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
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>
OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
查看>>
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>