人工智能技术实验系统

一、平台架构

人工智能技术实验系统整体设计基于Kubernetes + Docker 容器集群技术，可一键运行实验环境，并提供多种开发模式、多种运行环境以满足不同的用户需求。提供超高计算能力的高性能计算引擎，提供运行基础的容器云平台，支持数据存储的分布式文件系统，支持各种数据转换的数据集成转换组件，以及支持全局系统运维的运维管理组件。同时，提供完备的教学所需的镜像资源、完善的学习资料和教学管理模块。

平台架构图如下：

平台采用B/S架构，用户只需通过浏览器（如：chrome浏览器）直接访问人工智能技术实验系统。

二、平台分布式计算架构

实验平台依托Kubernetes、Docker的底层分布式技术支持几乎所有类型的云环境，目标是提供实施简单、可大规模扩展、丰富、标准统一的分布式计算管理平台。

通过容器技术将应用运行环境与底层物理环境解耦，减少应用对于底层环境的依赖。基于Kubernetes+Docker技术的容器云平台，提供容器化部署、容器编排、资源隔离以及抢占式的资源调度和管理等功能。使得人工智能教学实验平台的部署和维护变得更加简单和灵活：

Ø 支持一系列生产功能，如弹性伸缩、故障容错、在线升级、服务发现

Ø 支持管理功能，如应用管理、镜像管理、资源管理、权限管理

Ø 容器技术及应用，如容器化部署、资源隔离

三、分布式架构特点

分布式计算是将应用分解成许多小的部分，分配给多台计算机进行处理，相对于集中式计算可以节约整体计算时间，大大提高计算效率，分布式计算框架是提升计算效率的重要框架之一，其特点如下：

Ø 高密度 高弹性

由于Docker容器的启动一般在秒级实现，这相比传统的虚拟机方式要快得多。另外 Docker 对系统资源的利用率很高，一台主机上可以同时运行数千个Docker 容器。容器除了运行其中的应用外，基本不需要消耗额外的系统资源，使得应用的性能很高，同时系统的开销很小。基于虚拟机的技术决定了它的启动速度分钟级（或数秒级），而Docker基于轻量级的LXC，它的启动速度是毫秒级（秒级）的。这就使得容器云具备高密度，高弹性的特性，在面对突发访问量时也能轻松应对。另外它通过提升应用对系统资源的利用率，使得相比虚拟机的性价比大大的提高了。

Ø 兼具IaaS的灵活和PaaS的便利

基于Docker的容器云是一个用于开发、交付和运行应用的平台，Docker 设计用来更快的交付应用程序。Docker 可以将你的应用程序和基础设施层隔离，并且还可以将基础设施当作程序一样进行管理。Docker 可以实现更快地打包代码、测试以及部署，并且大大缩短从开发到运行上线的周期。容器云的本质是一个轻量级的容器虚拟化平台，以及一套标准的开发，构建，部署，运行的流程，并且可以集成各类工具，比如持续集成，数据库与缓存，大数据等，以及一些PaaS类的服务。容器云在计算资源调度上具备IaaS的灵活性，以及PaaS的便利，弹性伸缩，日志监控，滚动升级，持续集成/部署等系统级的PaaS服务已成为容器云的标配，并逐渐会往上层发展，比如部署数据库与缓存，大数据，安全监控等服务，以及集成各类SaaS服务。

Ø 容器化应用是基石，一切都封装在镜像里

Docker 提供了一种在安全隔离的容器中运行几乎所有应用的方式，这种隔离性和安全性允许在同一主机上同时运行多个容器，而容器的这种轻量级特性，意味着可以节省更多的系统资源，因为不必消耗运行 hypervisor 所需要的额外负载。对于容器云而言，所有的应用都需要容器化以后才能发布，即将应用程序打包进Docker容器，以镜像的方式运行。容器化应用未来将会成为云端应用交付的标准。

Ø Kubernetes提供应用部署、维护、扩展机制等功能

利用Kubernetes能方便地管理跨机器运行容器化的应用，其主要功能如下：

² 使用Docker对应用程序包装(package)、实例化(instantiate)、运行(run)。

² 以集群的方式运行、管理跨机器的容器。

² 解决Docker跨机器容器之间的通讯问题。

² Kubernetes的自我修复机制使得容器集群总是运行在用户期望的状态。

四、AI课程展示

课程分为基础核心课程、可选方向课程、工具类课程；每类课程均提供PPT课件学习和实验，用户可将实验快捷的加载到环境中，进行学习、调试与拓展训练。