spread 给 a 打八十， c 打四十，权重二， a 的 总分等于左圆括号，三十乘以一加八十乘以二，右圆括号除以三等于六十。三点三， c 的 总分等于左圆括号，七十乘以一加四十乘以二，右圆括号除以三等于五十， a 剩出。 为什么节点 c 的 资源打分更高？因为 node resources fit 默认使用 least allocated 策略，资源越空闲的节点分数越高。 设计意图是避免热点，让新 pod 优先放到负在最低的节点。但 tradeoff 很 明显没有拓扑分布约束时，所有新 pod 会堆到最空闲的节点上。 之前我们讲过的 topology spread constraints 就是 对这种偏向性的补偿机制。打分最高的节点胜出。调度器将决策异步写入 api server， 这就是 buy 的 阶段。 异步意味着调度器不阻塞等待结果，直接处理下一个 pod 节点故障后，自愈机制会创建新 pod， 但这些新 pod 处于 pending 状态，它们需要调度器重新跑一遍这条流水线。 自愈和调度是接力赛。总结， scheduling framework 等于流水线编排器加可插拔插件核心不做决策，十二个扩展点上的十九个插件做一切。 实际生产中，你遇到过 pod 一 直 pending 排查困难的问题吗？最后发现是哪个过滤条件卡住了？评论区聊聊。

土木佬又要失业了啊。我最近看完华为的这个 a i d c 的 方案以后，哎，我越来越觉得 ai 真正开始卷的已经开始变成工业化的能力了。最近华为发布了两个东西，一个叫 powerpod， 另外一个叫 itpod， 你别被这两个名字糊住啊，本质上就是把整个 a i d c 做成乐高。以前建一个大数据中心，最痛苦的是什么？不是买服务器，是电力散热部署，还有交付周期，一个项目搞两年都算正常的。但华为现在这个干的是什么事情呢？ 他直接把供电系统、 ups、 锂电、消防、散热、监控全部提前塞到了集装箱里面，工厂里面先装好，然后到现场直接拼装， 这是什么意思？以前盖 aedc 就 像手搓汽车一样，现在开始变成了汽车流水线，这才是最可怕的地方。 尤其是那个 powerpod， 单柜三点二兆瓦，里面全是供电、储能、消防、智能监控，说白了，它已经不是普通的传统机房了，更像 ai 时代的能源模块。 还有就是那个 itpod 也很有意思，它不是简单的放服务器，而是把散热、温控、漏液检测、预测、维护啊，全部提前做了标准化，甚至还能提前七天预测问题。 这已经不是普通的 idc 的 逻辑了，这是工业系统逻辑。而且最关键的一点是什么？以前建 aidc， 土建是土建，设备是设备，芯片是芯片。现在华为干的是让所有的环节同时推进，以前要用二十四个月，现在直接压缩到六个月。 你别小看这个变化，因为 ai 时代真正缺的不是卡，而是交付的速度，谁能更快的把算力落地，谁就能接住下一波托肯的需求。所以很多人现在看到的是华为又发了一个产品，而我看到的是中国开始把 ai 基础设施真正工业化， 以前拼的是互联网，现在拼的是工业能力。 ai 走到最后可能比的不是谁的模型参数大，而是谁更像超级工厂。我是天华，一个在贵州做 a、 d、 c 基建的创业者，你觉得未来 ai 的 竞争拼的到底是模型还是背后的工业化能力？

k 九 s 快速上手，你可能已经使用过 k 八 s s blue 的来管理你的 k 八 s 集群，那你知道 k 九 s 吗？ k 九 s 是一个基于命令行终端的 k 八 s 基群管理器，可以让你以更 get 的方式来管理你的 k 八 s 肌群。我们赶紧来尝试一下吧，笨猪。 你可以选择操作系统的包管理器一键安装，或者在 kw 的锐利四野下载最新的 bunerry 直接运行使用。我们在命令上输入 k 九 s， 这里展示他所有的 boy max。 回车后可以查看他的 pose， 进一步回车可以看到的 ctrl， 在回车就可以看到 ctrl 的日志输出。然后我们 esc 可以依次回到上一集。 选中一个 dppo mant， 点击 y 就可以查看他的押某文件，点击 d 可以看他的 dsgrips， 点击 e 可以为 来编辑亚某文件以及更新资源。我们也可以点击 s 来更改当前部署的副本数量为三。然后回车。进入后的可以看到月亮正在创建的炮弹。那如何查看和管理其他的开发资源，比如 sorry 呢？ 我们需要输入冒号 s v c 就可以进入 siri 时的控制面板。然后我们可以按 shift 加 f 来创建一个 postower 的代理。这样我们就可以在起胸外通过八零八三端口来访问 cfris， 输入冒号 dplay 门次，进入 dpline 门次的面板，然后按 l 查看日志。我们在外部浏览器多次访问八零八三端口，这里就可以看到日志的输出配置。 另外 k 九十七提供了快捷键的设置，比如说 shift 零代表输入冒号 pose 以及皮肤的定制。感兴趣的朋友赶紧玩起来哦！点赞、收藏加关注，跟着浪哥不迷路！

hello， 这一期我们来安装爱马仕 a 准，这是一个跟 opencloud 小 龙虾差不多的一个 a 准， 嗯，区别最大的我觉得不是功能，功能上我觉得没多大区别，最大的区别就是小龙虾它一轮对话必须要完成了，它才能接受你下一轮的对话，然后爱马仕 a 准呢，它就可以 在对话任务过程中呢，你可以中间打断它，插入消息，然后它继续去任务，觉得这是最大的区别所在。 好，废话不多说，我们安装，因为最近爱马仕它已经放出了那个 windows 的 windows 版本，就咆哮版本的一个安装方式就是体验版，但是功能也基本上也比较完善了。那我们先打开项目地址， 我们搜索爱马仕 a 准 h e r m e s 杠 a g e n t 啊，第一个就是 我们往下拉，拉到项目说明，可以看到这边已经有了 windows 版本的一个测试版， 这是早期的一个测试版，那么我们可以直接复制这一行命令，因为因为我这一台主机已经安装过了，所以我们我就换一台主机去进行安装 好，打开另外另外一台主机，打开咆哮，咆哮，我们可以在开始菜单里右键终端管理员，然后打开咆哮，然后把刚才的那一那一串命令 就是这个项目的那，那这一串 windows 的 这一串，如果你不是 windows， 是 linux 或者或者苹果系统的话，你就复制上面这一段， 那我这个 windows 的 话，直接复制这一段，然后再回到你的那个 pro x 上面，把它复制下来，然后直接回车， 回车它就会进入到一个自动安装的一个 过程，我们不需要管它，任何都不需要管它，你只需要保持你的网络畅通就行。这种 a 准，你只需要有网络，它就能避免百分之九十九的问题。好，我们等待它安装完成。 好，到这一步的话，看到已经是安装完成了，他说检测到我的那个有安装 openclock 小 龙虾，问我需不需要从小龙虾来导入数据？ 我个人是不建议去从小龙虾来导入数据的，因为容易造成他们两个之间的混乱。 n 是 no， 然后跳过这一步之后呢？我们来到这里，他说这个配置是快速配置还是全配置，那我们只需要快速配置就可以了，先初步跟他对话，后面的功能可以一步一步去添加，然后回车， 回车的话我们那个这边问是否需要设定那个模型的，那个 这边有很多选项，我们直接输入一二三四五，在这边输那个 number 就 行了，那英伟达的话就是八，那我们直接默认就是八， 然后他应该是有检测到我有，就是我的网络环境，我的环境里面有英伟达的 api， 那他的意思问我是不是使用这个自带环境，因为我前面那个 open core 应该有在配置这个 api 的 环境， 如果没有配置没有那个的话，我们就直接选择八，选择八输入你的 api key 就 行了，那默认的话是保持，然后另外的话我重新输入的话，我们直接输输 r 就 行了。 replay， 然后它就教你输入英伟达的 api key， 那 我们把它复制一个进来。 好，我们直接右键，注意只输一次就可以了，因为它是看不见的，那输完右键之后它就粘贴上去了，直接回车，然后这个默认默认回车， 然后它会跳自动的那个检查模型，那我们输入你想要的模型数字，然后我们选择第一个 stefan， 然后直接回车， 这边就是默认使用的工具，保持默认就可以了， 然后消失。这边就是接入飞速啊什么的，我们先不接入，我们选择二跳过回车，然后他问你是不是现在就对话了？ yes， 这样就完成了一个初步的安装和配置， 可以看到已经安装完成了它这里会有一个更新，有更新呢，或者说有需要刷新的项目，它会教你运行这个爱马仕 update to to update， 那 我们可以，其实可以不先不管它，先测试一下，看看它整个运行状况通不通。好，可以看到它已经运行跑起来了。 好，我们按照那个设置一下它的那个初尺属性，就你叫什么我我叫什么，然后初尺画就记，可以直接拷贝给它 回车， 做完之后还要让他做做一次传传测试，没要没有问题的话就基本上 ok 了。 好，这到这一步的话，爱马仕的一个 windows 版本的一个搭建就完成了。啊，到这里我忘了补充一下怎么去退出这个爱马仕 a， 准，那我们直接按住 ctrl 加 c 按两，连续按两下， 连续按两下就可以直接退出一个对话。那么我们重新进入呢，就是可以再次打开 call， 然后我们直接在上面输入爱马仕 h e r m e s 然后回车就重新进入到爱马仕的一个对话对话中。 好，基本上使用的话就是这样使用退出，那如果要更新的话，就是刚刚 h e r m e s 要 update， 它就会自动地帮你更新到最新版本。 ok， 这期就到这里吧。

不想报班应该如何带娃学？ part out？ 可以 搭配上这个办学软件，有预备级到六级全套教材，还有外教的精讲录播课， 里面有每单元自学需要的所有资源，内容与教材上完全一致，共划分了十个板块。我们先看单元拍片视频，这是官方配套的场景视频，生活化场景，带入，了解主题。然后是词汇动画视频，看动画听发音，结合单词字幕，初步学习 单词预习完，接着学习情景对话内容，右上角播放课文音频，整体听一遍，了解大意。大量元音的输入，培养孩子语感，提升听力能力。 这时对话原文和翻译内容，家长不用担心孩子听不懂了。接着根据序号点读框线， look at my cool new cat grandma 系统会实时评分，这样听读结合，确保孩子发音的准确度。 每句下方还有查词功能，选择单词学发音，记词性示意和例句。板块下方有单词功能，孩子看图片，单词想翻译，图片联想加声音输入，巩固记忆， 再完成单词的练习题，检验一下学习效果。每单元学完后还有复习题，题型形式多样，提升应试能力。

看清科技，解读价值。这里是一汽研究院。最近我们和戴尔联手部署了一套分布式全闪集群，主角是戴尔的软件定义存储解决方案 power flex， 其优势在于可扩展性、性能和弹性。话不多说，我们直接先来鉴赏这套集群的硬核细节。存储节点由四台戴尔 power flex r 六六零构成， power flex r 六六零的基础架构是 e u 通用机型， 前窗可以安装十个二点五英寸驱动器，样机前窗高速背板的五个咪口乘八端口全都连接，支持十个 nvme uido ssd 系统，还有预留的 pce 通道，支持更高密度的 nvme ssd。 目前容量盘配置是五块一点六 tb， ssd 样机的内存配满了十六通道，保证内存带宽最大化，不会成为性能瓶颈。 业务级存储通信网络有两块双端口，二十五 g 以钛网光口负责。氧机配备了一加一溶于的一千一百瓦钛金电源，即使在使用高主屏处理器的情况下，仍有充足的供电容量，支持满配的 ssd 网卡等。 综上所述，戴尔 powerflex 以高扩展性和良好的适应性重新定义企业基础架构，支持块存储协议灵活部署。不过其扩展性能和敏捷性如何， 又如何撑起用户高性能的需求？下一期我们将进入实测环节详细解析，我们下期再见。

嗨，大家好，这里是顽皮的程序员，我知道你们中有很多 windows 玩家，我也知道你们在尝试原生部署 open class 时，一定被那些该死的 power shell 的 爆出了权限不足， power 模块加载失败而搞得想砸电脑。当然别挣扎了，在 windows 的 原生环境里跑复杂的 ai 智能体就是在自寻死路。 那么 windows 原生部署的问题呢？又非常多，比如说像 os 的 全线问题，各种访问被拒绝，再比如说像 node js 的 全线问题三等变异的失败。 那还有像一些路径问题， windows 的 路径和 unix 的 路径完全不兼容，还有像一些环境变量配置错综复杂，完全的难以搞定。再就是终端体验非常差，像 command line 和 power shell， 我 觉得都不是那么友好，想要在 windows 上获得完美使用的养虾体验， 唯一的救赎我觉得是 ws l 二。 ws l 二呢，是微软官方提供的 linux 子系统，它可以让你在 windows 里跑一个真正的 linux。 它的优势呢，是完整的拥有 linux 环境，也可以与 windows 系统相互互通，它的性能接近于原生的 linux， 并且它是微软官方正版支持。 那说了这么多好处，我们一定想 wsl 二到底怎么打开呢？好，第一步就是用你的管理员身份打开 powershell， 运行下边这行内容，这个内容就会自动启动 wsl 的 功能，下载并安装乌班图，然后安装 linux 内核，安装完成之后别忘记重启你的电脑。 那么第二步就是初步化，你刚刚安装好的这个乌班图，重启以后会自动弹出乌班图的终端，让你创建用户名，创建密码这些，当然你一定要记好这个密码，因为我们后边要常常使用的。 在第三步呢，我们就要召唤我们的神虾了，在乌班图的终端里面执行下边这些内容。聪明的 windows 用户，你的大招马上就要来了，我们来启动一下 get rid， 像这样，当你部署完以后，你会发现一个相当尴尬的问题， ws l 二的 ip 是 动态的，你的 windows 浏览器访问不了 linux 里面的一八七八九的端口， 它的解决方案非常简单，端口转发脚本，你可以创建这样的 power shell 的 脚本，类似于下边，然后你以管理员的身份去运行这个脚本，现在你就可以在你的 windows 浏览器里边去访问这个地址了。 为了能够让 ws l 二和 open clock 开机就进行自动自启，所以我希望大家能够抄下边的作业，让它能够自动自启。 然后呢，我们把它添加到启动项。怎么添加？就是要按 win 加 r， 然后输入 shell start up， 然后把 start opencloud 点 bet 的 快捷方式拖进去。当然 wsl 二有一个非常巨大的好处，就是它可以访问 windows 环境，比如说像下边这样设置，然后配置 opencloud 访问 windows 的 文件。当然呢， 像 mac 一 样，你一定也会遇到非常多的问题在 ws l 二里边，那比如说第一个问题就是 ws l 二的启动非常的慢，那解决方案可能是下边偶尔你也会遇到内存占用过高，让你的电脑非常的卡， 那么你可以在下边的配置线中添加这样的配置，上面的这个配置可以限制你的 ws l 二的一些性能占用。当然你除了这些性能问题，你也一定会遇到网络问题，如果你的 ws l 二没有办法访问外网，请你一定在你的 ws l 二中执行下边的代码。 如果你坚持要用原生的 power shell 去部署，那我只能送你四个字，祝你好运。你会被各种问题搞得怀疑人生，像环境变量的配置，杀毒软件的木杀，权限的问题，原生模块的变异。记住， 老鸟的审美一定是简单而高效的，在 windows 上， ws l 二就是那个最优解。所以说，别把时间浪费在修补破烂系统的兼容性上，你把精力和你的那些时间留给你自己的工作，留搭线，它才更有价值和意义。那下一期呢，我们来聊一个非常救命的 topic 安全红线， 别让零点零点零点零毁掉你的赛博安全好。 windows 是 给用户用的， ws l 二是给龙虾用的，选对工具事半功倍。我们今天的内容就这样，我们下期再见！

跑 ai、 跑大模型，它的算力怎么来呢？一方面是像这种本地部署，当然也有另外的云算力解决方案，那什么样的场景下我们会用云算力？什么样的场景下用本地部署呢？其实就看你的使用量， 如果你的使用量小，你可能说云算力，但是使用量大，那么就可能用到这个本地部署，那么本地部署它又能够产生多少透坎呢？我们以这台机器来举个例子来进行一个测试。 好了，那这个测试结果出来了，也就是说它一秒钟大概能生产一千四百二十八个 token， 那 我们合算下来，比如说一个小时大概能生产五百万 token， 那 么现在匀算率大概每一百万 token 的 价格是五到十块钱，那么这里面的价值就能算出来了。如果说你是长期使用的，甚至说你一个月可能要使用几千万甚至上亿的 token， 那 么它价值多少？或者说这个机器它又能产生多少？这样算一笔账大家就能明白。