如果想在降低数据中心运营成本的同时最大限度地保持敏捷性,开源软件工具是不二之选。虽然开源工具无法保证降低总成本,但是和大多数帮助管理数据中心及其内部工作负载的商业软件相比,开源工具不需要支付许可费用。此外,开源工具还降低了被锁定在特定供应商平台或生态系统中的风险。
下面我们就来看看最流行的数据中心开源工具。其中一些是针对数据中心的特定需求而设计的,另一些则是支持各种用例(包括但不限于数据中心)的开源解决方案。
OpenDCIM
数据中心基础设施管理(DCIM)是跟踪和管理数据中心内所有组件的复杂工作,这些组件不仅包括 IT 设备,还包括冷却系统、电力系统和其他运营基础设施。
OpenDCIM是一款免费的开源工具,旨在简化DCIM。它提供了一个基于网络的界面,用于映射数据中心组件并跟踪其状态。它还提供一些基本的请求管理功能,并附带特权访问管理框架,这样你就可以针对不同的用户分配不同的权限级别——如果一些团队成员需要执行与其他成员不同类型的任务,而你又不希望他们在DCIM软件中享有同样的权限,那这个功能就非常有用了。
NetBox
NetBox是另一款旨在帮助满足DCIM需求的开源工具,但它尤其侧重于网络架构和资源的管理。
NetBox在自动化解决方案上投入甚多,使其在大量开源数据中心工具中脱颖而出。它提供的API可以帮助实现复杂工作流程的自动化,如果你需要大规模管理数据中心的基础设施,NetBox将是非常棒的开源工具。
RackTables
除了OpenDCIM和NetBox之外,RackTables也是世界上最受欢迎的开源DCIM工具之一。从很多方面来看,RackTables都是此类软件中最简单、最不复杂的一款解决方案,使用它时,你甚至会觉得自己还停留在2000年代。但它是一款用户友好型工具,能让你有效跟踪数据中心资产,而且它是免费开源的,所以你就不能抱怨什么了。
Nmap
有时,你只想知道数据中心内的网络上运行着哪些资源。这并不需要复杂的DCIM工具。你可以使用Nmap,这是一款开源工具,它可以扫描网络并提供在网络上运行的主机的详细信息,包括那些你可能并不知道其存在的主机。
Tinkerbell
你可以手动设置数据中心里的每一台服务器。但这需要花很多时间。另一个选择是使用Tinkerbell,这是一款开源数据中心工具,旨在自动配置裸机基础设施。使用声明式配置,即使服务器上尚未安装操作系统,也能自动大规模地设置服务器。
Prometheus
对于监控部署在数据中心的工作负载而言,开源世界提供的最佳解决方案可能就是Prometheus。(你可能会觉得另一个开源监控解决方案Zabbix更好,但我还是以后再讨论这个话题吧)。
Grafana
提到Prometheus就不能不提到Grafana,这是一款经常与Prometheus同时使用的开源工具。Grafana提供数据可视化功能,帮助团队解读监控数据。在大多数情况下,你可以使用Prometheus这样的工具来收集监控数据,然后将其发送到Grafana,帮助团队对其进行可视化和解a读。
结论
从DCIM到网络映射,再到裸机配置等方面,开源社区提供了大量工具来帮助管理数据中心以及其中运行的基础设施和工作负载。我们并不是在说开源解决方案一定是满足数据中心需求的最佳选择,但它们很可能是,而且肯定值得与商业解决方案一起考虑。
好文章,需要你的鼓励
清华大学团队突破性开发"零样本量化"技术,让AI模型在不接触真实数据的情况下完成高效压缩,性能反超传统方法1.7%,为隐私保护时代的AI部署开辟新路径。
普林斯顿大学研究团队开发出"LLM经济学家"框架,首次让AI学会为虚拟社会制定税收政策。系统包含基于真实人口数据的工人AI和规划者AI两层,通过自然语言交互找到最优经济政策,甚至能模拟民主投票。实验显示AI制定的税收方案接近理论最优解,为AI参与社会治理提供了新路径。
K Prize是由Databricks和Perplexity联合创始人推出的AI编程挑战赛,首轮比赛结果显示,获胜者巴西工程师Eduardo Rocha de Andrade仅答对7.5%的题目就获得5万美元奖金。该测试基于GitHub真实问题,采用定时提交系统防止针对性训练,与SWE-Bench 75%的最高得分形成鲜明对比。创始人承诺向首个在该测试中得分超过90%的开源模型提供100万美元奖励。
南开大学研究团队提出了一种新的3D高斯泼溅重光照方法,通过在高斯原语上直接编码离散化SDF值,避免了传统方法需要额外SDF网络的问题。该方法设计了投影一致性损失来约束离散SDF样本,并采用球形初始化避免局部最优。实验表明,新方法在保持高质量重光照效果的同时,仅需现有方法20%的显存,显著提升了训练和渲染效率。