weixin_44908476的博客

运维学习分为四个阶段： Linux初级入门 > Linux中级进阶 > Linux高级提升 > 资深细分方向进阶。 第一阶段：初级入门 初级阶段需要把linux学习路线搞清楚，任何学习都是循序渐进的，所以学linux也是需要有一定的路线。 个人建议学习的路线如下： 1、Linux基础知识、基本命令(起源、组成、常用命令如cp、ls、file、mkdir等常见操作命令) 2、Linux用户及权限基础 3、Linux系统进程管理进阶 4、linux高效文本、文件处理命令(vim、grep、sed、awk、find等命令) 5、shell脚本入门(可边练习边学习) 第二阶段:中级进阶 中级进阶需要在充分了解linux原理和基础知识之后，对上层的应用和服务进行深入学习，其中说到服务肯定涉及到网络的相关知识，是需要花时间学习的。 1、TCP/IP网络基础(差不多CCNA、NP的知识就够用) 2、Linux企业常用服务(如dns、http、ftp、mail、nfs等) 3、Linux企业级安全原理和防范技巧(系统性能/安全、安全威胁模型和保护方法 4、加密/解密原理及数据安全、系统服务访问控制及服务安全基础 5、iptables安全策略构建 6、shell脚本进阶(主要是结合一些应用，写一些案例) 7、MySQL应用原理及管理入门(能管理和搭建一个个人博客站点) 学到这里，掌握的基本技能，已经够用了，已经能做一些基础的运维工作和简单维护了。 第三阶段：高级提升 1、http服务代理缓存加速(其中主要学习varnish、nginx缓存系统，要对CDN的知识有所了解。) 2、企业级负载集群(其中主要学习nginx、haproxy、lvs要对主要知识熟练掌握，对负载均衡算法有清晰认识，) 3、企业级高可用集群 (其中需要对keepalived，heartbeat等进行深入讲解) 4、运维监控zabbix详解(主要是zabbix、cacti、nagios等监控系统，现在用的比较多的是zabbix) 5、运维自动化学习(需要学一些开源运维自动化工具的使用如ansible、puppet、cobbler等运维自动化工具) 能掌握到这里，基本能处理搞定很多工作了，可以去面试高级运维工程师，差不多薪资能达到12-18K左右 第四阶段：资深方向进阶 1、大数据方向(需要对hadoop、storm等常见开源大数据系统需要深入了解) 2、 云计算方向(主要是openstack这套东西，当然像一些kvm等虚拟化技术，也是需要掌握的，现在docker也比较流行) 3、 运维开发(主要是python运维开发)

在传统的HPC（High performance computing）环境中，由于技术的局限和业务的单一，计算环境中的每个业务系统使用独立的硬件建立计算环境；随着高性能计算的技术的发展，运算平台的并行化程度提高以及业务涵盖的应用领域迅速延伸，使得传统计算环境中多个独立的环境出现资源利用不足或者性能瓶颈的问题。 HPC存储是在HPC环境下，为解决传统计算环境中串行存储性能瓶颈，所提出的专用存储。面对传统计算环境中串行存储的挑战，HPC存储设计采用以下几种方式进行优化： 集群化与并行化 将传统计算环境中相互独立的本地存储变为集群化与并行化的存储资源，在支持计算平台运算时可以通过集群化与并行化的方式，多个存储节点并行处理业务下发的I/O请求，相对传统的串行存储大幅提高性能 由于采用了集群化和并行化的设计方法，对集群进行扩容相当于在集群中增加了一个并行的通道，不会对在网其他业务产生影响，即存储资源可以实现在线扩容。 统一硬件平台： 将传统计算环境中相互独立的计算平台，统一在一套计算平台中进行部署，硬件资源统一管理 将传统计算环境中独立运行的业务

Here we present Singularity, software developed to bring containers and reproducibility to scientific computing. Using Singularity containers, developers can work in reproducible environments of their choosing and design, and these complete environments can easily be copied and executed on other platforms. Singularity is an open source initiative that harnesses the expertise of system and software engineers and researchers alike, and integrates seamlessly into common workflows for both of these groups. As its primary use case, Singularity brings mobility of computing to both users and HPC centers, providing a secure means to capture and distribute software and compute environments. This ability to create and deploy reproducible environments across these centers, a previously unmet need, makes Singularity a game changing development for computational science.