CSDN开发云-优雅使用云容器服务

dayinfinite 2022-07-20 18:26:12

CSDN开发云-优雅使用云容器服务

使用容器服务过程中,如果没有公网 IP,无法通过外部访问容器内部服务,例如: SSH 登录容器,访问容器内 web UI 页面。

具体方案: 内网穿透

推荐使用:
花生壳等服务,提供免费额度内网穿透服务,
开发云容器服务,可免费领取容器会员

实验环境: 花生壳开发云
部署具体如下:

1. 开通开发云服务, 实名认证可免费领取云容器会员。云主机。

在这里插入图片描述

2. 部署花生壳

wget https://dl-cdn.oray.com/hsk/linux/phddns-5.0.0.x86_64.rpm
yum localinstall phddns-5.0.0.x86_64.rpm

3. 安装完成后,显示 SN 和默认密码

在这里插入图片描述

4. 基础命令

root@node1 ~]# phddns version
/usr/bin/phddns: line 4: pidof: command not found
Oray PeanutHull DDNS 5.0.0
[root@node1 ~]# phddns reset
/usr/bin/phddns: line 4: pidof: command not found
Sure you want to reset it?(y/n)
y
reset success !
[root@node1 ~]# phddns restart
/usr/bin/phddns: line 4: pidof: command not found
restart phtunnel service success !

5. 使用花生壳

浏览器访问http://b.oray.com/ ,输入花生壳Linux 5.0在安装时产生SN码与默认登录密码admin登录,后面使用微信扫描,如果没有账号就注册一个。

在这里插入图片描述

6. 免费开通服务

在这里插入图片描述

7.开启内网穿透,映射服务

下面以22端口服务为例:

在这里插入图片描述


添加完成后,配置如下

在这里插入图片描述

8. 通过域名及端口,登录容器

在这里插入图片描述

至此,可登录至云容器,进行操作。也可以根据以上操作,将容器内部部署的相关服务,进行外网穿透,访问云容器内部服务,例如 hadoop web UI。

...全文
955 1 打赏 收藏 转发到动态 举报
写回复
用AI写文章
1 条回复
切换为时间正序
请发表友善的回复…
发表回复
amKyle 2022-11-19
  • 打赏
  • 举报
回复

只能通过内网穿透的方法访问云容器吗?

内容概要:本文围绕“考虑光伏-储能-数据中心多能互补的园区容量优化配置”展开研究,提出了一种基于Matlab代码实现的优化模型,旨在通过整合光伏发电、储能系统与数据中心的高耗能及灵活负荷特性,实现园区内多能系统的高效互补与协同运行。研究建立了综合考虑可再生能源出力波动性、储能充放电特性和数据中心用电规律的数学模型,采用灰狼优化器(GWO)等智能算法求解最优容量配置方案,并可能结合CEEMDAN等信号分解技术进行功率平滑与波动抑制。通过多时间尺度协调与系统级优化设计,提升能源自给率、降低运行成本、增强新能源消纳能力,体现了综合能源系统规划中的先进建模范式。; 适合人群:具备一定电力系统、能源工程、自动化或相关专业背景的科研人员、研究生,以及从事综合能源系统、微电网、绿色数据中心、可再生能源集成等领域技术研发的工程师。; 使用场景及目标:①用于科研复现与学术研究,深入理解多能互补系统容量优化的建模方法、求解流程及关键约束处理;②为工业园区、数字经济园区、绿色数据中心等实际场景的能源系统规划提供技术支撑与决策依据,目标在于实现节能减排、提高能源利用效率与系统经济性;③作为Matlab仿真与智能优化算法应用的学习资源,掌握GWO、CEEMDAN等算法在能源系统优化中的集成与实践。; 阅读建议:建议结合文中提供的Matlab代码进行同步仿真验证,重点关注目标函数构建、约束条件设定、多变量耦合关系及算法收敛性分析,同时可参考文档中提及的混合储能功率分解、风电波动平抑等关联技术模块,深化对多能系统协同优化机制的理解。
内容概要:本文围绕“基于UKF与SRCKF的分布式驱动车辆状态联合估计研究”,系统探讨了利用无迹卡尔曼滤波(UKF)和平方根容积卡尔曼滤波(SRCKF)对分布式驱动车辆的关键运动状态参数(如横摆角速度、质心侧偏角、纵向/横向速度等)进行高精度联合估计的方法。研究通过构建基于Simulink的整车动力学模型与非线性状态估计算法的联合仿真平台,验证了两种滤波算法在复杂行驶工况下的估计精度、收敛性与鲁棒性,尤其针对传统传感器难以直接获取的状态变量提供了有效的解决方案。文中深入分析了非线性滤波理论在车辆状态估计中的适用性与优势,展示了其在提升车辆稳定性控制、先进驾驶辅助系统(ADAS)及自动驾驶系统感知能力方面的关键作用。; 适合人群:具备车辆动力学、现代控制理论及非线性滤波算法基础,熟练掌握MATLAB/Simulink仿真工具,从事智能网联汽车、自动驾驶、车辆状态估计与控制等领域的研究生、科研人员及工程技术开发者。; 使用场景及目标:① 掌握UKF与SRCKF算法的核心原理及其在车辆非线性系统建模中的实现方法;② 构建高精度车辆状态观测器,服务于车辆动力学控制、轨迹跟踪与安全性评估;③ 复现高水平学术论文中的仿真案例,提升科研仿真能力与算法验证水平。; 阅读建议:建议结合车辆动力学理论与卡尔曼滤波基础知识,逐步搭建并调试Simulink仿真模型,重点关注系统噪声与观测噪声的设定、协方差矩阵的初始化、滤波器的收敛行为及参数敏感性分析,后续可拓展至多源传感器融合(如IMU、GPS、轮速)的联合估计框架研究。

118

社区成员

发帖
与我相关
我的任务
社区描述
CSDN开发云官方社区,欢迎开发者提建议、反馈问题
其他 其他
社区管理员
  • 冯丙见
  • csdn_dev_cloud
  • 云端寒潭
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告

欢迎大家使用开发云的API服务,有问题可以在这里反馈

试试用AI创作助手写篇文章吧