---
title: 组网规划
description: "建议采用存算分离组网，即存储节点和计算节点分离，以便更好地利用OmniData算子下推特性实现存算协同，将算子下推到存储节点进行就近计算，进而提升大数据计算性能。如果OmniData算子下推和OmniOperator算子加速两个特性叠加使用，则也建议参考本节组网要求进行规划。"
url: https://www.hikunpeng.com/document/detail/zh/kunpengboostkithistory/2400/bds/kunpengbds_omniruntime_20_0107.html
sourcePath: /source/zh/kunpengboostkithistory/2400/bds/kunpengbds_omniruntime_20_0107.html
indexId: e8c1d6255f806dd09f5cf98458fdac396e40911b8c3a6e5b7287b7c90e0a763378
---
# 组网规划

建议采用存算分离组网，即存储节点和计算节点分离，以便更好地利用OmniData算子下推特性实现存算协同，将算子下推到存储节点进行就近计算，进而提升大数据计算性能。如果OmniData算子下推和OmniOperator算子加速两个特性叠加使用，则也建议参考本节组网要求进行规划。

本文规划的环境由7台服务器组成，以此举例，使用存算分离的组网，分别是管理节点（1台）、计算节点（3台）、存储节点（3台）。以存储节点为Ceph进行举例说明，其中：

- 管理节点为server1，用于管理任务。
- 计算节点为agent1、agent2和agent3，用于运行大数据查询引擎服务。
- 存储节点为ceph1、ceph2和ceph3，用于运行OmniData算子下推服务。
  OmniData算子下推提供算子下推（算子卸载）的执行能力，接收Host Runtime下推下来的任务，因此OmniData算子下推部署节点即为卸载节点。本文主机架构为CPU架构，OmniData算子下推部署在存储节点，即文中卸载节点为存储节点。


一台服务器可以同时充当管理节点、计算节点和存储节点（如果是单机安装模式，后续文章中提到的在管理节点/计算节点/存储节点（卸载节点）上执行的操作，均需要在一个节点上执行），组网规划如图1所示。

图1 安装组网图