博客
关于我
当1060台树莓派整合在一起的时候
阅读量:250 次
发布时间:2019-03-01

本文共 458 字,大约阅读时间需要 1 分钟。

这台超算采用了1060台树莓派主机,全采用第三代的3B+型号,配置为博通BCM2837四核A53 1.4GHz处理器、VideoCore IV GPU、1GB内存、千兆以太网、802.11ac无线连接、四个USB 2.0接口以及microSD存储接口。

超算由21个节点组成,每个节点为2U高密度设计,内部配备50台树莓派,并采用3D打印制成的特殊支架,整个组装过程仅需一天时间完成。各节点间通过Ubiquiti UniFi系列端口交换机连接,上行环网采用SFP+ 10GbE光纤接口,供电采用高效的USB供电方式,避免了传统的高发热、高损耗的PoE供电方案。

中央部位配备了专用存储服务器,用于网络启动和管理所有树莓派节点。至于超算的实际应用场景,展示了一个3x3的虚拟化阵地,具体用途和功能将取决于实际应用需求。

目前,甲骨文团队尚未对超算的性能进行详细披露,也未表明该超算有商业化的意图。该超算可能更多地体现了技术探索和架构验证的价值。更多关于树莓派相关技术的咨询,可访问www.linuxprobe.com。

转载地址:http://dqxx.baihongyu.com/

你可能感兴趣的文章
opencv7-绘制形状和文字
查看>>
opencv8-图像模糊
查看>>
opencv9-膨胀和腐蚀
查看>>
OpenCV_ cv2.imshow()
查看>>
opencv_core.dir/objects.a(vs_version.rc.obj)‘ is incompatible with i386:x86-64 output
查看>>
opencv——图像缩放1(resize)
查看>>
opencv——最简单的视频读取
查看>>
Opencv——模块介绍
查看>>
OpenCV与AI深度学习 | 2024年AI初学者需要掌握的热门技能有哪些?
查看>>
OpenCV与AI深度学习 | CIB-SE-YOLOv8: 优化的YOLOv8, 用于施工现场的安全设备实时检测 !
查看>>
OpenCV与AI深度学习 | CoTracker3:用于卓越点跟踪的最新 AI 模型
查看>>
OpenCV与AI深度学习 | OpenCV中八种不同的目标追踪算法
查看>>
OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
查看>>
OpenCV与AI深度学习 | OpenCV如何读取仪表中的指针刻度
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(一) :直接拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(三):基于特征匹配拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四):基于Stitcher类拼接
查看>>
OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
查看>>
OpenCV与AI深度学习 | PaddleOCR 2.9 发布, 正式开源文本图像智能分析利器
查看>>