为什么说mac是前端的配置
不仅是前端，只要你不是做Windows开发，Mac都是标配。
原因很简单:MacOS是标准的经过认证的UNIX系统，unix/Linux系统的工具链和库基本上都可以通用。用包管理器下载二进制工具，只要有Linux版的，就有Mac版的。工具和库包含的脚本大部分都是用bash写的。非Windows平台开放的几乎所有的命令行工具都是以unix风格设计的。上StackOverflow搜这个问题，解决方案如果设计脚本操作，几乎都是bashscript。
至于为什么Mac多而不是PC+Linux？用Linux的也不少，但是Mac多一些，主要是Mac更省事，UI好用，而且MacOS预装很多开发工具，可以省的折腾。
在Windows下用UNIX风格的工具链也不是不行，可以上mingGW，Cygwin。因为不是原生环境，配置一些库和工具之类的经常出现很多莫名其妙的问题，因为太小众，上网那个也搜不到解决方案。开发人员时间宝贵，何必花在这种吃力不讨好的环境配置上。
前端开发如果要测试IE，跑个虚拟机就行了。
还有就是一些细小的体验问题了。比如Mac上你插一个外接显示器，系统会记住两个屏幕的相对位置和布局，下次只要插上同型号的显示器布局就可以恢复。这对现在流行的非固定工位特别有用。以及苹果的触摸板手势操作切换多个窗口很顺畅，其他的都用不惯。
不可否认Mac比同配置的PC总要贵，但是对于做开发提升的生产力而言这点钱总是值得的。
keystone中组建的主要功能是
keystone是OpenStackIdentityService的项目名称，是一个负责身份管理与授权的组件。
主要功能：实现用户的身份认证，基于角色的权限管理，及openstack其他组件的访问地址和安全策略管理。
Python里面有什么好用且有趣的模块
python第三方模块众多，下面我介绍一些比较实用而又有趣的模块，主要分为爬虫、数据处理、可视化、机器学习、神经网络、股票财经、游戏这7个方面，主要内容如下：
1.爬虫：相信大部分人都用python爬过数据，目前来说，比较流行的框架是scrapy，对爬取数据来说，简单方便了不少，只需要自己添加少量的代码，框架便可启动开始爬取，当然，还有简单地爬虫包，像requests+BeautifulSoup，对于爬取简单网页来说，也足够了：
2.数据处理：numpy,scipy,pandas这些包对于处理数据来说非常方便，线性代数、科学计算等，利用numpy处理起来非常方便，pandas提供的DataFrame类可以方便的处理各种类型的文件，像excel,csv等，是分析数据的利器：
3.可视化：这里的包其实也挺多的，除了我们常用的matplotlib外，还有seaborn,pyecharts等，可以绘制出各种各样类型的图形，除了常见的线图、饼图和柱状图外，还可以绘制出地图、词云图、地理坐标系图等，美观大方，所需的代码量还少，更容易上手：
4.机器学习：说起python机器学习，大部分人都应该scikit-learn这个包，常见的机器学习算法，像回归、分类、聚类、降维、模型选择等，这里都有现成的代码可供利用，对于这机器学习方面感兴趣的人来说，这是一个入门机器学习的好包：
5.神经网络：说起神经网络，大部分人都应该会想起深度学习，对应的就会想到谷歌目前非常流行的深度学习框架—tensorflow，tesndorflow可被用于语音识别和图像识别等众多领域，其发展前景光明，对于这方面感兴趣的科研人员来说，是一个很不错的工具，当然，还有基于tensorflow的theano,keras等，都是学习神经网络的不错选择：
6.股票财经：对于股票和财经比较感兴趣的朋友来说，python也提供了现成的库来获取和分析股票财经数据—tushare，tushare是一个免费、开源的python财经数据接口包，可以快速的获取到国内大部分股票数据，对于金融分析人员来说，可以说是一个利器，降低了许多任务量：
7.游戏：python专门为游戏开发提供了一个平台—pygame，对于想快速开发小型游戏的用户来说，是一个很不错的选择，简单易学、容易上手，脱离了低级语言的束缚，使用起来也挺方便的：
目前就介绍这7个方面和对应的包，比较流行也比较实用、有趣，感兴趣的朋友，可以了解一下，希望以上分享的内容能对你有所帮助吧。
openstack有多少个核心子系统
OpenStack目前共涵盖了七个核心组件，分别是计算(Compute)、对象存储(ObjectStorage)、认证(Identity)、用户界面(Dashboard)、块存储(BlockStorage)、网络(Network)和镜像服务(ImageService)。每个组件都是多个服务的集合，一个服务意味着运行着的一个进程。
