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 | 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>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
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>>