IoTDB的发展历史简介

假设现在你想写一个机器学习的 pipeline，大概抽象成三个步骤。读取数据 -> 进行训练 -> 保存模型要构建完整的 pipeline，需要先考虑构建每个步骤 component 的问题。构建 pipeline 可以有几种方式，区别在于是否将 Python SDK 的代码嵌入到业务代码里。因为如果你本来就写好了一个 training 的程序，那么这时候就可以直接利用 Docker

docker操作

1 镜像制作flask应用阿里pip加速(1)需求自定义python镜像。要求:【运行python flask程序】(2)实现步骤(2-1)定义父镜像：FROM python:3.6(2-2)定义作者信息：MAINTAINER bingbing 123456789@qq.com(2-3)更新pip至最新：RUN pip3 install pip -U(2-4)配置阿里源：RUN pip3 conf

容器化安装linux

参考二进制包安装Kubernetes集群环境完整版1k8s集群架构与组件

k8s的核心概念，有了核心概念整个骨架就完整了，应付无状态程序已经够了，但还不够丰满。应用程序分成两种，无状态和有状态的。一般的前端和后端程序都是无状态的，而数据库是有状态的，它需要把数据存储起来，这样即使断电，数据也不会丢失。要创建有状态的程序，还需要引入另外一些k8s概念。它们虽然不是核心，但也很重要，共有三个，持久卷，网络和参数配置。我们通过搭建MySQL来熟悉这些k8s概念。容器本身是无状

1 准备两台服务器采用的是centos最小安装版本。注意CPU核心数量至少为2。VirtualBox虚拟软件1.1 基本配置(1)设置联网控制->设置->桥接网卡->混杂模式【全部允许】#cd /etc/sysconfig/network-scripts#vi ifcfg-eth0[更改BOOTPROTO=dhcp][更改ONBOOT=yes]#systemctl restart

CentOS 升级系统内核到最新版Linux centos7升级内核1 centos7默认内核版本系统版本：CentOS 7.xCentOS 7.x默认内核版本是Linux 3.10，我们需要部署K8s等项目需要高版本的内核。一、Linux Kernel官方网站(1)Prepatch：Prepatch 或 “RC” 内核是主要的内核预发行版本，主要针对内核开发人员和 Linux 爱好者。必须从源代

1 概述Kubeflow中默认提供的几个Pipeline都要基于GCP Google的云平台，但是希望在自己的集群部署，所以根据官网，总结了一些构建Pipeline的流程。首先，数据科学家本身就是在提数据，训练，保存模型，部署模型几个重要环节中工作，Pipeline提供了一个很友好的UI来给数据科学家来定义整个过程，而且整个过程是运行在K8S集群上的。这对于一些对资源利用率有要求的公司，统一一层K