KubeSphere®️(QKE) 3.0.0 新版发布,多集群加持,一步迈入混合云

一、KubeSphere®️(QKE) 概述

KubeSphere®️(QKE),即 QingCloud KubeSphere Engine,通过 QingCloud AppCenter 快速交付一个完整的原生 Kubernetes 生产级集群,同时,可以选装企业级云原生操作系统 KubeSphere,通过 KubeSphere 提供的诸多容器管理和业务功能,如多集群管理、多租户管理、DevOps、微服务治理、多租户日志检索、Kubernetes 监控中心等,既省去了用户构建 Kubernetes 集群以及安装 KubeSphere 的过程,又屏蔽了 Kubernetes 之上的各种碎片化管理和业务组件,极大降低了运维成本并将容器上层业务功能快速带进客户真实业务场景。 QKE 详细用户手册参考


二、功能更新及 bug 修复

  1. 升级到 Docker 19.03.11
  2. 升级到 Kubernetes 1.17.9
  3. 升级到 QingCloud CSI v1.2.0
  4. 升级到 Helm 3.2.1
  5. 内置 KubeSphere v3.0.0,默认选装,新增多项企业级功能,如跨异构混合云的 Kubernetes 集群管理、操作审计等,详细功能请参考 Release Notes
  6. 新增支持自定义 K8s 组件参数
  7. K8s 节点默认使用易读名称方便使用
  8. 增强安全性,客户端节点默认使用集群 ID 作为初始密码并支持绑定 SSH 密钥

新功能截图 

Continue reading

AppCenter 2.0 支持一键创建集群及其依赖的资源

为提升用户体验,8月,AppCenter 2.0 开发框架上线支持一键创建集群及集群依赖的资源,该功能在使用上给用户带来了一定的便捷。

用户可以一键创建集群和 VPC,并将集群加入到 VPC 中的 Vxnet。并且支持一键完成部署,部署在内部自动完成。

目前该功能优先在官网上线了,青云控制台随后推出,敬请期待。

 

青云QingCloud ChronusDB 时序数据库正式上线

ChronusDB简介

ChronusDB (立即使用是青云QingCloud 自研的一款高效、安全、易用,具备强大分析能力的时序数据库,具备超强的查询分析功能、高性能并发读写、低成本存储、丰富的时序数据处理能力、稳定可扩展等特性。

ChronusDB目标客户

可穿戴设备、智能家居等消费级 IoT 领域

传统制造企业工业 4.0 转型、工业互联网、智能电网

智慧城市/园区

移动互联网

ChronusDB 产品特性

超高性能时序数据库写多读少,对数据库写入能力有很高要求,ChronusDB 支持千亿条结构化数据毫秒级查询。

更低的存储成本采用高效的数据压缩技术,减少存储使用空间,有效降低存储成本。

大的数据分析能力。支持近百种聚合函数,提供专业全面的时序数据计算函数支持。

丰富的时序数据处理能力。支持降采样精度、数据插值,满足各种复杂的业务数据查询场景。

ChronusDB 产品功能

简单易用支持 HTTP API 访问方式。

数据查询可视化,查询结果支持自定义图形化展现。

监控运维,实时掌握数据库集群运行状况、性能指标和存储空间使用情况,并通过设置自动告警,实时发现资源瓶颈。

分布式架构自由扩展,支持数据库集群横向扩展与纵向扩展,存储空间与性能可弹性伸缩。

使用灵活,集群无主协议,业务可连接集群任意 IP 或高可用 IP,使用更加灵活;

ChronusDB控制台操作

创建集群

基本设置

新增节点,可以根据需要增加集群节点,需要注意的是为了尽快的完成增加节点操作,让计算资源更快的被集群应用,增加节点的过程不会对原有数据迁移。

新增节点

监控告警,可以对集群节点配置告警策略,及时掌握集群的资源和服务状况

监控告警

备份恢复,可以对集群进行手动备份,也可以在集群列表页面右键选择备份时间进行自动备份

手动备份

更多集群操作请参考:https://docs.qingcloud.com/product/database_cache/app_ChronusDB/index.html

ChronusDB 应用场景

物联网设备监控分析物联网的核心思想就是构建一个可以让所有物体生产数据并挖掘其价值的网络,而通过这个网络采集的数据,是一串按时间维度索引的数据,描述了物联网设备在一个时间范围内的每个时间点上的测量值,是典型的时序序列数据。ChronusDB 支持高性能的时序数据写入与查询,适用于物联网设备监控分析场景。通过 QingCloud IoT 平台采集用户物联网设备的监控数据,将原始数据全量写入到ChronusDB中,通过其丰富的计算函数支持,可快速分析物联网设备产生的时序数据。

工业制造监控分析。工业大数据的采集为工业创新以及战略性发展提供数据基础,也是打造数字化工厂,实现智能制造,迈向工业 4.0 的必经之路。工业制造企业需要对各种工业生产设备进行实时高效的数据采集和云端汇聚,通过实时的监控系统进行设备状态检测、故障发现及业务趋势分析。ChronusDB 同样适用于工业制造监控分析场景,通过云端汇聚各类工业设备产生的数据,将设备数据实时高效写入到 ChronusDB 进行存储分析,最终将时序查询结果输出,实现工业制造设备的监控分析。

系统及业务实时监控。互联网服务的即时性和稳定性是服务能力的关键指标,通过对大规模应用集群和机房设备的监控,可以实时关注设备运行状态、资源利用率和业务趋势,实现数据化运营和自动化开发运维。ChronusDB 适用于此类数据的存储和分析,可轻松地大规模存储和分析系统及业务实时监控数据,以了解一段时间内系统及业务的运行情况。

Harbor 镜像仓库升级至 1.9.3,新增镜像安全扫描功能并完成多项修复

Harbor 镜像仓库 发布新版 Harbor 1.9.3 – QingCloud 1.5.0,升级到 Harbor 稳定版 1.9.3 ,新增镜像安全扫描功能并完成多项修复,详情参考官方release notes

Harbor 是一个开源的企业级私有 Docker 镜像仓库方案,用于存储和分发 Docker 镜像,并提供基于角色的权限控制、仓库间 Image 异步复制、LDAP/AD 支持、图形界面等功能。 Harbor 镜像仓库 on QingCloud 将 Harbor 制作成了 App,能直接在 AppCenter 进行一键部署,并提供了一个高可用、高安全、高性能的解决方案,具有如下特性:

  • 镜像存储集成 QingStor 对象存储以及 QingStor NeonSAN(Server SAN) —— 由青云 QingCloud 提供,具有安全可靠、简单易用、高性能特点
  • 镜像存储可对接第三方 S3 对象存储
  • 支持应用节点横向和纵向伸缩
  • 高可用
  • 一键部署

新版主要更新如下:

  • 升级到 Harbor 1.9.3
  • 新增镜像安全扫描功能
  • 优化日志节点磁盘占用
  • 修复镜像复制失败的问题
  • 新增支持通过浏览器自助查看日志等文件

升级请参考用户手册

QingCloud MySQL Plus支持在配置参数页面修改密码强度规则等功能

MySQL Plus 为了提高安全性和用户体验,在 1.5.5 版本中,新增了多项服务,并修复了若干bug。同时提供标准版和对企业级分布式 SAN—NeonSAN 支持的两种版本,具体新增功能如下: MySQL Plus立即使用→

1. 支持在配置参数页面修改密码强度规则。

2. 新增自动订正运维账号功能。

3. 新增添加账号和在线迁移失败时报错信息在页面抛出功能。

4. 新增主节点只读状态的自动检测和订正功能。

5. 优化集群扩容流程并缩小主丢失时间窗口。

6. 修复某些情况下读 VIP 分发不均衡的问题。

7. 修复从 1.4.2 及更早版本升级后可能出现服务异常的问题。

8. 修复极少情况下读 VIP 误判脑裂导致服务异常的问题。

9. 修复某些情况下启动集群失败后无法自动拉起服务的问题。

10. 开放 innodb_flush_method 和 innodb_use_native_aio 参数。

DeepLearning 深度学习平台全新升级 支持多产品系列 & 新合约计费模式

为了提高用户使用体验和提供更多的优惠,青云QingCloud 深度学习平台全新升级,推出入门版、基础版、企业版三种版本,在离线训练、临时测试、算法验证以及 AI 框架学习等场景中较适于按需付费模式,而在生产环境稳定训练需求和在线训练等场景中使用包月、包年模式成本更低,为用户提供更加全面和灵活的成本管理支持。具体新增功能如下:立即使用→

 

入门版

 

  搭载第二代英特尔®至强®可扩展处理器,通过 DL Boosting 的 VNNI 技术及 Intel 优化的深度学习框架( TensorFlow、Caffe、PyTorch 等),在图像分类、图像目标检测、自然语言处理、推荐系统及强化学习等深度学习的性能大幅提升。

入门版预装英特尔针对 CPU 优化过的 Caffe ( Intel 1.1 ) 、TensorFlow ( 1.12.0 )、Keras ( 2.2.4 )、PyTorch ( 1.1.0 ) 最新深度学习框架。

 

基础版

 

搭载 AMD GPU,在提供云主机灵活性的同时,提供优秀的性能体验和超高的性价比,在深度学习训练、推理等方面都能表现出优秀的计算优势。AMD GPU 对主流深度学习框架的支持给用户提供了更具性价比的选择。

AMD GPU 目前支持的深度学习框架有 TensorFlow , Pytorch , Caffe , 并将支持 MXNet。基础版预装了 TensorFlow 1.14.0、Keras 2.2.4,PyTorch 1.2.0 最新深度学习框架。

 

企业版

 

搭载 NVIDIA GPU,在提供云主机弹性特性的同时,提供极致的性能体验,能够为用户提供超高的计算能力,在深度学习训练、推理等方面都能表现出强大的计算优势。

企业版预装 Caffe ( BVLC 1.0 )、TensorFlow ( 1.12.0 )、Keras ( 2.2.4 ) 、PyTorch ( 1.1.0 )  最新深度学习框架。