联合 Docker 和多家合作伙伴，微软开发出了一种能够在不同环境下轻松打包和维护主流容器应用的方法。 Cloud Native Application Bundles (CNAB) 是全新的开源打包格式规范，通过一个可安装文件就能管理多款，在不同环境中配置应用程序资源并分布式应用，在不同环境中配置应用程序资源，无需多个 工具 集就能轻松管理应用程序的生命周期。它兼容Azure，on-prem OpenStack, Kubernetes, Swarm, Ansible, Terraform等等。
访问:
CNAB提供如下功能：
● 在统一的逻辑单元中管理多项资源 ● 在应用生命周期管理中使用和定义可操作的动词（安装、升级和卸载） ● 即使底层技术本身不支持，也能签署并以数字方式打包 ● Attest（或将签名附加到该捆绑包的生命周期中的任何时刻）并以数字方式验证捆绑包是否已达到该状态以控制捆绑包的使用方式。 ● 启用捆绑包和所有依赖项的导出，以在另一个环境中可靠地重现，包括脱机环境（物联网边缘，air-gapped环境）。 ● 将软件包存储在存储库中以进行远程安装。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
猜你喜欢:
- 掘金 AMA：听分布式架构 SOFA 的开源负责人黄挺聊分布式架构和开源
- Kubernetes云原生开源分布式存储介绍
- 宝马开源RAMSES分布式3D渲染系统
- 3个开源分布式跟踪系统，都很不错！
- Facebook开源分布式日志存储系统LogDevice
- 开源 | GateKeeper：滴滴开源的使用 Go 编写的不依赖分布式数据库的 API 网关
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
推荐系统与深度学习
黄昕、赵伟、王本友、吕慧伟、杨敏 / 清华大学出版社 / 2019-1-1 / 65.00元
本书的内容设置由浅入深，从传统的推荐算法过渡到近年兴起的深度学习技术。不管是初学者，还是有一定经验的从业人员，相信都能从本书的不同章节中有所收获。 区别于其他推荐算法书籍，本书引入了已被实践证明效果较好的深度学习推荐技术，包括Word2Vec、Wide & Deep、DeepFM、GAN 等技术应用，并给出了相关的实践代码；除了在算法层面讲解推荐系统的实现，还从工程层面详细阐述推荐系统如何搭建.一起来看看 《推荐系统与深度学习》 这本书的介绍吧!
