ಓಪನ್‌ಸ್ಟಾಕ್‌ನಲ್ಲಿ ಲೋಡ್ ಬ್ಯಾಲೆನ್ಸಿಂಗ್ (ಭಾಗ 2)

В ಕೊನೆಯ ಲೇಖನ ನಾವು ವಾಚರ್ ಅನ್ನು ಬಳಸುವ ನಮ್ಮ ಪ್ರಯತ್ನಗಳ ಬಗ್ಗೆ ಮಾತನಾಡಿದ್ದೇವೆ ಮತ್ತು ಪರೀಕ್ಷಾ ವರದಿಯನ್ನು ಒದಗಿಸಿದ್ದೇವೆ. ದೊಡ್ಡ ಎಂಟರ್‌ಪ್ರೈಸ್ ಅಥವಾ ಆಪರೇಟರ್ ಕ್ಲೌಡ್‌ನ ಸಮತೋಲನ ಮತ್ತು ಇತರ ನಿರ್ಣಾಯಕ ಕಾರ್ಯಗಳಿಗಾಗಿ ನಾವು ನಿಯತಕಾಲಿಕವಾಗಿ ಅಂತಹ ಪರೀಕ್ಷೆಗಳನ್ನು ನಡೆಸುತ್ತೇವೆ.

ಪರಿಹರಿಸಲಾಗುತ್ತಿರುವ ಸಮಸ್ಯೆಯ ಹೆಚ್ಚಿನ ಸಂಕೀರ್ಣತೆಯು ನಮ್ಮ ಯೋಜನೆಯನ್ನು ವಿವರಿಸಲು ಹಲವಾರು ಲೇಖನಗಳ ಅಗತ್ಯವಿರಬಹುದು. ಇಂದು ನಾವು ಸರಣಿಯಲ್ಲಿ ಎರಡನೇ ಲೇಖನವನ್ನು ಪ್ರಕಟಿಸುತ್ತಿದ್ದೇವೆ, ಕ್ಲೌಡ್‌ನಲ್ಲಿ ವರ್ಚುವಲ್ ಯಂತ್ರಗಳನ್ನು ಸಮತೋಲನಗೊಳಿಸಲು ಸಮರ್ಪಿಸಲಾಗಿದೆ.

ಕೆಲವು ಪರಿಭಾಷೆ

VmWare ಕಂಪನಿಯು DRS (ಡಿಸ್ಟ್ರಿಬ್ಯೂಟೆಡ್ ರಿಸೋರ್ಸ್ ಶೆಡ್ಯೂಲರ್) ಸೌಲಭ್ಯವನ್ನು ಅವರು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಮತ್ತು ಒದಗಿಸಿದ ವರ್ಚುವಲೈಸೇಶನ್ ಪರಿಸರದ ಲೋಡ್ ಅನ್ನು ಸಮತೋಲನಗೊಳಿಸಲು ಪರಿಚಯಿಸಿತು.

ಬರೆದಂತೆ searchvmware.techtarget.com/definition/VMware-DRS
“VMware DRS (ಡಿಸ್ಟ್ರಿಬ್ಯೂಟೆಡ್ ರಿಸೋರ್ಸ್ ಶೆಡ್ಯೂಲರ್) ಎನ್ನುವುದು ವರ್ಚುವಲ್ ಪರಿಸರದಲ್ಲಿ ಲಭ್ಯವಿರುವ ಸಂಪನ್ಮೂಲಗಳೊಂದಿಗೆ ಕಂಪ್ಯೂಟಿಂಗ್ ಲೋಡ್‌ಗಳನ್ನು ಸಮತೋಲನಗೊಳಿಸುವ ಒಂದು ಉಪಯುಕ್ತತೆಯಾಗಿದೆ. ಉಪಯುಕ್ತತೆಯು VMware ಇನ್ಫ್ರಾಸ್ಟ್ರಕ್ಚರ್ ಎಂಬ ವರ್ಚುವಲೈಸೇಶನ್ ಸೂಟ್‌ನ ಭಾಗವಾಗಿದೆ.

VMware DRS ನೊಂದಿಗೆ, ಬಳಕೆದಾರರು ವರ್ಚುವಲ್ ಯಂತ್ರಗಳ (VMs) ನಡುವೆ ಭೌತಿಕ ಸಂಪನ್ಮೂಲಗಳನ್ನು ವಿತರಿಸಲು ನಿಯಮಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುತ್ತಾರೆ. ಹಸ್ತಚಾಲಿತ ಅಥವಾ ಸ್ವಯಂಚಾಲಿತ ನಿಯಂತ್ರಣಕ್ಕಾಗಿ ಉಪಯುಕ್ತತೆಯನ್ನು ಕಾನ್ಫಿಗರ್ ಮಾಡಬಹುದು. VMware ಸಂಪನ್ಮೂಲ ಪೂಲ್‌ಗಳನ್ನು ಸುಲಭವಾಗಿ ಸೇರಿಸಬಹುದು, ತೆಗೆದುಹಾಕಬಹುದು ಅಥವಾ ಮರುಸಂಘಟಿಸಬಹುದು. ಬಯಸಿದಲ್ಲಿ, ವಿವಿಧ ವ್ಯಾಪಾರ ಘಟಕಗಳ ನಡುವೆ ಸಂಪನ್ಮೂಲ ಪೂಲ್ಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸಬಹುದು. ಒಂದು ಅಥವಾ ಹೆಚ್ಚಿನ ವರ್ಚುವಲ್ ಗಣಕಗಳಲ್ಲಿನ ಕೆಲಸದ ಹೊರೆ ನಾಟಕೀಯವಾಗಿ ಬದಲಾದರೆ, VMware DRS ಭೌತಿಕ ಸರ್ವರ್‌ಗಳಾದ್ಯಂತ ವರ್ಚುವಲ್ ಯಂತ್ರಗಳನ್ನು ಮರುಹಂಚಿಕೆ ಮಾಡುತ್ತದೆ. ಒಟ್ಟಾರೆ ಕೆಲಸದ ಹೊರೆ ಕಡಿಮೆಯಾದರೆ, ಕೆಲವು ಭೌತಿಕ ಸರ್ವರ್‌ಗಳನ್ನು ತಾತ್ಕಾಲಿಕವಾಗಿ ಆಫ್‌ಲೈನ್‌ಗೆ ತೆಗೆದುಕೊಳ್ಳಬಹುದು ಮತ್ತು ಕೆಲಸದ ಹೊರೆಯನ್ನು ಏಕೀಕರಿಸಬಹುದು."

ಸಮತೋಲನ ಏಕೆ ಬೇಕು?


ನಮ್ಮ ಅಭಿಪ್ರಾಯದಲ್ಲಿ, DRS ಒಂದು ಕ್ಲೌಡ್ ವೈಶಿಷ್ಟ್ಯವನ್ನು ಹೊಂದಿರಬೇಕು, ಆದರೂ DRS ಅನ್ನು ಯಾವಾಗಲೂ ಮತ್ತು ಎಲ್ಲೆಡೆ ಬಳಸಬೇಕು ಎಂದು ಇದರ ಅರ್ಥವಲ್ಲ. ಮೋಡದ ಉದ್ದೇಶ ಮತ್ತು ಅಗತ್ಯಗಳನ್ನು ಅವಲಂಬಿಸಿ, DRS ಮತ್ತು ಸಮತೋಲನ ವಿಧಾನಗಳಿಗೆ ವಿಭಿನ್ನ ಅವಶ್ಯಕತೆಗಳು ಇರಬಹುದು. ಸಮತೋಲನದ ಅಗತ್ಯವಿಲ್ಲದ ಸಂದರ್ಭಗಳು ಇರಬಹುದು. ಅಥವಾ ಹಾನಿಕಾರಕ ಕೂಡ.

ಎಲ್ಲಿ ಮತ್ತು ಯಾವ ಕ್ಲೈಂಟ್‌ಗಳಿಗೆ ಡಿಆರ್‌ಎಸ್ ಅಗತ್ಯವಿದೆ ಎಂಬುದನ್ನು ಚೆನ್ನಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು, ಅವರ ಗುರಿ ಮತ್ತು ಉದ್ದೇಶಗಳನ್ನು ಪರಿಗಣಿಸೋಣ. ಮೋಡಗಳನ್ನು ಸಾರ್ವಜನಿಕ ಮತ್ತು ಖಾಸಗಿ ಎಂದು ವಿಂಗಡಿಸಬಹುದು. ಈ ಮೋಡಗಳು ಮತ್ತು ಗ್ರಾಹಕರ ಗುರಿಗಳ ನಡುವಿನ ಪ್ರಮುಖ ವ್ಯತ್ಯಾಸಗಳು ಇಲ್ಲಿವೆ.

ಖಾಸಗಿ ಮೋಡಗಳು / ದೊಡ್ಡ ಉದ್ಯಮ ಗ್ರಾಹಕರು
ಸಾರ್ವಜನಿಕ ಮೋಡಗಳು / ಮಧ್ಯಮ ಮತ್ತು ಸಣ್ಣ ವ್ಯಾಪಾರಗಳು, ಜನರು

ಆಪರೇಟರ್ನ ಮುಖ್ಯ ಮಾನದಂಡ ಮತ್ತು ಗುರಿಗಳು
ವಿಶ್ವಾಸಾರ್ಹ ಸೇವೆ ಅಥವಾ ಉತ್ಪನ್ನವನ್ನು ಒದಗಿಸುವುದು
ಸ್ಪರ್ಧಾತ್ಮಕ ಮಾರುಕಟ್ಟೆಯಲ್ಲಿ ಹೋರಾಟದಲ್ಲಿ ಸೇವೆಗಳ ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡುವುದು

ಸೇವೆಯ ಅವಶ್ಯಕತೆಗಳು
ಎಲ್ಲಾ ಹಂತಗಳಲ್ಲಿ ಮತ್ತು ಎಲ್ಲಾ ಸಿಸ್ಟಮ್ ಅಂಶಗಳಲ್ಲಿ ವಿಶ್ವಾಸಾರ್ಹತೆ

ಖಾತರಿಪಡಿಸಿದ ಕಾರ್ಯಕ್ಷಮತೆ

ವರ್ಚುವಲ್ ಯಂತ್ರಗಳನ್ನು ಹಲವಾರು ವರ್ಗಗಳಾಗಿ ಆದ್ಯತೆ ನೀಡಿ 

ಮಾಹಿತಿ ಮತ್ತು ಭೌತಿಕ ಡೇಟಾ ಸುರಕ್ಷತೆ

SLA ಮತ್ತು XNUMX/XNUMX ಬೆಂಬಲ
ಸೇವೆಯನ್ನು ಪಡೆಯುವ ಗರಿಷ್ಠ ಸುಲಭ

ತುಲನಾತ್ಮಕವಾಗಿ ಸರಳ ಸೇವೆಗಳು

ಡೇಟಾದ ಜವಾಬ್ದಾರಿ ಕ್ಲೈಂಟ್‌ಗೆ ಇರುತ್ತದೆ

ಯಾವುದೇ VM ಆದ್ಯತೆಯ ಅಗತ್ಯವಿಲ್ಲ

ಪ್ರಮಾಣಿತ ಸೇವೆಗಳ ಮಟ್ಟದಲ್ಲಿ ಮಾಹಿತಿ ಭದ್ರತೆ, ಕ್ಲೈಂಟ್ ಮೇಲಿನ ಜವಾಬ್ದಾರಿ

ಲೋಪದೋಷಗಳಿರಬಹುದು

SLA ಇಲ್ಲ, ಗುಣಮಟ್ಟದ ಭರವಸೆ ಇಲ್ಲ

ಇಮೇಲ್ ಬೆಂಬಲ

ಬ್ಯಾಕಪ್ ಅಗತ್ಯವಿಲ್ಲ

ಕ್ಲೈಂಟ್ ವೈಶಿಷ್ಟ್ಯಗಳು
ಬಹಳ ವ್ಯಾಪಕ ಶ್ರೇಣಿಯ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು.

ಕಂಪನಿಯಲ್ಲಿ ಆನುವಂಶಿಕವಾಗಿ ಪಡೆದ ಲೆಗಸಿ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು.

ಪ್ರತಿ ಕ್ಲೈಂಟ್‌ಗೆ ಸಂಕೀರ್ಣವಾದ ಕಸ್ಟಮ್ ಆರ್ಕಿಟೆಕ್ಚರ್‌ಗಳು.

ಅಫಿನಿಟಿ ನಿಯಮಗಳು.

ಸಾಫ್ಟ್‌ವೇರ್ 7x24 ಮೋಡ್‌ನಲ್ಲಿ ನಿಲ್ಲದೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. 

ಹಾರಾಟದಲ್ಲಿ ಬ್ಯಾಕಪ್ ಪರಿಕರಗಳು.

ಊಹಿಸಬಹುದಾದ ಆವರ್ತಕ ಗ್ರಾಹಕ ಲೋಡ್.
ವಿಶಿಷ್ಟ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು - ನೆಟ್‌ವರ್ಕ್ ಬ್ಯಾಲೆನ್ಸಿಂಗ್, ಅಪಾಚೆ, ವೆಬ್, ವಿಪಿಎನ್, ಎಸ್‌ಕ್ಯೂಎಲ್

ಅಪ್ಲಿಕೇಶನ್ ಸ್ವಲ್ಪ ಸಮಯದವರೆಗೆ ನಿಲ್ಲಬಹುದು

ಕ್ಲೌಡ್‌ನಲ್ಲಿ VM ಗಳ ಅನಿಯಂತ್ರಿತ ವಿತರಣೆಯನ್ನು ಅನುಮತಿಸುತ್ತದೆ

ಕ್ಲೈಂಟ್ ಬ್ಯಾಕಪ್

ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಕ್ಲೈಂಟ್‌ಗಳೊಂದಿಗೆ ಊಹಿಸಬಹುದಾದ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಸರಾಸರಿ ಲೋಡ್.

ವಾಸ್ತುಶಿಲ್ಪದ ಪರಿಣಾಮಗಳು
ಜಿಯೋಕ್ಲಸ್ಟರಿಂಗ್

ಕೇಂದ್ರೀಕೃತ ಅಥವಾ ವಿತರಿಸಿದ ಸಂಗ್ರಹಣೆ

ಕಾಯ್ದಿರಿಸಿದ IBS
ಕಂಪ್ಯೂಟ್ ನೋಡ್‌ಗಳಲ್ಲಿ ಸ್ಥಳೀಯ ಡೇಟಾ ಸಂಗ್ರಹಣೆ

ಸಮತೋಲನ ಗುರಿಗಳು
ಸಹ ಲೋಡ್ ವಿತರಣೆ

ಗರಿಷ್ಠ ಅಪ್ಲಿಕೇಶನ್ ಸ್ಪಂದಿಸುವಿಕೆ 

ಸಮತೋಲನಕ್ಕೆ ಕನಿಷ್ಠ ವಿಳಂಬ ಸಮಯ

ಸ್ಪಷ್ಟವಾಗಿ ಅಗತ್ಯವಿದ್ದಾಗ ಮಾತ್ರ ಸಮತೋಲನ

ತಡೆಗಟ್ಟುವ ನಿರ್ವಹಣೆಗಾಗಿ ಕೆಲವು ಸಲಕರಣೆಗಳನ್ನು ಹೊರತರುವುದು
ಸೇವಾ ವೆಚ್ಚಗಳು ಮತ್ತು ನಿರ್ವಾಹಕರ ವೆಚ್ಚಗಳನ್ನು ಕಡಿಮೆ ಮಾಡುವುದು 

ಕಡಿಮೆ ಹೊರೆಯ ಸಂದರ್ಭದಲ್ಲಿ ಕೆಲವು ಸಂಪನ್ಮೂಲಗಳನ್ನು ನಿಷ್ಕ್ರಿಯಗೊಳಿಸುವುದು

ಶಕ್ತಿಯನ್ನು ಉಳಿಸುತ್ತದೆ

ಸಿಬ್ಬಂದಿ ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡುವುದು

ನಮಗಾಗಿ ನಾವು ಈ ಕೆಳಗಿನ ತೀರ್ಮಾನಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತೇವೆ:

ಖಾಸಗಿ ಮೋಡಗಳಿಗೆದೊಡ್ಡ ಕಾರ್ಪೊರೇಟ್ ಗ್ರಾಹಕರಿಗೆ ಒದಗಿಸಲಾಗಿದೆ, ಈ ಕೆಳಗಿನ ನಿರ್ಬಂಧಗಳಿಗೆ ಒಳಪಟ್ಟು DRS ಅನ್ನು ಬಳಸಬಹುದು:

  • ಮಾಹಿತಿ ಭದ್ರತೆ ಮತ್ತು ಸಮತೋಲನ ಮಾಡುವಾಗ ಖಾತೆ ಸಂಬಂಧದ ನಿಯಮಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವುದು;
  • ಅಪಘಾತದ ಸಂದರ್ಭದಲ್ಲಿ ಮೀಸಲು ಸಾಕಷ್ಟು ಸಂಪನ್ಮೂಲಗಳ ಲಭ್ಯತೆ;
  • ವರ್ಚುವಲ್ ಯಂತ್ರದ ಡೇಟಾವು ಕೇಂದ್ರೀಕೃತ ಅಥವಾ ವಿತರಿಸಿದ ಶೇಖರಣಾ ವ್ಯವಸ್ಥೆಯಲ್ಲಿದೆ;
  • ದಿಗ್ಭ್ರಮೆಗೊಳಿಸುವ ಆಡಳಿತ, ಬ್ಯಾಕ್ಅಪ್ ಮತ್ತು ಕಾಲಾನಂತರದಲ್ಲಿ ಸಮತೋಲನ ಕಾರ್ಯವಿಧಾನಗಳು;
  • ಕ್ಲೈಂಟ್ ಹೋಸ್ಟ್‌ಗಳ ಒಟ್ಟು ಮೊತ್ತದಲ್ಲಿ ಮಾತ್ರ ಸಮತೋಲನಗೊಳಿಸುವುದು;
  • ಬಲವಾದ ಅಸಮತೋಲನ, ಅತ್ಯಂತ ಪರಿಣಾಮಕಾರಿ ಮತ್ತು ಸುರಕ್ಷಿತ VM ವಲಸೆಗಳು ಇದ್ದಾಗ ಮಾತ್ರ ಸಮತೋಲನಗೊಳಿಸುವುದು (ಎಲ್ಲಾ ನಂತರ, ವಲಸೆ ವಿಫಲವಾಗಬಹುದು);
  • ತುಲನಾತ್ಮಕವಾಗಿ "ಸ್ತಬ್ಧ" ವರ್ಚುವಲ್ ಯಂತ್ರಗಳನ್ನು ಸಮತೋಲನಗೊಳಿಸುವುದು ("ಗದ್ದಲದ" ವರ್ಚುವಲ್ ಯಂತ್ರಗಳ ವಲಸೆಯು ಬಹಳ ಸಮಯ ತೆಗೆದುಕೊಳ್ಳಬಹುದು);
  • "ವೆಚ್ಚ" ವನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡು ಸಮತೋಲನ ಮಾಡುವುದು - ಶೇಖರಣಾ ವ್ಯವಸ್ಥೆ ಮತ್ತು ನೆಟ್ವರ್ಕ್ನಲ್ಲಿನ ಹೊರೆ (ದೊಡ್ಡ ಕ್ಲೈಂಟ್ಗಳಿಗಾಗಿ ಕಸ್ಟಮೈಸ್ ಮಾಡಿದ ಆರ್ಕಿಟೆಕ್ಚರ್ಗಳೊಂದಿಗೆ);
  • ಪ್ರತಿ VM ನ ವೈಯಕ್ತಿಕ ನಡವಳಿಕೆಯ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡು ಸಮತೋಲನಗೊಳಿಸುವುದು;
  • ಕೆಲಸ ಮಾಡದ ಸಮಯದಲ್ಲಿ (ರಾತ್ರಿಗಳು, ವಾರಾಂತ್ಯಗಳು, ರಜಾದಿನಗಳು) ಸಮತೋಲನವನ್ನು ಆದ್ಯತೆ ನೀಡಲಾಗುತ್ತದೆ.

ಸಾರ್ವಜನಿಕ ಮೋಡಗಳಿಗೆಸಣ್ಣ ಗ್ರಾಹಕರಿಗೆ ಸೇವೆಗಳನ್ನು ಒದಗಿಸುವುದು, ಸುಧಾರಿತ ಸಾಮರ್ಥ್ಯಗಳೊಂದಿಗೆ DRS ಅನ್ನು ಹೆಚ್ಚಾಗಿ ಬಳಸಬಹುದು:

  • ಮಾಹಿತಿ ಭದ್ರತಾ ನಿರ್ಬಂಧಗಳು ಮತ್ತು ಸಂಬಂಧದ ನಿಯಮಗಳ ಅನುಪಸ್ಥಿತಿ;
  • ಮೋಡದೊಳಗೆ ಸಮತೋಲನ;
  • ಯಾವುದೇ ಸಮಂಜಸವಾದ ಸಮಯದಲ್ಲಿ ಸಮತೋಲನ;
  • ಯಾವುದೇ VM ಅನ್ನು ಸಮತೋಲನಗೊಳಿಸುವುದು;
  • "ಗದ್ದಲದ" ವರ್ಚುವಲ್ ಯಂತ್ರಗಳನ್ನು ಸಮತೋಲನಗೊಳಿಸುವುದು (ಇತರರಿಗೆ ತೊಂದರೆಯಾಗದಂತೆ);
  • ವರ್ಚುವಲ್ ಮೆಷಿನ್ ಡೇಟಾ ಸಾಮಾನ್ಯವಾಗಿ ಸ್ಥಳೀಯ ಡಿಸ್ಕ್ಗಳಲ್ಲಿ ನೆಲೆಗೊಂಡಿದೆ;
  • ಶೇಖರಣಾ ವ್ಯವಸ್ಥೆಗಳು ಮತ್ತು ನೆಟ್ವರ್ಕ್ಗಳ ಸರಾಸರಿ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳುವುದು (ಕ್ಲೌಡ್ ಆರ್ಕಿಟೆಕ್ಚರ್ ಏಕೀಕೃತವಾಗಿದೆ);
  • ಸಾಮಾನ್ಯ ನಿಯಮಗಳು ಮತ್ತು ಲಭ್ಯವಿರುವ ಡೇಟಾ ಸೆಂಟರ್ ವರ್ತನೆಯ ಅಂಕಿಅಂಶಗಳ ಪ್ರಕಾರ ಸಮತೋಲನಗೊಳಿಸುವುದು.

ಸಮಸ್ಯೆಯ ಸಂಕೀರ್ಣತೆ

ಸಮತೋಲನದ ತೊಂದರೆಯು DRS ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಅನಿಶ್ಚಿತ ಅಂಶಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಬೇಕು:

  • ಪ್ರತಿಯೊಂದು ಗ್ರಾಹಕರ ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆಗಳ ಬಳಕೆದಾರರ ನಡವಳಿಕೆ;
  • ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆಯ ಸರ್ವರ್‌ಗಳ ಕಾರ್ಯಾಚರಣೆಗಾಗಿ ಕ್ರಮಾವಳಿಗಳು;
  • DBMS ಸರ್ವರ್‌ಗಳ ವರ್ತನೆ;
  • ಕಂಪ್ಯೂಟಿಂಗ್ ಸಂಪನ್ಮೂಲಗಳು, ಶೇಖರಣಾ ವ್ಯವಸ್ಥೆಗಳು, ನೆಟ್ವರ್ಕ್ ಮೇಲೆ ಲೋಡ್;
  • ಕ್ಲೌಡ್ ಸಂಪನ್ಮೂಲಗಳ ಹೋರಾಟದಲ್ಲಿ ಸರ್ವರ್‌ಗಳ ಪರಸ್ಪರ ಕ್ರಿಯೆ.

ಕ್ಲೌಡ್ ಸಂಪನ್ಮೂಲಗಳ ಮೇಲೆ ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ವರ್ಚುವಲ್ ಅಪ್ಲಿಕೇಶನ್ ಸರ್ವರ್‌ಗಳು ಮತ್ತು ಡೇಟಾಬೇಸ್‌ಗಳ ಲೋಡ್ ಕಾಲಾನಂತರದಲ್ಲಿ ಸಂಭವಿಸುತ್ತದೆ, ಪರಿಣಾಮಗಳು ತಮ್ಮನ್ನು ತಾವು ಪ್ರಕಟಪಡಿಸಬಹುದು ಮತ್ತು ಅನಿರೀಕ್ಷಿತ ಸಮಯದಲ್ಲಿ ಅನಿರೀಕ್ಷಿತ ಪರಿಣಾಮದೊಂದಿಗೆ ಪರಸ್ಪರ ಅತಿಕ್ರಮಿಸಬಹುದು. ತುಲನಾತ್ಮಕವಾಗಿ ಸರಳವಾದ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ನಿಯಂತ್ರಿಸಲು ಸಹ (ಉದಾಹರಣೆಗೆ, ಎಂಜಿನ್ ಅನ್ನು ನಿಯಂತ್ರಿಸಲು, ಮನೆಯಲ್ಲಿ ನೀರಿನ ತಾಪನ ವ್ಯವಸ್ಥೆ), ಸ್ವಯಂಚಾಲಿತ ನಿಯಂತ್ರಣ ವ್ಯವಸ್ಥೆಗಳು ಸಂಕೀರ್ಣವನ್ನು ಬಳಸಬೇಕಾಗುತ್ತದೆ. ಪ್ರಮಾಣಾನುಗುಣ-ಅವಿಭಾಜ್ಯ-ವ್ಯತ್ಯಾಸ ಪ್ರತಿಕ್ರಿಯೆಯೊಂದಿಗೆ ಕ್ರಮಾವಳಿಗಳು.

ಓಪನ್‌ಸ್ಟಾಕ್‌ನಲ್ಲಿ ಲೋಡ್ ಬ್ಯಾಲೆನ್ಸಿಂಗ್ (ಭಾಗ 2)

ನಮ್ಮ ಕಾರ್ಯವು ಹೆಚ್ಚು ಸಂಕೀರ್ಣವಾದ ಅನೇಕ ಆದೇಶಗಳನ್ನು ಹೊಂದಿದೆ ಮತ್ತು ಬಳಕೆದಾರರಿಂದ ಯಾವುದೇ ಬಾಹ್ಯ ಪ್ರಭಾವಗಳಿಲ್ಲದಿದ್ದರೂ ಸಹ, ಸಮಂಜಸವಾದ ಸಮಯದಲ್ಲಿ ಸ್ಥಾಪಿತ ಮೌಲ್ಯಗಳಿಗೆ ಲೋಡ್ ಅನ್ನು ಸಮತೋಲನಗೊಳಿಸಲು ಸಿಸ್ಟಮ್ಗೆ ಸಾಧ್ಯವಾಗುವುದಿಲ್ಲ ಎಂಬ ಅಪಾಯವಿದೆ.

ಓಪನ್‌ಸ್ಟಾಕ್‌ನಲ್ಲಿ ಲೋಡ್ ಬ್ಯಾಲೆನ್ಸಿಂಗ್ (ಭಾಗ 2)

ನಮ್ಮ ಬೆಳವಣಿಗೆಗಳ ಇತಿಹಾಸ

ಈ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲು, ನಾವು ಮೊದಲಿನಿಂದ ಪ್ರಾರಂಭಿಸಬಾರದು, ಆದರೆ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಅನುಭವವನ್ನು ನಿರ್ಮಿಸಲು ನಿರ್ಧರಿಸಿದ್ದೇವೆ ಮತ್ತು ಈ ಕ್ಷೇತ್ರದಲ್ಲಿ ಅನುಭವ ಹೊಂದಿರುವ ತಜ್ಞರೊಂದಿಗೆ ಸಂವಹನ ನಡೆಸಲು ಪ್ರಾರಂಭಿಸಿದ್ದೇವೆ. ಅದೃಷ್ಟವಶಾತ್, ಸಮಸ್ಯೆಯ ಬಗ್ಗೆ ನಮ್ಮ ತಿಳುವಳಿಕೆ ಸಂಪೂರ್ಣವಾಗಿ ಹೊಂದಿಕೆಯಾಯಿತು.

ಹಂತ 1

ನಾವು ನ್ಯೂರಲ್ ನೆಟ್‌ವರ್ಕ್ ತಂತ್ರಜ್ಞಾನವನ್ನು ಆಧರಿಸಿದ ವ್ಯವಸ್ಥೆಯನ್ನು ಬಳಸಿದ್ದೇವೆ ಮತ್ತು ಅದರ ಆಧಾರದ ಮೇಲೆ ನಮ್ಮ ಸಂಪನ್ಮೂಲಗಳನ್ನು ಅತ್ಯುತ್ತಮವಾಗಿಸಲು ಪ್ರಯತ್ನಿಸಿದ್ದೇವೆ.

ಈ ಹಂತದ ಆಸಕ್ತಿಯು ಹೊಸ ತಂತ್ರಜ್ಞಾನವನ್ನು ಪರೀಕ್ಷಿಸುವುದರಲ್ಲಿತ್ತು, ಮತ್ತು ಅದರ ಪ್ರಾಮುಖ್ಯತೆಯು ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲು ಪ್ರಮಾಣಿತವಲ್ಲದ ವಿಧಾನವನ್ನು ಅನ್ವಯಿಸುತ್ತದೆ, ಅಲ್ಲಿ ಇತರ ವಿಷಯಗಳು ಸಮಾನವಾಗಿರುತ್ತವೆ, ಪ್ರಮಾಣಿತ ವಿಧಾನಗಳು ಪ್ರಾಯೋಗಿಕವಾಗಿ ದಣಿದಿದ್ದವು.

ನಾವು ವ್ಯವಸ್ಥೆಯನ್ನು ಪ್ರಾರಂಭಿಸಿದ್ದೇವೆ ಮತ್ತು ನಾವು ನಿಜವಾಗಿಯೂ ಸಮತೋಲನವನ್ನು ಪ್ರಾರಂಭಿಸಿದ್ದೇವೆ. ಡೆವಲಪರ್‌ಗಳು ಹೇಳಿದ ಆಶಾವಾದಿ ಫಲಿತಾಂಶಗಳನ್ನು ಪಡೆಯಲು ನಮ್ಮ ಮೋಡದ ಪ್ರಮಾಣವು ನಮಗೆ ಅನುಮತಿಸಲಿಲ್ಲ, ಆದರೆ ಸಮತೋಲನವು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆ ಎಂಬುದು ಸ್ಪಷ್ಟವಾಗಿದೆ.

ಅದೇ ಸಮಯದಲ್ಲಿ, ನಾವು ಸಾಕಷ್ಟು ಗಂಭೀರ ಮಿತಿಗಳನ್ನು ಹೊಂದಿದ್ದೇವೆ:

  • ನರಮಂಡಲವನ್ನು ತರಬೇತಿ ಮಾಡಲು, ವರ್ಚುವಲ್ ಯಂತ್ರಗಳು ವಾರಗಳು ಅಥವಾ ತಿಂಗಳುಗಳವರೆಗೆ ಗಮನಾರ್ಹ ಬದಲಾವಣೆಗಳಿಲ್ಲದೆ ಕಾರ್ಯನಿರ್ವಹಿಸಬೇಕಾಗುತ್ತದೆ.
  • ಹಿಂದಿನ "ಐತಿಹಾಸಿಕ" ಡೇಟಾದ ವಿಶ್ಲೇಷಣೆಯ ಆಧಾರದ ಮೇಲೆ ಆಪ್ಟಿಮೈಸೇಶನ್ಗಾಗಿ ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ.
  • ನರಮಂಡಲದ ತರಬೇತಿಗೆ ಸಾಕಷ್ಟು ದೊಡ್ಡ ಪ್ರಮಾಣದ ಡೇಟಾ ಮತ್ತು ಕಂಪ್ಯೂಟಿಂಗ್ ಸಂಪನ್ಮೂಲಗಳು ಬೇಕಾಗುತ್ತವೆ.
  • ಆಪ್ಟಿಮೈಸೇಶನ್ ಮತ್ತು ಸಮತೋಲನವನ್ನು ತುಲನಾತ್ಮಕವಾಗಿ ವಿರಳವಾಗಿ ಮಾಡಬಹುದು - ಪ್ರತಿ ಕೆಲವು ಗಂಟೆಗಳಿಗೊಮ್ಮೆ, ಇದು ಸ್ಪಷ್ಟವಾಗಿ ಸಾಕಾಗುವುದಿಲ್ಲ.

ಹಂತ 2

ನಾವು ವ್ಯವಹಾರಗಳ ಸ್ಥಿತಿಯಿಂದ ತೃಪ್ತರಾಗದ ಕಾರಣ, ನಾವು ವ್ಯವಸ್ಥೆಯನ್ನು ಮಾರ್ಪಡಿಸಲು ನಿರ್ಧರಿಸಿದ್ದೇವೆ ಮತ್ತು ಇದನ್ನು ಮಾಡಲು, ಉತ್ತರಿಸಿ ಮುಖ್ಯ ಪ್ರಶ್ನೆ - ನಾವು ಅದನ್ನು ಯಾರಿಗಾಗಿ ಮಾಡುತ್ತಿದ್ದೇವೆ?

ಮೊದಲನೆಯದು - ಕಾರ್ಪೊರೇಟ್ ಗ್ರಾಹಕರಿಗೆ. ಇದರರ್ಥ ನಮಗೆ ತ್ವರಿತವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ವ್ಯವಸ್ಥೆ ಬೇಕು, ಆ ಕಾರ್ಪೊರೇಟ್ ನಿರ್ಬಂಧಗಳು ಅನುಷ್ಠಾನವನ್ನು ಸರಳಗೊಳಿಸುತ್ತವೆ.

ಎರಡನೇ ಪ್ರಶ್ನೆ - "ತಕ್ಷಣ" ಪದದಿಂದ ನಿಮ್ಮ ಅರ್ಥವೇನು? ಒಂದು ಸಣ್ಣ ಚರ್ಚೆಯ ಪರಿಣಾಮವಾಗಿ, ನಾವು 5-10 ನಿಮಿಷಗಳ ಪ್ರತಿಕ್ರಿಯೆಯ ಸಮಯದೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಬಹುದು ಎಂದು ನಾವು ನಿರ್ಧರಿಸಿದ್ದೇವೆ, ಇದರಿಂದಾಗಿ ಅಲ್ಪಾವಧಿಯ ಉಲ್ಬಣಗಳು ಸಿಸ್ಟಮ್ ಅನ್ನು ಅನುರಣನಕ್ಕೆ ಪರಿಚಯಿಸುವುದಿಲ್ಲ.

ಮೂರನೇ ಪ್ರಶ್ನೆ - ಆಯ್ಕೆ ಮಾಡಲು ಸಮತೋಲಿತ ಸಂಖ್ಯೆಯ ಸರ್ವರ್‌ಗಳ ಗಾತ್ರ ಯಾವುದು?
ಈ ಸಮಸ್ಯೆಯನ್ನು ಸ್ವತಃ ಪರಿಹರಿಸಲಾಗಿದೆ. ವಿಶಿಷ್ಟವಾಗಿ, ಕ್ಲೈಂಟ್‌ಗಳು ಸರ್ವರ್ ಒಟ್ಟುಗೂಡಿಸುವಿಕೆಯನ್ನು ದೊಡ್ಡದಾಗಿ ಮಾಡುವುದಿಲ್ಲ ಮತ್ತು ಇದು ಒಟ್ಟುಗೂಡಿಸುವಿಕೆಯನ್ನು 30-40 ಸರ್ವರ್‌ಗಳಿಗೆ ಸೀಮಿತಗೊಳಿಸಲು ಲೇಖನದ ಶಿಫಾರಸುಗಳಿಗೆ ಅನುಗುಣವಾಗಿರುತ್ತದೆ.

ಹೆಚ್ಚುವರಿಯಾಗಿ, ಸರ್ವರ್ ಪೂಲ್ ಅನ್ನು ವಿಭಜಿಸುವ ಮೂಲಕ, ನಾವು ಬ್ಯಾಲೆನ್ಸಿಂಗ್ ಅಲ್ಗಾರಿದಮ್ನ ಕಾರ್ಯವನ್ನು ಸರಳಗೊಳಿಸುತ್ತೇವೆ.

ನಾಲ್ಕನೇ ಪ್ರಶ್ನೆ - ದೀರ್ಘ ಕಲಿಕೆಯ ಪ್ರಕ್ರಿಯೆ ಮತ್ತು ಅಪರೂಪದ ಸಮತೋಲನದೊಂದಿಗೆ ನರಮಂಡಲವು ನಮಗೆ ಎಷ್ಟು ಸೂಕ್ತವಾಗಿದೆ? ಸೆಕೆಂಡುಗಳಲ್ಲಿ ಫಲಿತಾಂಶಗಳನ್ನು ಪಡೆಯುವ ಸಲುವಾಗಿ ಸರಳವಾದ ಕಾರ್ಯಾಚರಣೆಯ ಅಲ್ಗಾರಿದಮ್‌ಗಳ ಪರವಾಗಿ ಅದನ್ನು ತ್ಯಜಿಸಲು ನಾವು ನಿರ್ಧರಿಸಿದ್ದೇವೆ.

ಓಪನ್‌ಸ್ಟಾಕ್‌ನಲ್ಲಿ ಲೋಡ್ ಬ್ಯಾಲೆನ್ಸಿಂಗ್ (ಭಾಗ 2)

ಅಂತಹ ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಬಳಸುವ ವ್ಯವಸ್ಥೆಯ ವಿವರಣೆಯನ್ನು ಮತ್ತು ಅದರ ಅನಾನುಕೂಲಗಳನ್ನು ಕಾಣಬಹುದು ಇಲ್ಲಿ

ನಾವು ಈ ವ್ಯವಸ್ಥೆಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಿದ್ದೇವೆ ಮತ್ತು ಪ್ರಾರಂಭಿಸಿದ್ದೇವೆ ಮತ್ತು ಉತ್ತೇಜಕ ಫಲಿತಾಂಶಗಳನ್ನು ಸ್ವೀಕರಿಸಿದ್ದೇವೆ - ಈಗ ಇದು ಕ್ಲೌಡ್ ಲೋಡ್ ಅನ್ನು ನಿಯಮಿತವಾಗಿ ವಿಶ್ಲೇಷಿಸುತ್ತದೆ ಮತ್ತು ವರ್ಚುವಲ್ ಯಂತ್ರಗಳನ್ನು ಚಲಿಸಲು ಶಿಫಾರಸುಗಳನ್ನು ಮಾಡುತ್ತದೆ, ಅವುಗಳು ಹೆಚ್ಚಾಗಿ ಸರಿಯಾಗಿವೆ. ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಕೆಲಸದ ಗುಣಮಟ್ಟವನ್ನು ಸುಧಾರಿಸುವಾಗ ಹೊಸ ವರ್ಚುವಲ್ ಯಂತ್ರಗಳಿಗಾಗಿ ನಾವು 10-15% ಸಂಪನ್ಮೂಲಗಳ ಬಿಡುಗಡೆಯನ್ನು ಸಾಧಿಸಬಹುದು ಎಂಬುದು ಈಗ ಸ್ಪಷ್ಟವಾಗಿದೆ.

ಓಪನ್‌ಸ್ಟಾಕ್‌ನಲ್ಲಿ ಲೋಡ್ ಬ್ಯಾಲೆನ್ಸಿಂಗ್ (ಭಾಗ 2)

RAM ಅಥವಾ CPU ನಲ್ಲಿ ಅಸಮತೋಲನ ಪತ್ತೆಯಾದಾಗ, ಅಗತ್ಯವಿರುವ ವರ್ಚುವಲ್ ಯಂತ್ರಗಳ ನೇರ ವಲಸೆಯನ್ನು ನಿರ್ವಹಿಸಲು ಸಿಸ್ಟಮ್ Tionix ಶೆಡ್ಯೂಲರ್‌ಗೆ ಆಜ್ಞೆಗಳನ್ನು ನೀಡುತ್ತದೆ. ಮೇಲ್ವಿಚಾರಣಾ ವ್ಯವಸ್ಥೆಯಿಂದ ನೋಡಬಹುದಾದಂತೆ, ವರ್ಚುವಲ್ ಯಂತ್ರವು ಒಂದು (ಮೇಲಿನ) ಇನ್ನೊಂದು (ಕೆಳಗಿನ) ಹೋಸ್ಟ್‌ಗೆ ಚಲಿಸಿತು ಮತ್ತು ಮೇಲಿನ ಹೋಸ್ಟ್‌ನಲ್ಲಿ ಮೆಮೊರಿಯನ್ನು ಮುಕ್ತಗೊಳಿಸಿತು (ಹಳದಿ ವಲಯಗಳಲ್ಲಿ ಹೈಲೈಟ್ ಮಾಡಲಾಗಿದೆ), ಅನುಕ್ರಮವಾಗಿ ಕೆಳಭಾಗದಲ್ಲಿ (ಬಿಳಿ ಬಣ್ಣದಲ್ಲಿ ಹೈಲೈಟ್ ಮಾಡಲಾಗಿದೆ) ವಲಯಗಳು).

ಈಗ ನಾವು ಪ್ರಸ್ತುತ ಅಲ್ಗಾರಿದಮ್ನ ಪರಿಣಾಮಕಾರಿತ್ವವನ್ನು ಹೆಚ್ಚು ನಿಖರವಾಗಿ ನಿರ್ಣಯಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದೇವೆ ಮತ್ತು ಅದರಲ್ಲಿ ಸಂಭವನೀಯ ದೋಷಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದೇವೆ.

ಹಂತ 3

ಒಬ್ಬರು ಇದನ್ನು ಶಾಂತಗೊಳಿಸಬಹುದು, ಸಾಬೀತಾದ ಪರಿಣಾಮಕಾರಿತ್ವಕ್ಕಾಗಿ ಕಾಯಬಹುದು ಮತ್ತು ವಿಷಯವನ್ನು ಮುಚ್ಚಬಹುದು ಎಂದು ತೋರುತ್ತದೆ.
ಆದರೆ ಈ ಕೆಳಗಿನ ಸ್ಪಷ್ಟ ಆಪ್ಟಿಮೈಸೇಶನ್ ಅವಕಾಶಗಳಿಂದ ನಾವು ಹೊಸ ಹಂತವನ್ನು ಕೈಗೊಳ್ಳಲು ತಳ್ಳಲ್ಪಟ್ಟಿದ್ದೇವೆ

  1. ಅಂಕಿಅಂಶಗಳು, ಉದಾಹರಣೆಗೆ, ಇಲ್ಲಿ и ಇಲ್ಲಿ ಏಕ-ಸಂಸ್ಕಾರಕ ವ್ಯವಸ್ಥೆಗಳಿಗಿಂತ ಎರಡು ಮತ್ತು ನಾಲ್ಕು-ಸಂಸ್ಕಾರಕ ವ್ಯವಸ್ಥೆಗಳು ಕಾರ್ಯಕ್ಷಮತೆಯಲ್ಲಿ ಗಮನಾರ್ಹವಾಗಿ ಕಡಿಮೆಯಾಗಿದೆ ಎಂದು ತೋರಿಸುತ್ತದೆ. ಇದರರ್ಥ ಎಲ್ಲಾ ಬಳಕೆದಾರರು ಸಿಪಿಯು, RAM, SSD, LAN, FC ಯಿಂದ ಮಲ್ಟಿಪ್ರೊಸೆಸರ್ ಸಿಸ್ಟಮ್‌ಗಳಲ್ಲಿ ಖರೀದಿಸಿದ ಸಿಂಗಲ್-ಪ್ರೊಸೆಸರ್‌ಗಳಿಗೆ ಹೋಲಿಸಿದರೆ ಗಮನಾರ್ಹವಾಗಿ ಕಡಿಮೆ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಪಡೆಯುತ್ತಾರೆ.
  2. ಸಂಪನ್ಮೂಲ ಶೆಡ್ಯೂಲರ್‌ಗಳು ಸ್ವತಃ ಗಂಭೀರ ದೋಷಗಳನ್ನು ಹೊಂದಿರಬಹುದು, ಲೇಖನಗಳಲ್ಲಿ ಒಂದು ಇಲ್ಲಿದೆ ಈ ವಿಷಯದ ಮೇಲೆ.
  3. RAM ಮತ್ತು ಸಂಗ್ರಹವನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲು ಇಂಟೆಲ್ ಮತ್ತು ಎಎಮ್‌ಡಿ ನೀಡುವ ತಂತ್ರಜ್ಞಾನಗಳು ವರ್ಚುವಲ್ ಯಂತ್ರಗಳ ನಡವಳಿಕೆಯನ್ನು ಅಧ್ಯಯನ ಮಾಡಲು ಸಾಧ್ಯವಾಗುವಂತೆ ಮಾಡುತ್ತದೆ ಮತ್ತು "ಗದ್ದಲದ" ನೆರೆಹೊರೆಯವರು "ಸ್ತಬ್ಧ" ವರ್ಚುವಲ್ ಯಂತ್ರಗಳೊಂದಿಗೆ ಮಧ್ಯಪ್ರವೇಶಿಸುವುದಿಲ್ಲ.
  4. ನಿಯತಾಂಕಗಳ ಸೆಟ್ ವಿಸ್ತರಣೆ (ನೆಟ್‌ವರ್ಕ್, ಶೇಖರಣಾ ವ್ಯವಸ್ಥೆ, ವರ್ಚುವಲ್ ಯಂತ್ರದ ಆದ್ಯತೆ, ವಲಸೆಯ ವೆಚ್ಚ, ವಲಸೆಗೆ ಅದರ ಸಿದ್ಧತೆ).

ಒಟ್ಟು

ಸಮತೋಲನ ಕ್ರಮಾವಳಿಗಳನ್ನು ಸುಧಾರಿಸುವ ನಮ್ಮ ಕೆಲಸದ ಫಲಿತಾಂಶವು ಆಧುನಿಕ ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಡೇಟಾ ಸೆಂಟರ್ ಸಂಪನ್ಮೂಲಗಳ (25-30%) ಗಮನಾರ್ಹ ಆಪ್ಟಿಮೈಸೇಶನ್ ಅನ್ನು ಸಾಧಿಸಲು ಸಾಧ್ಯವಿದೆ ಎಂಬ ಸ್ಪಷ್ಟ ತೀರ್ಮಾನವಾಗಿದೆ ಮತ್ತು ಅದೇ ಸಮಯದಲ್ಲಿ ಗ್ರಾಹಕ ಸೇವೆಯ ಗುಣಮಟ್ಟವನ್ನು ಸುಧಾರಿಸುತ್ತದೆ.

ನ್ಯೂರಲ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳನ್ನು ಆಧರಿಸಿದ ಅಲ್ಗಾರಿದಮ್ ಖಂಡಿತವಾಗಿಯೂ ಆಸಕ್ತಿದಾಯಕ ಪರಿಹಾರವಾಗಿದೆ, ಆದರೆ ಹೆಚ್ಚಿನ ಅಭಿವೃದ್ಧಿಯ ಅಗತ್ಯವಿರುವ ಒಂದು, ಮತ್ತು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಮಿತಿಗಳ ಕಾರಣದಿಂದಾಗಿ, ಖಾಸಗಿ ಮೋಡಗಳಿಗೆ ವಿಶಿಷ್ಟವಾದ ಸಂಪುಟಗಳಲ್ಲಿ ಈ ರೀತಿಯ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲು ಇದು ಸೂಕ್ತವಲ್ಲ. ಅದೇ ಸಮಯದಲ್ಲಿ, ಅಲ್ಗಾರಿದಮ್ ಗಮನಾರ್ಹ ಗಾತ್ರದ ಸಾರ್ವಜನಿಕ ಮೋಡಗಳಲ್ಲಿ ಉತ್ತಮ ಫಲಿತಾಂಶಗಳನ್ನು ತೋರಿಸಿದೆ.

ಮುಂದಿನ ಲೇಖನಗಳಲ್ಲಿ ಪ್ರೊಸೆಸರ್‌ಗಳು, ಶೆಡ್ಯೂಲರ್‌ಗಳು ಮತ್ತು ಉನ್ನತ ಮಟ್ಟದ ಸಮತೋಲನದ ಸಾಮರ್ಥ್ಯಗಳ ಕುರಿತು ನಾವು ನಿಮಗೆ ಇನ್ನಷ್ಟು ಹೇಳುತ್ತೇವೆ.

ಮೂಲ: www.habr.com

ಕಾಮೆಂಟ್ ಅನ್ನು ಸೇರಿಸಿ