个人中心
文章发布
退出
作者热门文章
- html - 出于某种原因，IE8 对我的 Sass 文件中继承的 html5 CSS 不友好？
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景？
25
4
OpenStack 使用消息传递(我认为默认情况下是 RabbitMQ？)来进行节点之间的通信。另一方面，Kubernetes(Google 内部 Borg 的血统)使用 RPC。 Docker 的 swarm 也使用 RPC。两者都是基于 gRPC/protofbuf，似乎在 Google 内部也大量使用。
据我了解，像 Kafka 这样的消息传递平台广泛用于流数据和日志聚合。但像 OpenStack、Kubernetes、Docker Swarm 等系统需要节点之间的特定交互，RPC 似乎是一个自然的选择，因为它允许为特定操作定义 API。
OpenStack 是否在评估了消息传递与 RPC 的优缺点后选择了消息传递？是否有任何好的博客/系统评论比较使用消息传递与 RPC 的大型系统的成功情况？在大规模分布式系统中，消息传递是否比 RPC 有优势？
最佳答案
Does messaging offer any advantage over RPC in scaled distributed systems ?
大多数情况下，持久性是消息系统的一大优势。还有一点就是广播。您需要将其实现到gRPC中靠你自己。服务发现和安全性可能是另一个原因。在消息系统中，您只需要保持一个系统的高度安全，而使用 gRPC 时，您可能会在许多点上有人可以侵入系统。消息队列系统通常已经实现了某种服务发现。对于 gRPC，您必须至少使用另一个库来实现此目的。
Are there any good literate comparing the success of large scale systems using messaging vs RPC ?
这不是一个对比。有不同的用例。消息系统通常比 RPC 协议(protocol)慢。不仅比 gRPC 慢。原因也很简单。您只需在两个或多个节点之间引入一个中间件。但它们提供持久性、广播、Pub/Sub 等。
Did Openstack chose messaging after evaluating the pros cons of messaging vs RPC ?Probably
Does messaging offer any advantage over RPC in scaled distributed systems ?
大部分点需要自己用gRPC实现。
关于rabbitmq - 分布式系统中的消息传递与 RPC(Openstack 与 K8s/Swarm)，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/47602517/
25
4
0
很难说出这里问的是什么。这个问题是含糊的、模糊的、不完整的、过于宽泛的或修辞性的，无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开它，visit the help center 。 已关
我们可以说 O(K + (N-K)logK)相当于O(K + N logK)对于 1 < = K <= N ？ 最佳答案 简短的回答是它们不等价，这取决于k 的值。如果k等于N，那么第一个复杂度是O(
我有以下解决方案，但我从其他评论者那里听说它是 O(N * K * K)，而不是 O(N * K)其中 N 是 K 列表的(最大)长度，K 是列表的数量。例如，给定列表 [1, 2, 3] 和 [4,
我试图理解这些语法结构之间的语义差异。 if ((i% k) == (l % k) == 0) 和 if ((i % k) == 0 && (l % k) == 0) 最佳答案 您的特定表达式((i
我有时会使用一维数组: A = np.array([1, 2, 3, 4]) 或 2D 阵列(使用 scipy.io.wavfile 读取单声道或立体声信号): A = np.array([[1, 2
在文档聚类过程中，作为数据预处理步骤，我首先应用奇异向量分解得到U、S和Vt 然后通过选择适当数量的特征值，我截断了 Vt，这让我从阅读的内容中得到了很好的文档-文档相关性 here .现在我正在对矩
我问的是关于 Top K 算法的问题。我认为 O(n + k log n) 应该更快，因为……例如，如果您尝试插入 k = 300 和 n = 100000000，我们可以看到 O(n + k log
这个问题与另一个问题R:sample()密切相关。 。我想在 R 中找到一种方法来列出 k 个数字的所有排列，总和为 k，其中每个数字都是从 0:k 中选择的。如果k=7，我可以从0,1,...,7中
我目前正在评估基于隐式反馈的推荐系统。我对排名任务的评估指标有点困惑。具体来说，我希望通过精确度和召回率来进行评估。 Precision@k has the advantage of not requ
我在 Python 中工作，需要找到一种算法来生成所有可能的 n 维 k,k,...,k 数组，每个数组都沿轴有一行 1。因此，该函数接受两个数字 - n 和 k，并且应该返回一个数组列表，其中包含沿
我们有 N 对。每对包含两个数字。我们必须找到最大数 K，这样如果我们从给定的 N 对中取 J (1 2，如果我们选择三对 (1,2)，我们只有两个不同的数字，即 1 和 2。 从一个开始检查每个可能
鉴于以下问题，我不能完全确定我当前的解决方案: 问题: 给定一个包含 n 元素的最大堆，它存储在数组 A 中，是否可以打印所有最大的 K 元素在 O(K*log(K)) 中？ 我的回答: 是的，是的，
我明白了: val vector: RDD[(String, Array[String])] = [("a", {v1,v2,..}),("b", {u1,u2,..})] 想转换成: RDD[(St
我有 X 个正数，索引为 x_i。每个 x_i 需要进入 K 组之一(其中 K 是预先确定的)。令 S_j 为 K_j 中所有 x_i 的总和。我需要分配所有 x_i 以使所有 S_j 的方差最小化。
关闭。这个问题是not reproducible or was caused by typos .它目前不接受答案。 这个问题是由于错别字或无法再重现的问题引起的。虽然类似的问题可能是on-topi
我正在研究寻找原始数的算法，看到下面的语句，我不明白为什么。 while (k*k <= n) 优于 while (k <= Math.sqrt(n)) 是因为函数调用吗？该调用函数使用更多资源。 更
我想找到一种尽可能快的方法来将两个小 bool 矩阵相乘，其中小意味着 8x8、9x9 ... 16x16。这个例程会被大量使用，所以需要非常高效，所以请不要建议直截了当的解决方案应该足够快。 对于
有没有一种惯用的方法来获取 Set和 Function ，并获得 Map实时取景？ (即 Map 由 Set 和 Function 组合支持，例如，如果将元素添加到 Set ，则相应的条目也存在于 M
这个问题在这里已经有了答案: Can a local variable's memory be accessed outside its scope? (20 个答案) returning addr
给定一个矩阵:- k = [1 2 3 ; 4 5 6 ; 7 8 NaN]; 如果我想用 0 替换一个数字，比如 2，我可以使用这个:k(k==2) =
我是一名优秀的程序员,十分优秀！