ഓപ്പൺസ്റ്റാക്കിൽ ബാലൻസിങ് ലോഡ് ചെയ്യുക (ഭാഗം 2)

В കഴിഞ്ഞ ലേഖനം വാച്ചർ ഉപയോഗിക്കാനുള്ള ഞങ്ങളുടെ ശ്രമങ്ങളെക്കുറിച്ച് ഞങ്ങൾ സംസാരിക്കുകയും ഒരു ടെസ്റ്റ് റിപ്പോർട്ട് നൽകുകയും ചെയ്തു. ഒരു വലിയ എന്റർപ്രൈസ് അല്ലെങ്കിൽ ഓപ്പറേറ്റർ ക്ലൗഡിന്റെ ബാലൻസിംഗിനും മറ്റ് നിർണായക പ്രവർത്തനങ്ങൾക്കുമായി ഞങ്ങൾ ആനുകാലികമായി അത്തരം പരിശോധനകൾ നടത്തുന്നു.

പരിഹരിക്കപ്പെടുന്ന പ്രശ്നത്തിന്റെ ഉയർന്ന സങ്കീർണ്ണത, ഞങ്ങളുടെ പ്രോജക്റ്റ് വിവരിക്കാൻ നിരവധി ലേഖനങ്ങൾ ആവശ്യമായി വന്നേക്കാം. ക്ലൗഡിലെ വെർച്വൽ മെഷീനുകൾ സന്തുലിതമാക്കുന്നതിനായി സമർപ്പിച്ചിരിക്കുന്ന പരമ്പരയിലെ രണ്ടാമത്തെ ലേഖനം ഇന്ന് ഞങ്ങൾ പ്രസിദ്ധീകരിക്കുന്നു.

ചില പദാവലി

വിഎംവെയർ കമ്പനി വികസിപ്പിച്ചതും വാഗ്ദാനം ചെയ്തതുമായ വിർച്ച്വലൈസേഷൻ എൻവയോൺമെന്റിന്റെ ലോഡ് സന്തുലിതമാക്കാൻ ഡിആർഎസ് (ഡിസ്ട്രിബ്യൂട്ടഡ് റിസോഴ്സ് ഷെഡ്യൂളർ) യൂട്ടിലിറ്റി അവതരിപ്പിച്ചു.

എഴുതുന്നത് പോലെ searchvmware.techtarget.com/definition/VMware-DRS
“VMware DRS (ഡിസ്ട്രിബ്യൂട്ടഡ് റിസോഴ്‌സ് ഷെഡ്യൂളർ) ഒരു വെർച്വൽ പരിതസ്ഥിതിയിൽ ലഭ്യമായ ഉറവിടങ്ങളുമായി കമ്പ്യൂട്ടിംഗ് ലോഡുകളെ സന്തുലിതമാക്കുന്ന ഒരു യൂട്ടിലിറ്റിയാണ്. വിഎംവെയർ ഇൻഫ്രാസ്ട്രക്ചർ എന്ന വിർച്ച്വലൈസേഷൻ സ്യൂട്ടിന്റെ ഭാഗമാണ് യൂട്ടിലിറ്റി.

VMware DRS ഉപയോഗിച്ച്, ഉപയോക്താക്കൾ വെർച്വൽ മെഷീനുകൾക്കിടയിൽ (VMs) ഭൗതിക വിഭവങ്ങൾ വിതരണം ചെയ്യുന്നതിനുള്ള നിയമങ്ങൾ നിർവ്വചിക്കുന്നു. മാനുവൽ അല്ലെങ്കിൽ ഓട്ടോമാറ്റിക് നിയന്ത്രണത്തിനായി യൂട്ടിലിറ്റി കോൺഫിഗർ ചെയ്യാവുന്നതാണ്. VMware റിസോഴ്സ് പൂളുകൾ എളുപ്പത്തിൽ ചേർക്കാനോ നീക്കം ചെയ്യാനോ പുനഃസംഘടിപ്പിക്കാനോ കഴിയും. വേണമെങ്കിൽ, വിവിധ ബിസിനസ് യൂണിറ്റുകൾക്കിടയിൽ റിസോഴ്സ് പൂളുകൾ വേർതിരിച്ചെടുക്കാൻ കഴിയും. ഒന്നോ അതിലധികമോ വെർച്വൽ മെഷീനുകളിലെ ജോലിഭാരം ഗണ്യമായി മാറുകയാണെങ്കിൽ, ഫിസിക്കൽ സെർവറുകളിലുടനീളം VMware DRS വെർച്വൽ മെഷീനുകളെ പുനർവിതരണം ചെയ്യുന്നു. മൊത്തത്തിലുള്ള ജോലിഭാരം കുറയുകയാണെങ്കിൽ, ചില ഫിസിക്കൽ സെർവറുകൾ താൽക്കാലികമായി ഓഫ്‌ലൈനായി എടുക്കുകയും ജോലിഭാരം ഏകീകരിക്കുകയും ചെയ്തേക്കാം."

എന്തുകൊണ്ട് ബാലൻസ് ആവശ്യമാണ്?

ഞങ്ങളുടെ അഭിപ്രായത്തിൽ, DRS നിർബന്ധമായും ഉണ്ടായിരിക്കേണ്ട ഒരു ക്ലൗഡ് സവിശേഷതയാണ്, എന്നിരുന്നാലും DRS എല്ലായ്‌പ്പോഴും എല്ലായിടത്തും ഉപയോഗിക്കണമെന്ന് ഇതിനർത്ഥമില്ല. ക്ലൗഡിന്റെ ഉദ്ദേശ്യവും ആവശ്യങ്ങളും അനുസരിച്ച്, ഡിആർഎസിനും ബാലൻസിങ് രീതികൾക്കും വ്യത്യസ്ത ആവശ്യകതകൾ ഉണ്ടാകാം. ബാലൻസിങ് ആവശ്യമില്ലാത്ത സാഹചര്യങ്ങൾ ഉണ്ടാകാം. അല്ലെങ്കിൽ ഹാനികരവും.

എവിടെ, ഏത് ക്ലയന്റുകൾക്ക് ഡിആർഎസ് ആവശ്യമാണെന്ന് നന്നായി മനസ്സിലാക്കാൻ, അവരുടെ ലക്ഷ്യങ്ങളും ലക്ഷ്യങ്ങളും നമുക്ക് പരിഗണിക്കാം. മേഘങ്ങളെ പൊതുമെന്നും സ്വകാര്യമെന്നും രണ്ടായി തിരിക്കാം. ഈ മേഘങ്ങളും ഉപഭോക്തൃ ലക്ഷ്യങ്ങളും തമ്മിലുള്ള പ്രധാന വ്യത്യാസങ്ങൾ ഇതാ.

സ്വകാര്യ മേഘങ്ങൾ / വലിയ എന്റർപ്രൈസ് ക്ലയന്റുകൾ
പൊതു മേഘങ്ങൾ / ഇടത്തരം ചെറുകിട ബിസിനസുകൾ, ആളുകൾ

ഓപ്പറേറ്ററുടെ പ്രധാന മാനദണ്ഡവും ലക്ഷ്യങ്ങളും
വിശ്വസനീയമായ സേവനമോ ഉൽപ്പന്നമോ നൽകുന്നു
ഒരു മത്സര വിപണിയിലെ പോരാട്ടത്തിൽ സേവനങ്ങളുടെ വില കുറയ്ക്കൽ

സേവന ആവശ്യകതകൾ
എല്ലാ തലങ്ങളിലും എല്ലാ സിസ്റ്റം ഘടകങ്ങളിലും വിശ്വാസ്യത

ഗ്യാരണ്ടീഡ് പ്രകടനം

വെർച്വൽ മെഷീനുകൾക്ക് പല വിഭാഗങ്ങളായി മുൻഗണന നൽകുക 

വിവരവും ഭൗതിക ഡാറ്റ സുരക്ഷയും

SLA ഉം XNUMX/XNUMX പിന്തുണയും
സേവനം ലഭിക്കുന്നതിനുള്ള പരമാവധി എളുപ്പം

താരതമ്യേന ലളിതമായ സേവനങ്ങൾ

ഡാറ്റയുടെ ഉത്തരവാദിത്തം ക്ലയന്റിലാണ്

VM മുൻഗണന ആവശ്യമില്ല

സ്റ്റാൻഡേർഡ് സേവനങ്ങളുടെ തലത്തിലുള്ള വിവര സുരക്ഷ, ക്ലയന്റിലുള്ള ഉത്തരവാദിത്തം

തകരാറുകൾ ഉണ്ടാകാം

SLA ഇല്ല, ഗുണനിലവാരം ഉറപ്പില്ല

ഇമെയിൽ പിന്തുണ

ബാക്കപ്പ് ആവശ്യമില്ല

ക്ലയന്റ് സവിശേഷതകൾ
വളരെ വിശാലമായ ആപ്ലിക്കേഷനുകൾ.

കമ്പനിയിൽ പാരമ്പര്യമായി ലഭിക്കുന്ന ലെഗസി ആപ്ലിക്കേഷനുകൾ.

ഓരോ ക്ലയന്റിനുമുള്ള സങ്കീർണ്ണമായ ഇഷ്‌ടാനുസൃത ആർക്കിടെക്ചറുകൾ.

അഫിനിറ്റി നിയമങ്ങൾ.

സോഫ്റ്റ്വെയർ 7x24 മോഡിൽ നിർത്താതെ പ്രവർത്തിക്കുന്നു. 

ഓൺ-ദി-ഫ്ലൈ ബാക്കപ്പ് ടൂളുകൾ.

പ്രവചിക്കാവുന്ന ചാക്രിക ഉപഭോക്തൃ ലോഡ്.
സാധാരണ ആപ്ലിക്കേഷനുകൾ - നെറ്റ്‌വർക്ക് ബാലൻസിങ്, അപ്പാച്ചെ, വെബ്, വിപിഎൻ, എസ്‌ക്യുഎൽ

അപേക്ഷ കുറച്ച് സമയത്തേക്ക് നിർത്തിയേക്കാം

ക്ലൗഡിൽ VM-കളുടെ അനിയന്ത്രിതമായ വിതരണം അനുവദിക്കുന്നു

ക്ലയന്റ് ബാക്കപ്പ്

ധാരാളം ക്ലയന്റുകളുള്ള പ്രവചനാതീതമായ സ്ഥിതിവിവരക്കണക്ക് ശരാശരി ലോഡ്.

വാസ്തുവിദ്യയുടെ പ്രത്യാഘാതങ്ങൾ
ജിയോക്ലസ്റ്ററിംഗ്

കേന്ദ്രീകൃത അല്ലെങ്കിൽ വിതരണം ചെയ്ത സംഭരണം

അനാവശ്യ IBS
കമ്പ്യൂട്ട് നോഡുകളിലെ പ്രാദേശിക ഡാറ്റ സംഭരണം

ബാലൻസിങ് ലക്ഷ്യങ്ങൾ
പോലും ലോഡ് വിതരണം

പരമാവധി ആപ്ലിക്കേഷൻ പ്രതികരണശേഷി 

ബാലൻസിംഗിനുള്ള ഏറ്റവും കുറഞ്ഞ കാലതാമസം

വ്യക്തമായി ആവശ്യമുള്ളപ്പോൾ മാത്രം ബാലൻസ് ചെയ്യുക

പ്രതിരോധ അറ്റകുറ്റപ്പണികൾക്കായി ചില ഉപകരണങ്ങൾ കൊണ്ടുവരുന്നു
സേവന ചെലവുകളും ഓപ്പറേറ്റർ ചെലവുകളും കുറയ്ക്കുന്നു 

കുറഞ്ഞ ലോഡിന്റെ കാര്യത്തിൽ ചില ഉറവിടങ്ങൾ പ്രവർത്തനരഹിതമാക്കുന്നു

Energy ർജ്ജം ലാഭിക്കുന്നു

ജീവനക്കാരുടെ ചെലവ് കുറയ്ക്കൽ

ഞങ്ങൾ സ്വയം ഇനിപ്പറയുന്ന നിഗമനങ്ങളിൽ എത്തിച്ചേരുന്നു:

സ്വകാര്യ മേഘങ്ങൾക്കായിവലിയ കോർപ്പറേറ്റ് ഉപഭോക്താക്കൾക്ക് നൽകിയിരിക്കുന്നത്, ഇനിപ്പറയുന്ന നിയന്ത്രണങ്ങൾക്ക് വിധേയമായി DRS ഉപയോഗിക്കാം:

• വിവര സുരക്ഷയും ബാലൻസ് ചെയ്യുമ്പോൾ അഫിനിറ്റി നിയമങ്ങൾ കണക്കിലെടുക്കലും;
• അപകടമുണ്ടായാൽ കരുതൽ ശേഖരത്തിൽ മതിയായ വിഭവങ്ങളുടെ ലഭ്യത;
• വെർച്വൽ മെഷീൻ ഡാറ്റ ഒരു കേന്ദ്രീകൃത അല്ലെങ്കിൽ വിതരണം ചെയ്ത സ്റ്റോറേജ് സിസ്റ്റത്തിലാണ് സ്ഥിതി ചെയ്യുന്നത്;
• കാലക്രമേണ അമ്പരപ്പിക്കുന്ന ഭരണം, ബാക്കപ്പ്, ബാലൻസിങ് നടപടിക്രമങ്ങൾ;
• ക്ലയന്റ് ഹോസ്റ്റുകളുടെ ആകെത്തുകയ്ക്കുള്ളിൽ മാത്രം ബാലൻസിങ്;
• ശക്തമായ അസന്തുലിതാവസ്ഥ, ഏറ്റവും ഫലപ്രദവും സുരക്ഷിതവുമായ VM മൈഗ്രേഷനുകൾ (എല്ലാത്തിനുമുപരി, മൈഗ്രേഷൻ പരാജയപ്പെടാം);
• താരതമ്യേന "ശാന്തമായ" വെർച്വൽ മെഷീനുകൾ സന്തുലിതമാക്കുന്നു ("ശബ്ദമുള്ള" വെർച്വൽ മെഷീനുകളുടെ മൈഗ്രേഷൻ വളരെ സമയമെടുക്കും);
• "ചെലവ്" കണക്കിലെടുത്ത് സന്തുലിതമാക്കൽ - സ്റ്റോറേജ് സിസ്റ്റത്തിലും നെറ്റ്‌വർക്കിലുമുള്ള ലോഡ് (വലിയ ക്ലയന്റുകൾക്ക് ഇഷ്ടാനുസൃതമാക്കിയ ആർക്കിടെക്ചറുകൾക്കൊപ്പം);
• ഓരോ വിഎമ്മിന്റെയും വ്യക്തിഗത സ്വഭാവ സവിശേഷതകൾ കണക്കിലെടുത്ത് ബാലൻസിങ്;
• ജോലി ചെയ്യാത്ത സമയങ്ങളിൽ (രാത്രികൾ, വാരാന്ത്യങ്ങൾ, അവധി ദിവസങ്ങൾ) ബാലൻസ് ചെയ്യുന്നതാണ് നല്ലത്.

പൊതു മേഘങ്ങൾക്ക്ചെറിയ ഉപഭോക്താക്കൾക്ക് സേവനങ്ങൾ നൽകിക്കൊണ്ട്, വിപുലമായ കഴിവുകളോടെ DRS കൂടുതൽ തവണ ഉപയോഗിക്കാനാകും:

• വിവര സുരക്ഷാ നിയന്ത്രണങ്ങളുടെയും അഫിനിറ്റി നിയമങ്ങളുടെയും അഭാവം;
• മേഘത്തിനുള്ളിൽ ബാലൻസിങ്;
• ഏത് ന്യായമായ സമയത്തും ബാലൻസിങ്;
• ഏതെങ്കിലും വിഎം ബാലൻസ് ചെയ്യുന്നു;
• "ശബ്ദമുള്ള" വെർച്വൽ മെഷീനുകൾ സന്തുലിതമാക്കുന്നു (മറ്റുള്ളവരെ ശല്യപ്പെടുത്താതിരിക്കാൻ);
• വെർച്വൽ മെഷീൻ ഡാറ്റ പലപ്പോഴും ലോക്കൽ ഡിസ്കുകളിൽ സ്ഥിതിചെയ്യുന്നു;
• സ്റ്റോറേജ് സിസ്റ്റങ്ങളുടെയും നെറ്റ്‌വർക്കുകളുടെയും ശരാശരി പ്രകടനം കണക്കിലെടുക്കുന്നു (ക്ലൗഡ് ആർക്കിടെക്ചർ ഏകീകൃതമാണ്);
• പൊതുവായ നിയമങ്ങളും ലഭ്യമായ ഡാറ്റാ സെന്റർ പെരുമാറ്റ സ്ഥിതിവിവരക്കണക്കുകളും അനുസരിച്ച് ബാലൻസിങ്.

പ്രശ്നത്തിന്റെ സങ്കീർണ്ണത

സന്തുലിതമാക്കുന്നതിനുള്ള ബുദ്ധിമുട്ട്, ഡിആർഎസ് അനിശ്ചിതത്വമുള്ള നിരവധി ഘടകങ്ങളുമായി പ്രവർത്തിക്കണം എന്നതാണ്:

• ഓരോ ക്ലയന്റുകളുടെയും വിവര സംവിധാനങ്ങളുടെ ഉപയോക്താക്കളുടെ പെരുമാറ്റം;
• വിവര സിസ്റ്റം സെർവറുകളുടെ പ്രവർത്തനത്തിനുള്ള അൽഗോരിതങ്ങൾ;
• DBMS സെർവറുകളുടെ പെരുമാറ്റം;
• കമ്പ്യൂട്ടിംഗ് ഉറവിടങ്ങൾ, സ്റ്റോറേജ് സിസ്റ്റങ്ങൾ, നെറ്റ്‌വർക്ക് എന്നിവയിൽ ലോഡ് ചെയ്യുക;
• ക്ലൗഡ് ഉറവിടങ്ങൾക്കായുള്ള പോരാട്ടത്തിൽ സെർവറുകളുടെ പരസ്പരം ഇടപെടൽ.

ക്ലൗഡ് റിസോഴ്‌സുകളിലെ ധാരാളം വെർച്വൽ ആപ്ലിക്കേഷൻ സെർവറുകളുടെയും ഡാറ്റാബേസുകളുടെയും ലോഡ് കാലക്രമേണ സംഭവിക്കുന്നു, അനന്തരഫലങ്ങൾ പ്രവചനാതീതമായ സമയത്ത് പ്രവചനാതീതമായ പ്രഭാവത്തോടെ പരസ്പരം ഓവർലാപ്പ് ചെയ്യാനും കഴിയും. താരതമ്യേന ലളിതമായ പ്രക്രിയകൾ നിയന്ത്രിക്കാൻ പോലും (ഉദാഹരണത്തിന്, ഒരു എഞ്ചിൻ നിയന്ത്രിക്കാൻ, വീട്ടിൽ ഒരു വാട്ടർ ഹീറ്റിംഗ് സിസ്റ്റം), ഓട്ടോമാറ്റിക് നിയന്ത്രണ സംവിധാനങ്ങൾ സങ്കീർണ്ണമായ ഉപയോഗിക്കേണ്ടതുണ്ട്. ആനുപാതിക-അവിഭാജ്യ-വ്യത്യാസം ഫീഡ്ബാക്ക് ഉള്ള അൽഗോരിതങ്ങൾ.

ഞങ്ങളുടെ ചുമതല കൂടുതൽ സങ്കീർണ്ണമായ നിരവധി ഓർഡറുകളാണ്, കൂടാതെ ഉപയോക്താക്കളിൽ നിന്ന് ബാഹ്യ സ്വാധീനങ്ങളൊന്നും ഇല്ലെങ്കിലും, ന്യായമായ സമയത്ത് സ്ഥാപിത മൂല്യങ്ങളിലേക്ക് ലോഡ് സന്തുലിതമാക്കാൻ സിസ്റ്റത്തിന് കഴിയില്ല എന്ന അപകടമുണ്ട്.

നമ്മുടെ വികസനത്തിന്റെ ചരിത്രം

ഈ പ്രശ്നം പരിഹരിക്കാൻ, ഞങ്ങൾ ആദ്യം മുതൽ ആരംഭിക്കേണ്ടതില്ല, എന്നാൽ നിലവിലുള്ള അനുഭവം കെട്ടിപ്പടുക്കാൻ തീരുമാനിച്ചു, കൂടാതെ ഈ മേഖലയിലെ അനുഭവപരിചയമുള്ള സ്പെഷ്യലിസ്റ്റുകളുമായി സംവദിക്കാൻ തുടങ്ങി. ഭാഗ്യവശാൽ, പ്രശ്നത്തെക്കുറിച്ചുള്ള ഞങ്ങളുടെ ധാരണ പൂർണ്ണമായും പൊരുത്തപ്പെട്ടു.

സ്റ്റേജ് 1

ഞങ്ങൾ ന്യൂറൽ നെറ്റ്‌വർക്ക് സാങ്കേതികവിദ്യയെ അടിസ്ഥാനമാക്കിയുള്ള ഒരു സിസ്റ്റം ഉപയോഗിക്കുകയും അതിനെ അടിസ്ഥാനമാക്കി ഞങ്ങളുടെ ഉറവിടങ്ങൾ ഒപ്റ്റിമൈസ് ചെയ്യാൻ ശ്രമിക്കുകയും ചെയ്തു.

ഈ ഘട്ടത്തിന്റെ താൽപ്പര്യം ഒരു പുതിയ സാങ്കേതികവിദ്യ പരീക്ഷിക്കുന്നതിലായിരുന്നു, മറ്റ് കാര്യങ്ങൾ തുല്യമായതിനാൽ, സ്റ്റാൻഡേർഡ് സമീപനങ്ങൾ പ്രായോഗികമായി തളർന്നുപോയ ഒരു പ്രശ്നം പരിഹരിക്കുന്നതിന് നിലവാരമില്ലാത്ത സമീപനം പ്രയോഗിക്കുന്നതിലായിരുന്നു അതിന്റെ പ്രാധാന്യം.

ഞങ്ങൾ സിസ്റ്റം സമാരംഭിച്ചു, ഞങ്ങൾ ശരിക്കും ബാലൻസ് ചെയ്യാൻ തുടങ്ങി. ഞങ്ങളുടെ ക്ലൗഡിന്റെ സ്കെയിൽ ഡവലപ്പർമാർ പ്രസ്താവിച്ച ശുഭപ്രതീക്ഷയുള്ള ഫലങ്ങൾ നേടാൻ ഞങ്ങളെ അനുവദിച്ചില്ല, എന്നാൽ ബാലൻസിങ് പ്രവർത്തിക്കുന്നുണ്ടെന്ന് വ്യക്തമായിരുന്നു.

അതേ സമയം, ഞങ്ങൾക്ക് വളരെ ഗുരുതരമായ പരിമിതികളുണ്ടായിരുന്നു:

• ഒരു ന്യൂറൽ നെറ്റ്‌വർക്ക് പരിശീലിപ്പിക്കുന്നതിന്, ആഴ്‌ചകളോ മാസങ്ങളോ കാര്യമായ മാറ്റങ്ങളില്ലാതെ വെർച്വൽ മെഷീനുകൾ പ്രവർത്തിക്കേണ്ടതുണ്ട്.
• മുമ്പത്തെ "ചരിത്രപരമായ" ഡാറ്റയുടെ വിശകലനത്തെ അടിസ്ഥാനമാക്കി ഒപ്റ്റിമൈസേഷനായി അൽഗോരിതം രൂപകൽപ്പന ചെയ്തിരിക്കുന്നു.
• ഒരു ന്യൂറൽ നെറ്റ്‌വർക്ക് പരിശീലിപ്പിക്കുന്നതിന് വളരെ വലിയ അളവിലുള്ള ഡാറ്റയും കമ്പ്യൂട്ടിംഗ് ഉറവിടങ്ങളും ആവശ്യമാണ്.
• ഒപ്റ്റിമൈസേഷനും ബാലൻസിംഗും താരതമ്യേന അപൂർവമായി മാത്രമേ ചെയ്യാൻ കഴിയൂ - കുറച്ച് മണിക്കൂറിൽ ഒരിക്കൽ, ഇത് പര്യാപ്തമല്ല.

സ്റ്റേജ് 2

കാര്യങ്ങളുടെ അവസ്ഥയിൽ ഞങ്ങൾ തൃപ്തരല്ലാത്തതിനാൽ, സിസ്റ്റം പരിഷ്കരിക്കാൻ ഞങ്ങൾ തീരുമാനിച്ചു, ഇത് ചെയ്യുന്നതിന്, ഉത്തരം നൽകുക പ്രധാന ചോദ്യം - ആർക്ക് വേണ്ടിയാണ് ഞങ്ങൾ ഇത് നിർമ്മിക്കുന്നത്?

ആദ്യം - കോർപ്പറേറ്റ് ക്ലയന്റുകൾക്ക്. ഇതിനർത്ഥം, കോർപ്പറേറ്റ് നിയന്ത്രണങ്ങളോടെ വേഗത്തിൽ പ്രവർത്തിക്കുന്ന ഒരു സംവിധാനം ഞങ്ങൾക്ക് ആവശ്യമാണെന്നാണ്.

രണ്ടാമത്തെ ചോദ്യം - "ഉടൻ" എന്ന വാക്കുകൊണ്ട് നിങ്ങൾ എന്താണ് അർത്ഥമാക്കുന്നത്? ഒരു ചെറിയ സംവാദത്തിന്റെ ഫലമായി, 5-10 മിനിറ്റ് പ്രതികരണ സമയം കൊണ്ട് ആരംഭിക്കാമെന്ന് ഞങ്ങൾ തീരുമാനിച്ചു, അതിനാൽ ഹ്രസ്വകാല കുതിച്ചുചാട്ടങ്ങൾ സിസ്റ്റത്തെ അനുരണനത്തിലേക്ക് കൊണ്ടുവരില്ല.

മൂന്നാമത്തെ ചോദ്യം - തിരഞ്ഞെടുക്കാനുള്ള സന്തുലിതമായ സെർവറുകളുടെ എത്ര വലുപ്പം?
ഈ പ്രശ്നം സ്വയം പരിഹരിച്ചു. സാധാരണഗതിയിൽ, ക്ലയന്റുകൾ സെർവർ അഗ്രിഗേഷനുകൾ വളരെ വലുതാക്കില്ല, കൂടാതെ ഇത് 30-40 സെർവറുകളിലേക്ക് അഗ്രഗേഷനുകൾ പരിമിതപ്പെടുത്താനുള്ള ലേഖനത്തിന്റെ ശുപാർശകളുമായി പൊരുത്തപ്പെടുന്നു.

കൂടാതെ, സെർവർ പൂൾ വിഭജിക്കുന്നതിലൂടെ, ബാലൻസിങ് അൽഗോരിതത്തിന്റെ ചുമതല ഞങ്ങൾ ലളിതമാക്കുന്നു.

നാലാമത്തെ ചോദ്യം - ദൈർഘ്യമേറിയ പഠന പ്രക്രിയയും അപൂർവ ബാലൻസും ഉള്ള ഒരു ന്യൂറൽ നെറ്റ്‌വർക്ക് നമുക്ക് എത്രത്തോളം അനുയോജ്യമാണ്? നിമിഷങ്ങൾക്കുള്ളിൽ ഫലങ്ങൾ ലഭിക്കുന്നതിന്, ലളിതമായ പ്രവർത്തന അൽഗോരിതങ്ങൾക്ക് അനുകൂലമായി ഞങ്ങൾ ഇത് ഉപേക്ഷിക്കാൻ തീരുമാനിച്ചു.

അത്തരം അൽഗോരിതങ്ങൾ ഉപയോഗിക്കുന്ന ഒരു സിസ്റ്റത്തിന്റെ വിവരണവും അതിന്റെ ദോഷങ്ങളും കണ്ടെത്താനാകും ഇവിടെ

ഞങ്ങൾ ഈ സിസ്റ്റം നടപ്പിലാക്കുകയും സമാരംഭിക്കുകയും ചെയ്‌തു, പ്രോത്സാഹജനകമായ ഫലങ്ങൾ ലഭിച്ചു - ഇപ്പോൾ ഇത് ക്ലൗഡ് ലോഡ് പതിവായി വിശകലനം ചെയ്യുകയും വെർച്വൽ മെഷീനുകൾ നീക്കുന്നതിനുള്ള ശുപാർശകൾ നൽകുകയും ചെയ്യുന്നു, അവ മിക്കവാറും ശരിയാണ്. പുതിയ വെർച്വൽ മെഷീനുകൾക്കായി 10-15% റിസോഴ്‌സ് റിലീസ് നേടാനാകുമെന്ന് ഇപ്പോൾ പോലും വ്യക്തമാണ്, അതേസമയം നിലവിലുള്ളവയുടെ ജോലിയുടെ ഗുണനിലവാരം മെച്ചപ്പെടുത്തുന്നു.

റാമിലോ സിപിയുവിലോ ഒരു അസന്തുലിതാവസ്ഥ കണ്ടെത്തുമ്പോൾ, ആവശ്യമായ വെർച്വൽ മെഷീനുകളുടെ ലൈവ് മൈഗ്രേഷൻ നടത്താൻ സിസ്റ്റം ടിയോണിക്സ് ഷെഡ്യൂളറിന് കമാൻഡുകൾ നൽകുന്നു. മോണിറ്ററിംഗ് സിസ്റ്റത്തിൽ നിന്ന് കാണാൻ കഴിയുന്നതുപോലെ, വെർച്വൽ മെഷീൻ ഒന്നിൽ നിന്ന് മറ്റൊന്നിലേക്ക് (താഴ്ന്ന) ഹോസ്റ്റിലേക്ക് നീങ്ങുകയും മുകളിലെ ഹോസ്റ്റിലെ മെമ്മറി സ്വതന്ത്രമാക്കുകയും ചെയ്യുന്നു (മഞ്ഞ സർക്കിളുകളിൽ ഹൈലൈറ്റ് ചെയ്‌തിരിക്കുന്നു), യഥാക്രമം താഴെയുള്ളതിൽ (വെള്ളയിൽ ഹൈലൈറ്റ് ചെയ്‌തിരിക്കുന്നു). സർക്കിളുകൾ).

ഇപ്പോൾ ഞങ്ങൾ നിലവിലെ അൽഗോരിതത്തിന്റെ ഫലപ്രാപ്തിയെ കൂടുതൽ കൃത്യമായി വിലയിരുത്താൻ ശ്രമിക്കുകയും അതിൽ സാധ്യമായ പിശകുകൾ കണ്ടെത്താൻ ശ്രമിക്കുകയും ചെയ്യുന്നു.

സ്റ്റേജ് 3

ഒരാൾക്ക് ഇത് ശാന്തമാക്കാനും തെളിയിക്കപ്പെട്ട ഫലപ്രാപ്തിക്കായി കാത്തിരിക്കാനും വിഷയം അടയ്ക്കാനും കഴിയുമെന്ന് തോന്നുന്നു.
എന്നാൽ ഇനിപ്പറയുന്ന വ്യക്തമായ ഒപ്റ്റിമൈസേഷൻ അവസരങ്ങളാൽ ഒരു പുതിയ ഘട്ടം നടപ്പിലാക്കാൻ ഞങ്ങൾ പ്രേരിപ്പിക്കപ്പെടുന്നു

1. സ്ഥിതിവിവരക്കണക്കുകൾ, ഉദാഹരണത്തിന്, ഇവിടെ и ഇവിടെ സിംഗിൾ-പ്രോസസർ സിസ്റ്റങ്ങളെ അപേക്ഷിച്ച് രണ്ട്-ഉം നാല്-പ്രോസസർ സിസ്റ്റങ്ങളും പ്രകടനത്തിൽ വളരെ കുറവാണെന്ന് കാണിക്കുന്നു. സിംഗിൾ-പ്രോസസർ സിസ്റ്റങ്ങളെ അപേക്ഷിച്ച് മൾട്ടിപ്രൊസസർ സിസ്റ്റങ്ങളിൽ നിന്ന് വാങ്ങുന്ന CPU, RAM, SSD, LAN, FC എന്നിവയിൽ നിന്ന് എല്ലാ ഉപയോക്താക്കൾക്കും വളരെ കുറച്ച് ഔട്ട്പുട്ട് ലഭിക്കുന്നു എന്നാണ് ഇതിനർത്ഥം.
2. റിസോഴ്സ് ഷെഡ്യൂളർമാർക്ക് തന്നെ ഗുരുതരമായ പിശകുകൾ ഉണ്ടായേക്കാം, ലേഖനങ്ങളിൽ ഒന്ന് ഇതാ ഈ വിഷയത്തിൽ.
3. റാമും കാഷെയും നിരീക്ഷിക്കുന്നതിന് ഇന്റലും എഎംഡിയും വാഗ്ദാനം ചെയ്യുന്ന സാങ്കേതികവിദ്യകൾ വെർച്വൽ മെഷീനുകളുടെ സ്വഭാവം പഠിക്കാനും “ശബ്ദമുള്ള” അയൽക്കാർ “ശാന്തമായ” വെർച്വൽ മെഷീനുകളിൽ ഇടപെടാത്ത വിധത്തിൽ സ്ഥാപിക്കാനും സഹായിക്കുന്നു.
4. പാരാമീറ്ററുകളുടെ സെറ്റ് വിപുലീകരണം (നെറ്റ്വർക്ക്, സ്റ്റോറേജ് സിസ്റ്റം, വെർച്വൽ മെഷീന്റെ മുൻഗണന, മൈഗ്രേഷൻ ചെലവ്, മൈഗ്രേഷനുള്ള അതിന്റെ സന്നദ്ധത).

ആകെ

സന്തുലിത അൽഗോരിതങ്ങൾ മെച്ചപ്പെടുത്തുന്നതിനുള്ള ഞങ്ങളുടെ പ്രവർത്തനത്തിന്റെ ഫലം, ആധുനിക അൽഗോരിതങ്ങൾ ഉപയോഗിച്ച് ഡാറ്റാ സെന്റർ റിസോഴ്സുകളുടെ (25-30%) കാര്യമായ ഒപ്റ്റിമൈസേഷൻ നേടാനും അതേ സമയം ഉപഭോക്തൃ സേവനത്തിന്റെ ഗുണനിലവാരം മെച്ചപ്പെടുത്താനും കഴിയുമെന്ന വ്യക്തമായ നിഗമനമാണ്.

ന്യൂറൽ നെറ്റ്‌വർക്കുകളെ അടിസ്ഥാനമാക്കിയുള്ള ഒരു അൽഗോരിതം തീർച്ചയായും രസകരമായ ഒരു പരിഹാരമാണ്, എന്നാൽ കൂടുതൽ വികസനം ആവശ്യമുള്ള ഒന്നാണ്, നിലവിലുള്ള പരിമിതികൾ കാരണം, സ്വകാര്യ ക്ലൗഡുകളുടെ സാധാരണ വോള്യങ്ങളിൽ ഇത്തരത്തിലുള്ള പ്രശ്നം പരിഹരിക്കുന്നതിന് ഇത് അനുയോജ്യമല്ല. അതേ സമയം, കാര്യമായ വലിപ്പമുള്ള പൊതു മേഘങ്ങളിൽ അൽഗോരിതം നല്ല ഫലങ്ങൾ കാണിച്ചു.

പ്രോസസ്സറുകൾ, ഷെഡ്യൂളർമാർ, ഉയർന്ന തലത്തിലുള്ള ബാലൻസിംഗ് എന്നിവയുടെ കഴിവുകളെക്കുറിച്ച് ഇനിപ്പറയുന്ന ലേഖനങ്ങളിൽ ഞങ്ങൾ നിങ്ങളോട് കൂടുതൽ പറയും.

അവലംബം: www.habr.com