Load Balancing ໃນ Openstack (Part 2)

В ບົດຄວາມສຸດທ້າຍ ພວກເຮົາໄດ້ເວົ້າກ່ຽວກັບຄວາມພະຍາຍາມຂອງພວກເຮົາທີ່ຈະໃຊ້ Watcher ແລະສະຫນອງບົດລາຍງານການທົດສອບ. ພວກເຮົາເຮັດການທົດສອບດັ່ງກ່າວເປັນໄລຍະໆສຳລັບການດຸ່ນດ່ຽງ ແລະໜ້າທີ່ສຳຄັນອື່ນໆຂອງວິສາຫະກິດຂະໜາດໃຫຍ່ ຫຼືຜູ້ດຳເນີນການຟັງຄລາວ.

ຄວາມສັບສົນສູງຂອງບັນຫາທີ່ກໍາລັງຖືກແກ້ໄຂອາດຈະຕ້ອງການຫຼາຍບົດຄວາມເພື່ອອະທິບາຍໂຄງການຂອງພວກເຮົາ. ມື້ນີ້ພວກເຮົາກໍາລັງເຜີຍແຜ່ບົດຄວາມທີສອງໃນຊຸດ, ອຸທິດຕົນເພື່ອການດຸ່ນດ່ຽງເຄື່ອງ virtual ໃນຟັງ.

ບາງຄໍາສັບ

ບໍລິສັດ VmWare ໄດ້ນໍາສະເຫນີຜົນປະໂຫຍດຂອງ DRS (Distributed Resource Scheduler) ເພື່ອດຸ່ນດ່ຽງການໂຫຼດຂອງສະພາບແວດລ້ອມ virtualization ທີ່ພວກເຂົາພັດທະນາແລະສະເຫນີ.

ດັ່ງທີ່ລາວຂຽນ searchvmware.techtarget.com/definition/VMware-DRS
“VMware DRS (Distributed Resource Scheduler) ແມ່ນຜົນປະໂຫຍດທີ່ດຸ່ນດ່ຽງການໂຫຼດຂອງຄອມພິວເຕີ້ກັບຊັບພະຍາກອນທີ່ມີຢູ່ໃນສະພາບແວດລ້ອມ virtual. ຜົນປະໂຫຍດແມ່ນສ່ວນຫນຶ່ງຂອງຊຸດ virtualization ທີ່ເອີ້ນວ່າ VMware Infrastructure.

ດ້ວຍ VMware DRS, ຜູ້ໃຊ້ກໍານົດກົດລະບຽບການແຈກຢາຍຊັບພະຍາກອນທາງດ້ານຮ່າງກາຍລະຫວ່າງເຄື່ອງ virtual (VMs). ຜົນປະໂຫຍດສາມາດຖືກຕັ້ງຄ່າສໍາລັບການຄວບຄຸມຄູ່ມືຫຼືອັດຕະໂນມັດ. ກຸ່ມຊັບພະຍາກອນ VMware ສາມາດຖືກເພີ່ມ, ລຶບອອກ ຫຼືຈັດລະບຽບຄືນໃໝ່ໄດ້ຢ່າງງ່າຍດາຍ. ຖ້າຕ້ອງການ, ແຫຼ່ງຊັບພະຍາກອນສາມາດຖືກແຍກອອກລະຫວ່າງຫົວໜ່ວຍທຸລະກິດຕ່າງໆ. ຖ້າປະລິມານວຽກຢູ່ໃນຫນຶ່ງຫຼືຫຼາຍເຄື່ອງ virtual ມີການປ່ຽນແປງຢ່າງຫຼວງຫຼາຍ, VMware DRS ແຈກຢາຍເຄື່ອງ virtual ໃນທົ່ວເຄື່ອງແມ່ຂ່າຍທາງດ້ານຮ່າງກາຍ. ຖ້າປະລິມານການເຮັດວຽກໂດຍລວມຫຼຸດລົງ, ບາງເຄື່ອງແມ່ຂ່າຍທາງດ້ານຮ່າງກາຍອາດຈະຖືກເອົາອອກເປັນຊົ່ວຄາວແລະຈໍານວນວຽກລວມ."

ເປັນຫຍັງການດຸ່ນດ່ຽງຈຶ່ງຈໍາເປັນ?

ໃນຄວາມຄິດເຫັນຂອງພວກເຮົາ, DRS ເປັນລັກສະນະເມຄທີ່ຕ້ອງມີ, ເຖິງແມ່ນວ່ານີ້ບໍ່ໄດ້ຫມາຍຄວາມວ່າ DRS ຈະຕ້ອງຖືກນໍາໃຊ້ຢູ່ສະເຫມີແລະຢູ່ທົ່ວທຸກແຫ່ງ. ອີງຕາມຈຸດປະສົງແລະຄວາມຕ້ອງການຂອງຄລາວ, ອາດຈະມີຄວາມຕ້ອງການທີ່ແຕກຕ່າງກັນສໍາລັບ DRS ແລະວິທີການດຸ່ນດ່ຽງ. ອາດຈະມີສະຖານະການທີ່ການດຸ່ນດ່ຽງແມ່ນບໍ່ຈໍາເປັນ. ຫຼືແມ້ກະທັ້ງເປັນອັນຕະລາຍ.

ເພື່ອເຂົ້າໃຈດີຂື້ນວ່າ DRS ລູກຄ້າຕ້ອງການຢູ່ໃສ ແລະອັນໃດ, ໃຫ້ພິຈາລະນາເປົ້າໝາຍ ແລະຈຸດປະສົງຂອງເຂົາເຈົ້າ. ຟັງສາມາດແບ່ງອອກເປັນສາທາລະນະແລະເອກະຊົນ. ນີ້ແມ່ນຄວາມແຕກຕ່າງຕົ້ນຕໍລະຫວ່າງເມຄເຫຼົ່ານີ້ແລະເປົ້າຫມາຍຂອງລູກຄ້າ.

ຟັງເອກະຊົນ / ລູກຄ້າວິສາຫະກິດຂະຫນາດໃຫຍ່
ຟັງສາທາລະນະ / ທຸລະກິດຂະຫນາດກາງແລະຂະຫນາດນ້ອຍ, ປະຊາຊົນ

ເງື່ອນໄຂຕົ້ນຕໍແລະເປົ້າຫມາຍຂອງຜູ້ປະຕິບັດງານ
ການສະຫນອງການບໍລິການຫຼືຜະລິດຕະພັນທີ່ເຊື່ອຖືໄດ້
ການຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍຂອງການບໍລິການໃນການຕໍ່ສູ້ໃນຕະຫຼາດທີ່ມີການແຂ່ງຂັນ

ຄວາມຕ້ອງການການບໍລິການ
ຄວາມຫນ້າເຊື່ອຖືໃນທຸກລະດັບແລະໃນທຸກອົງປະກອບຂອງລະບົບ

ຮັບປະກັນການປະຕິບັດ

ຈັດລໍາດັບຄວາມສໍາຄັນຂອງເຄື່ອງ virtual ເປັນຫຼາຍປະເພດ 

ຂໍ້ມູນແລະຄວາມປອດໄພຂໍ້ມູນທາງດ້ານຮ່າງກາຍ

SLA ແລະສະຫນັບສະຫນູນ 24/7
ຄວາມສະດວກສະບາຍສູງສຸດຂອງການໄດ້ຮັບການບໍລິການ

ການບໍລິການຂ້ອນຂ້າງງ່າຍດາຍ

ຄວາມຮັບຜິດຊອບສໍາລັບຂໍ້ມູນແມ່ນຢູ່ໃນລູກຄ້າ

ບໍ່ຈໍາເປັນຕ້ອງຈັດລໍາດັບຄວາມສໍາຄັນ VM

ຄວາມ​ປອດ​ໄພ​ຂໍ້​ມູນ​ຂ່າວ​ສານ​ໃນ​ລະ​ດັບ​ຂອງ​ການ​ບໍ​ລິ​ການ​ມາດ​ຕະ​ຖານ​, ຄວາມ​ຮັບ​ຜິດ​ຊອບ​ກ່ຽວ​ກັບ​ລູກ​ຄ້າ​

ອາດ​ຈະ​ມີ​ຄວາມ​ຜິດ​ພາດ​

ບໍ່ມີ SLA, ຄຸນນະພາບບໍ່ໄດ້ຮັບປະກັນ

ສະຫນັບສະຫນູນອີເມວ

ການສໍາຮອງຂໍ້ມູນແມ່ນບໍ່ຈໍາເປັນ

ຄຸນນະສົມບັດລູກຄ້າ
ລະດັບຄວາມກ້ວາງຫຼາຍຂອງຄໍາຮ້ອງສະຫມັກ.

ຄໍາຮ້ອງສະຫມັກທີ່ເປັນມໍລະດົກທີ່ສືບທອດຢູ່ໃນບໍລິສັດ.

ສະຖາປັດຕະຍະກຳແບບກຳນົດເອງທີ່ຊັບຊ້ອນສຳລັບລູກຄ້າແຕ່ລະຄົນ.

ກົດລະບຽບຄວາມສຳພັນ.

ຊອບແວເຮັດວຽກໂດຍບໍ່ມີການຢຸດຢູ່ໃນໂຫມດ 7x24. 

ເຄື່ອງ​ມື​ສໍາ​ຮອງ​ຂໍ້​ມູນ​ໃນ​ທັນ​ທີ​.

ການໂຫຼດລູກຄ້າຮອບວຽນທີ່ຄາດເດົາໄດ້.
ຄໍາຮ້ອງສະຫມັກທົ່ວໄປ - ການດຸ່ນດ່ຽງເຄືອຂ່າຍ, Apache, WEB, VPN, SQL

ແອັບພລິເຄຊັນອາດຈະຢຸດຊົ່ວຄາວ

ອະນຸຍາດໃຫ້ມີການແຈກຢາຍ VM ໂດຍບໍ່ຕັ້ງໃຈໃນຄລາວ

ການ​ສໍາ​ຮອງ​ຂໍ້​ມູນ​ລູກ​ຄ້າ​

ການໂຫຼດສະເລ່ຍຕາມສະຖິຕິທີ່ຄາດເດົາໄດ້ກັບລູກຄ້າຈໍານວນຫລາຍ.

ຜົນສະທ້ອນສໍາລັບຖາປັດຕະຍະ
Geoclustering

ການເກັບຮັກສາສູນກາງຫຼືແຈກຢາຍ

ຈອງ IBS
ການເກັບຮັກສາຂໍ້ມູນທ້ອງຖິ່ນຢູ່ໃນໂຫນດຄອມພິວເຕີ້

ການດຸ່ນດ່ຽງເປົ້າຫມາຍ
ເຖິງແມ່ນວ່າການແຈກຢາຍການໂຫຼດ

ການຕອບສະໜອງສູງສຸດຂອງແອັບພລິເຄຊັນ 

ເວລາຊັກຊ້າຕໍ່າສຸດສໍາລັບການດຸ່ນດ່ຽງ

ການດຸ່ນດ່ຽງພຽງແຕ່ໃນເວລາທີ່ຈໍາເປັນຢ່າງຊັດເຈນ

ນໍາເອົາອຸປະກອນຈໍານວນຫນຶ່ງອອກມາເພື່ອປ້ອງກັນການບໍາລຸງຮັກສາ
ການຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍໃນການບໍລິການແລະຄ່າໃຊ້ຈ່າຍຂອງຜູ້ປະຕິບັດງານ 

ການປິດການໃຊ້ງານບາງຊັບພະຍາກອນໃນກໍລະນີຂອງການໂຫຼດຕໍ່າ

ປະຫຍັດພະລັງງານ

ຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍບຸກຄະລາກອນ

ພວກເຮົາເອົາບົດສະຫຼຸບຕໍ່ໄປນີ້ສໍາລັບຕົວເຮົາເອງ:

ສໍາລັບຄລາວສ່ວນຕົວສະຫນອງໃຫ້ລູກຄ້າບໍລິສັດຂະຫນາດໃຫຍ່, DRS ສາມາດນໍາໃຊ້ໄດ້ໂດຍມີຂໍ້ຈໍາກັດດັ່ງຕໍ່ໄປນີ້:

• ຄວາມ​ປອດ​ໄພ​ຂອງ​ຂໍ້​ມູນ​ຂ່າວ​ສານ​ແລະ​ຄໍາ​ນ​ຶງ​ເຖິງ​ກົດ​ລະ​ບຽບ​ກ່ຽວ​ກັບ​ການ​ສົມ​ດຸນ​;
• ການມີຊັບພະຍາກອນທີ່ພຽງພໍໃນສະຫງວນໃນກໍລະນີເກີດອຸປະຕິເຫດ;
• ຂໍ້ມູນເຄື່ອງ virtual ແມ່ນຕັ້ງຢູ່ໃນລະບົບການເກັບຮັກສາສູນກາງຫຼືແຈກຢາຍ;
• ການແບ່ງເວລາບໍລິຫານ, ຂັ້ນຕອນການສໍາຮອງ ແລະ ການດຸ່ນດ່ຽງ;
• ການດຸ່ນດ່ຽງພຽງແຕ່ພາຍໃນລວມຂອງເຈົ້າພາບລູກຄ້າ;
• ການດຸ່ນດ່ຽງພຽງແຕ່ໃນເວລາທີ່ມີຄວາມບໍ່ສົມດຸນທີ່ເຂັ້ມແຂງ, ການເຄື່ອນຍ້າຍ VM ທີ່ມີປະສິດທິພາບແລະປອດໄພທີ່ສຸດ (ຫຼັງຈາກທັງຫມົດ, ການເຄື່ອນຍ້າຍສາມາດລົ້ມເຫລວ);
• ການດຸ່ນດ່ຽງເຄື່ອງ virtual ທີ່ຂ້ອນຂ້າງ "ງຽບ" (ການເຄື່ອນຍ້າຍຂອງເຄື່ອງ virtual "ບໍ່ມີສຽງ" ສາມາດໃຊ້ເວລາດົນຫຼາຍ);
• ການດຸ່ນດ່ຽງການຄໍານຶງເຖິງ "ຄ່າໃຊ້ຈ່າຍ" - ການໂຫຼດໃນລະບົບການເກັບຮັກສາແລະເຄືອຂ່າຍ (ມີສະຖາປັດຕະທີ່ກໍາຫນົດເອງສໍາລັບລູກຄ້າຂະຫນາດໃຫຍ່);
• ການດຸ່ນດ່ຽງການຄໍານຶງເຖິງລັກສະນະພຶດຕິກໍາສ່ວນບຸກຄົນຂອງແຕ່ລະ VM;
• ການດຸ່ນດ່ຽງແມ່ນເຮັດໄດ້ດີກວ່າໃນເວລາບໍ່ເຮັດວຽກ (ກາງຄືນ, ທ້າຍອາທິດ, ວັນພັກຜ່ອນ).

ສໍາລັບຟັງສາທາລະນະການສະຫນອງການບໍລິການໃຫ້ແກ່ລູກຄ້າຂະຫນາດນ້ອຍ, DRS ສາມາດນໍາໃຊ້ໄດ້ເລື້ອຍໆ, ດ້ວຍຄວາມສາມາດຂັ້ນສູງ:

• ການຂາດຂໍ້ຈໍາກັດດ້ານຄວາມປອດໄພຂອງຂໍ້ມູນແລະກົດລະບຽບຄວາມໃກ້ຊິດ;
• ການດຸ່ນດ່ຽງພາຍໃນເມຄ;
• ການດຸ່ນດ່ຽງໃນເວລາທີ່ເຫມາະສົມ;
• ການດຸ່ນດ່ຽງ VM ໃດ;
• ການດຸ່ນດ່ຽງເຄື່ອງ virtual "noisy" (ເພື່ອບໍ່ໃຫ້ລົບກວນຄົນອື່ນ);
• ຂໍ້ມູນເຄື່ອງ virtual ມັກຈະຢູ່ໃນແຜ່ນທ້ອງຖິ່ນ;
• ຄໍານຶງເຖິງປະສິດທິພາບສະເລ່ຍຂອງລະບົບການເກັບຮັກສາແລະເຄືອຂ່າຍ (ສະຖາປັດຕະ cloud ແມ່ນ unified);
• ການດຸ່ນດ່ຽງຕາມກົດລະບຽບທົ່ວໄປແລະສະຖິຕິພຶດຕິກໍາຂອງສູນຂໍ້ມູນທີ່ມີຢູ່.

ຄວາມສັບສົນຂອງບັນຫາ

ຄວາມຫຍຸ້ງຍາກໃນການດຸ່ນດ່ຽງແມ່ນວ່າ DRS ຕ້ອງເຮັດວຽກກັບປັດໃຈທີ່ບໍ່ແນ່ນອນຈໍານວນຫລາຍ:

• ພຶດຕິກໍາຂອງຜູ້ໃຊ້ຂອງແຕ່ລະລະບົບຂໍ້ມູນຂອງລູກຄ້າ;
• ສູດການຄິດໄລ່ສໍາລັບການດໍາເນີນງານຂອງເຄື່ອງແມ່ຂ່າຍຂອງລະບົບຂໍ້ມູນຂ່າວສານ;
• ພຶດຕິກໍາຂອງເຄື່ອງແມ່ຂ່າຍ DBMS;
• ໂຫຼດຊັບພະຍາກອນຄອມພິວເຕີ, ລະບົບການເກັບຮັກສາ, ເຄືອຂ່າຍ;
• ການໂຕ້ຕອບຂອງເຄື່ອງແມ່ຂ່າຍກັບກັນແລະກັນໃນການຕໍ່ສູ້ເພື່ອຊັບພະຍາກອນຟັງ.

ການໂຫຼດຂອງເຄື່ອງແມ່ຂ່າຍຂອງຄໍາຮ້ອງສະຫມັກ virtual ຈໍານວນຫລາຍແລະຖານຂໍ້ມູນກ່ຽວກັບຊັບພະຍາກອນເມຄເກີດຂື້ນໃນໄລຍະເວລາ, ຜົນສະທ້ອນສາມາດສະແດງອອກດ້ວຍຕົນເອງແລະທັບຊ້ອນກັນກັບຜົນກະທົບທີ່ບໍ່ສາມາດຄາດເດົາໄດ້ໃນໄລຍະເວລາທີ່ບໍ່ສາມາດຄາດເດົາໄດ້. ເຖິງແມ່ນວ່າຈະຄວບຄຸມຂະບວນການທີ່ຂ້ອນຂ້າງງ່າຍດາຍ (ຕົວຢ່າງເຊັ່ນການຄວບຄຸມເຄື່ອງຈັກ, ລະບົບຄວາມຮ້ອນນ້ໍາຢູ່ເຮືອນ), ລະບົບຄວບຄຸມອັດຕະໂນມັດຈໍາເປັນຕ້ອງໃຊ້ສະລັບສັບຊ້ອນ. proportional-integral-differentiating ສູດການຄິດໄລ່ທີ່ມີຄໍາຄຶດຄໍາເຫັນ.

ວຽກງານຂອງພວກເຮົາແມ່ນຄໍາສັ່ງຫຼາຍຂອງຂະຫນາດທີ່ສັບສົນຫຼາຍ, ແລະມີຄວາມສ່ຽງທີ່ລະບົບຈະບໍ່ສາມາດດຸ່ນດ່ຽງການໂຫຼດກັບຄ່າທີ່ຖືກສ້າງຕັ້ງຂຶ້ນໃນໄລຍະເວລາທີ່ເຫມາະສົມ, ເຖິງແມ່ນວ່າບໍ່ມີອິດທິພົນພາຍນອກຈາກຜູ້ໃຊ້.

ປະຫວັດການພັດທະນາຂອງພວກເຮົາ

ເພື່ອແກ້ໄຂບັນຫານີ້, ພວກເຮົາໄດ້ຕັດສິນໃຈທີ່ຈະບໍ່ເລີ່ມຕົ້ນຈາກຈຸດເລີ່ມຕົ້ນ, ແຕ່ເພື່ອສ້າງປະສົບການທີ່ມີຢູ່, ແລະເລີ່ມພົວພັນກັບຜູ້ຊ່ຽວຊານທີ່ມີປະສົບການໃນດ້ານນີ້. ໂຊກດີ, ຄວາມເຂົ້າໃຈຂອງພວກເຮົາກ່ຽວກັບບັນຫາໄດ້ກົງກັນຢ່າງສົມບູນ.

ຂັ້ນຕອນ 1

ພວກເຮົາໄດ້ນໍາໃຊ້ລະບົບໂດຍອີງໃສ່ເຕັກໂນໂລຢີເຄືອຂ່າຍ neural ແລະພະຍາຍາມເພີ່ມປະສິດທິພາບຊັບພະຍາກອນຂອງພວກເຮົາໂດຍອີງໃສ່ມັນ.

ຄວາມສົນໃຈຂອງຂັ້ນຕອນນີ້ແມ່ນໃນການທົດສອບເຕັກໂນໂລຢີໃຫມ່, ແລະຄວາມສໍາຄັນຂອງມັນແມ່ນຢູ່ໃນການນໍາໃຊ້ວິທີການທີ່ບໍ່ແມ່ນມາດຕະຖານເພື່ອແກ້ໄຂບັນຫາທີ່, ສິ່ງອື່ນໆທີ່ມີຄວາມສະເຫມີພາບ, ວິທີການມາດຕະຖານໄດ້ຫມົດໄປດ້ວຍຕົວເອງ.

ພວກເຮົາເປີດຕົວລະບົບ, ແລະພວກເຮົາກໍ່ເລີ່ມດຸ່ນດ່ຽງ. ຂະຫນາດຂອງເມຄຂອງພວກເຮົາບໍ່ໄດ້ອະນຸຍາດໃຫ້ພວກເຮົາໄດ້ຮັບຜົນໄດ້ຮັບໃນແງ່ດີທີ່ກ່າວໂດຍຜູ້ພັດທະນາ, ແຕ່ວ່າມັນເປັນທີ່ຊັດເຈນວ່າການດຸ່ນດ່ຽງເຮັດວຽກ.

ໃນຂະນະດຽວກັນ, ພວກເຮົາມີຂໍ້ຈໍາກັດທີ່ຮຸນແຮງຫຼາຍ:

• ເພື່ອຝຶກອົບຮົມເຄືອຂ່າຍ neural, ເຄື່ອງ virtual ຈໍາເປັນຕ້ອງດໍາເນີນການໂດຍບໍ່ມີການປ່ຽນແປງທີ່ສໍາຄັນສໍາລັບອາທິດຫຼືຫຼາຍເດືອນ.
• ສູດການຄິດໄລ່ຖືກອອກແບບມາສໍາລັບການເພີ່ມປະສິດທິພາບໂດຍອີງໃສ່ການວິເຄາະຂໍ້ມູນ "ປະຫວັດສາດ" ກ່ອນຫນ້ານີ້.
• ການຝຶກອົບຮົມເຄືອຂ່າຍ neural ຮຽກຮ້ອງໃຫ້ມີຈໍານວນຂະຫນາດໃຫຍ່ພໍສົມຄວນຂອງຂໍ້ມູນແລະຊັບພະຍາກອນຄອມພິວເຕີ.
• ການເພີ່ມປະສິດທິພາບແລະການດຸ່ນດ່ຽງສາມາດເຮັດໄດ້ຂ້ອນຂ້າງບໍ່ຄ່ອຍ - ທຸກໆສອງສາມຊົ່ວໂມງ, ເຊິ່ງຢ່າງຊັດເຈນບໍ່ພຽງພໍ.

ຂັ້ນຕອນ 2

ເນື່ອງຈາກພວກເຮົາບໍ່ພໍໃຈກັບສະຖານະການ, ພວກເຮົາຕັດສິນໃຈດັດແປງລະບົບ, ແລະເຮັດແນວນີ້, ຕອບ. ຄໍາຖາມຕົ້ນຕໍ – ເຮົາ​ເຮັດ​ເພື່ອ​ໃຜ?

ຫນ້າທໍາອິດ - ສໍາລັບລູກຄ້າຂອງບໍລິສັດ. ນີ້ຫມາຍຄວາມວ່າພວກເຮົາຕ້ອງການລະບົບທີ່ເຮັດວຽກໄດ້ໄວ, ດ້ວຍຂໍ້ຈໍາກັດຂອງບໍລິສັດທີ່ພຽງແຕ່ເຮັດໃຫ້ການປະຕິບັດງ່າຍດາຍ.

ຄໍາຖາມທີສອງ - ເຈົ້າຫມາຍຄວາມວ່າແນວໃດກັບຄໍາວ່າ "ທັນທີ"? ເປັນຜົນມາຈາກການໂຕ້ວາທີສັ້ນໆ, ພວກເຮົາຕັດສິນໃຈວ່າພວກເຮົາສາມາດເລີ່ມຕົ້ນດ້ວຍເວລາຕອບສະຫນອງຂອງ 5-10 ນາທີ, ດັ່ງນັ້ນການກະຕຸ້ນໃນໄລຍະສັ້ນຈະບໍ່ແນະນໍາລະບົບໄປສູ່ resonance.

ຄໍາຖາມທີສາມ – ຂະຫນາດໃດຂອງຈໍານວນທີ່ສົມດູນຂອງເຄື່ອງແມ່ຂ່າຍທີ່ຈະເລືອກເອົາ?
ບັນຫານີ້ແກ້ໄຂເອງ. ໂດຍປົກກະຕິ, ລູກຄ້າບໍ່ໄດ້ເຮັດໃຫ້ການລວບລວມເຄື່ອງແມ່ຂ່າຍຂະຫນາດໃຫຍ່ຫຼາຍ, ແລະນີ້ແມ່ນສອດຄ່ອງກັບຄໍາແນະນໍາຂອງບົດຄວາມທີ່ຈະຈໍາກັດການລວບລວມກັບ 30-40 ເຄື່ອງແມ່ຂ່າຍ.

ນອກຈາກນັ້ນ, ໂດຍການແບ່ງສ່ວນຂອງສະນຸກເກີເຊີຟເວີ, ພວກເຮົາເຮັດໃຫ້ວຽກງານຂອງລະບົບການດຸ່ນດ່ຽງງ່າຍຂຶ້ນ.

ຄໍາຖາມທີສີ່ – ເຄືອຂ່າຍ neural ເໝາະສົມແນວໃດສຳລັບພວກເຮົາທີ່ມີຂະບວນການຮຽນຮູ້ທີ່ຍາວນານ ແລະການດຸ່ນດ່ຽງທີ່ຫາຍາກ? ພວກ​ເຮົາ​ໄດ້​ຕັດ​ສິນ​ໃຈ​ທີ່​ຈະ​ປະ​ຖິ້ມ​ມັນ​ໃນ​ເງື່ອນ​ໄຂ​ຂອງ​ວິ​ທີ​ການ​ປະ​ຕິ​ບັດ​ການ​ງ່າຍ​ຂຶ້ນ​ເພື່ອ​ໃຫ້​ໄດ້​ຮັບ​ຜົນ​ໄດ້​ຮັບ​ໃນ​ວິ​ນາ​ທີ​.

ລາຍລະອຽດຂອງລະບົບທີ່ໃຊ້ສູດການຄິດໄລ່ດັ່ງກ່າວແລະຂໍ້ເສຍຂອງມັນສາມາດພົບໄດ້ ທີ່ນີ້

ພວກເຮົາໄດ້ປະຕິບັດແລະເປີດຕົວລະບົບນີ້ແລະໄດ້ຮັບຜົນໄດ້ຮັບທີ່ຊຸກຍູ້ - ໃນປັດຈຸບັນມັນເປັນປົກກະຕິການວິເຄາະການໂຫຼດຟັງແລະເຮັດໃຫ້ຄໍາແນະນໍາສໍາລັບການເຄື່ອນຍ້າຍເຄື່ອງຈັກ virtual, ເຊິ່ງສ່ວນໃຫຍ່ແມ່ນຖືກຕ້ອງ. ເຖິງແມ່ນວ່າໃນປັດຈຸບັນມັນເປັນທີ່ຊັດເຈນວ່າພວກເຮົາສາມາດບັນລຸການປ່ອຍຊັບພະຍາກອນ 10-15% ສໍາລັບເຄື່ອງຈັກ virtual ໃຫມ່ໃນຂະນະທີ່ປັບປຸງຄຸນນະພາບຂອງການເຮັດວຽກຂອງເຄື່ອງທີ່ມີຢູ່ແລ້ວ.

ເມື່ອກວດພົບຄວາມບໍ່ສົມດຸນໃນ RAM ຫຼື CPU, ລະບົບອອກຄໍາສັ່ງໃຫ້ Tionix ກໍານົດເວລາເພື່ອປະຕິບັດການເຄື່ອນຍ້າຍສົດຂອງເຄື່ອງ virtual ທີ່ຕ້ອງການ. ດັ່ງທີ່ເຫັນໄດ້ຈາກລະບົບການຕິດຕາມ, ເຄື່ອງ virtual ໄດ້ຍ້າຍຈາກຫນຶ່ງ (ເທິງ) ໄປເປັນເຈົ້າພາບອື່ນ (ຕ່ໍາ) ແລະປ່ອຍຄວາມຊົງຈໍາຢູ່ໃນເຈົ້າພາບເທິງ (ເນັ້ນໃສ່ໃນວົງສີເຫຼືອງ), ຕາມລໍາດັບ, ຍຶດມັນຢູ່ລຸ່ມຫນຶ່ງ (ເນັ້ນໃສ່ສີຂາວ. ວົງ).

ໃນປັດຈຸບັນພວກເຮົາກໍາລັງພະຍາຍາມປະເມີນປະສິດທິຜົນຂອງ algorithm ໃນປະຈຸບັນຢ່າງຖືກຕ້ອງແລະພະຍາຍາມຊອກຫາຄວາມຜິດພາດທີ່ເປັນໄປໄດ້ໃນມັນ.

ຂັ້ນຕອນ 3

ມັນເບິ່ງຄືວ່າຄົນເຮົາສາມາດສະຫງົບລົງໃນເລື່ອງນີ້, ລໍຖ້າການພິສູດປະສິດທິຜົນແລະປິດຫົວຂໍ້.
ແຕ່ພວກເຮົາຖືກຊຸກຍູ້ໃຫ້ດໍາເນີນຂັ້ນຕອນໃຫມ່ໂດຍໂອກາດການເພີ່ມປະສິດທິພາບທີ່ຊັດເຈນຕໍ່ໄປນີ້

1. ສະຖິຕິ, ສໍາລັບການຍົກຕົວຢ່າງ, ທີ່ນີ້ и ທີ່ນີ້ ສະແດງໃຫ້ເຫັນວ່າລະບົບສອງແລະສີ່ໂປເຊດເຊີແມ່ນປະສິດທິພາບຕ່ໍາກວ່າລະບົບໂປເຊດເຊີດຽວ. ນີ້ຫມາຍຄວາມວ່າຜູ້ໃຊ້ທັງຫມົດໄດ້ຮັບຜົນຜະລິດຫນ້ອຍລົງຢ່າງຫຼວງຫຼາຍຈາກ CPU, RAM, SSD, LAN, FC ທີ່ຊື້ໃນລະບົບ multiprocessor ເມື່ອທຽບກັບໂປເຊດເຊີດຽວ.
2. ຜູ້ຈັດຕາຕະລາງຊັບພະຍາກອນດ້ວຍຕົນເອງອາດຈະມີຄວາມຜິດພາດທີ່ຮ້າຍແຮງ, ນີ້ແມ່ນ ໜຶ່ງ ໃນບົດຄວາມ ກ່ຽວກັບຫົວຂໍ້ນີ້.
3. ເຕັກໂນໂລຢີທີ່ສະເຫນີໂດຍ Intel ແລະ AMD ສໍາລັບການກວດສອບ RAM ແລະ cache ເຮັດໃຫ້ມັນເປັນໄປໄດ້ທີ່ຈະສຶກສາພຶດຕິກໍາຂອງເຄື່ອງຈັກ virtual ແລະຈັດວາງພວກມັນໄວ້ໃນລັກສະນະທີ່ເພື່ອນບ້ານ "ບໍ່ມີສຽງດັງ" ບໍ່ແຊກແຊງກັບເຄື່ອງຈັກ virtual "ງຽບ".
4. ການຂະຫຍາຍຕົວກໍານົດການ (ເຄືອຂ່າຍ, ລະບົບການເກັບຮັກສາ, ບູລິມະສິດຂອງເຄື່ອງ virtual, ຄ່າໃຊ້ຈ່າຍຂອງການເຄື່ອນຍ້າຍ, ຄວາມພ້ອມສໍາລັບການເຄື່ອນຍ້າຍ).

ລວມ

ຜົນໄດ້ຮັບຂອງການເຮັດວຽກຂອງພວກເຮົາເພື່ອປັບປຸງລະບົບການດຸ່ນດ່ຽງແມ່ນການສະຫລຸບທີ່ຊັດເຈນວ່າການນໍາໃຊ້ algorithms ທີ່ທັນສະໄຫມມັນເປັນໄປໄດ້ທີ່ຈະບັນລຸການເພີ່ມປະສິດທິພາບທີ່ສໍາຄັນຂອງຊັບພະຍາກອນຂອງສູນຂໍ້ມູນ (25-30%) ແລະໃນເວລາດຽວກັນປັບປຸງຄຸນນະພາບການບໍລິການລູກຄ້າ.

ສູດການຄິດໄລ່ໂດຍອີງໃສ່ເຄືອຂ່າຍ neural ແມ່ນແນ່ນອນວ່າເປັນການແກ້ໄຂທີ່ຫນ້າສົນໃຈ, ແຕ່ອັນຫນຶ່ງທີ່ຕ້ອງການການພັດທະນາຕື່ມອີກ, ແລະເນື່ອງຈາກຂໍ້ຈໍາກັດທີ່ມີຢູ່, ມັນບໍ່ເຫມາະສົມສໍາລັບການແກ້ໄຂບັນຫາປະເພດນີ້ໃນປະລິມານປົກກະຕິສໍາລັບເມຄສ່ວນຕົວ. ໃນເວລາດຽວກັນ, ສູດການຄິດໄລ່ໄດ້ສະແດງໃຫ້ເຫັນຜົນໄດ້ຮັບທີ່ດີໃນເມຄສາທາລະນະຂອງຂະຫນາດທີ່ສໍາຄັນ.

ພວກເຮົາຈະບອກທ່ານເພີ່ມເຕີມກ່ຽວກັບຄວາມສາມາດຂອງໂປເຊດເຊີ, ຕົວກໍານົດເວລາ, ແລະການດຸ່ນດ່ຽງລະດັບສູງໃນບົດຄວາມຕໍ່ໄປນີ້.

ແຫຼ່ງຂໍ້ມູນ: www.habr.com