博客
关于我
EOS系列 - 超级节点的硬件要求
阅读量:79 次
发布时间:2019-02-25

本文共 797 字,大约阅读时间需要 2 分钟。

EOS的BP节点硬件要求及配置说明

硬件要求EOS的备选节点需要具备足够的硬件资源以支持公众服务的正常运行。建议至少配置4台面向公众服务的终端,确保用户能够顺利查询交易状态及提交交易请求。

具体硬件配置根据不同的BP类型,以下是详细的硬件配置建议:

一、EOS Huobi Pool硬件配置部署3台物理服务器,其中2台用于负载均衡,1台作为备用服务器。主服务器配置:

  • 内存:64GB
  • CPU:8核
  • 存储:2TB

测试服务器配置:

  • 部署在AWS平台上,配置为1台测试服务器
  • 内存:8GB
  • CPU:4核
  • 存存:100GB

扩展计划:主服务器可扩展至:

  • 内存:1TB
  • CPU:128核
  • 存存:20TB

测试服务器可扩展至:

  • 内存:1TB
  • CPU:128核
  • 存存:20TB

二、EOS Gravity硬件配置部署2台物理服务器,其中1台主服务器,1台备用服务器。网络设备:

  • 交换机:H3C S5130 48端口型,配置2台
  • WAF:WebRAY Ray-WAF-1006P(需购买许可证)

主服务器配置(PowerEdge R730xd型号):

  • CPU:Intel® Xeon® 4核
  • 内存:128G(2×64GB 2400MHz)
  • 系统存储:2×300GB 7200rpm
  • 数据存储:1×512GB SSD
  • 电源配置:双电源

备用服务器扩展计划:主服务器扩展:

  • CPU:4核 Intel® Xeon®
  • 内存:4T(建议扩展至4T+)
  • 系统存储:2×300GB 7200rpm
  • 数据存储:2×1TB SSD
  • 电源配置:双电源

存储服务器配置:

  • CPU:Intel® Xeon®
  • 内存:32G(2×16GB 2400MHz)
  • 系统存储:2×300GB 7200rpm
  • 数据存储:24×10T 10000rpm
  • 电源配置:双电源

以上配置均基于实际需求进行调整,具体实施时需根据网络环境和负载情况进行优化。

转载地址:http://wme.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
查看>>
OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
查看>>
OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>
OpenCV中的监督学习
查看>>
opencv中读写视频
查看>>
OpenCV中遇到Microsoft C++ 异常 cv::Exception
查看>>
opencv之cv2.findContours和drawContours(python)
查看>>