這篇文章主要介紹“虛擬化Pod性能比裸機還要好的原因”，在日常操作中，相信很多人在虛擬化Pod性能比裸機還要好的原因問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”虛擬化Pod性能比裸機還要好的原因”的疑惑有所幫助！接下來，請跟著小編一起來學(xué)習(xí)吧！

浦城網(wǎng)站制作公司哪家好，找創(chuàng)新互聯(lián)建站！從網(wǎng)頁設(shè)計、網(wǎng)站建設(shè)、微信開發(fā)、APP開發(fā)、響應(yīng)式網(wǎng)站開發(fā)等網(wǎng)站項目制作，到程序開發(fā)，運營維護(hù)。創(chuàng)新互聯(lián)建站自2013年起到現(xiàn)在10年的時間，我們擁有了豐富的建站經(jīng)驗和運維經(jīng)驗，來保證我們的工作的順利進(jìn)行。專注于網(wǎng)站建設(shè)就選創(chuàng)新互聯(lián)建站。

為什么太平洋項目的 Native Pods 更快？
現(xiàn)代的服務(wù)器一般有多個處理器（CPU），采用的是 NUMA（非統(tǒng)一內(nèi)存訪問）的內(nèi)存訪問方式。在 NUMA 體系架構(gòu)中，每個 CPU 負(fù)責(zé)管理一塊內(nèi)存，稱為本地（local）內(nèi)存。

當(dāng) CPU 訪問自己管理的內(nèi)存時，因為是就近訪問，速度比較快；但如果需要訪問其它 CPU 名下的內(nèi)存時（稱為遠(yuǎn)程訪問），往往需要經(jīng)過若干個電路開關(guān)，通常會慢一些。

ESXi 在調(diào)度 Pod 的時候，考慮到了 Pod 使用內(nèi)存的本地性（locality），會確保其盡量訪問本地內(nèi)存，這樣 Pod 運行性能比較好，并提高總體 CPU 效率。另一方面，裸機 Linux 中的進(jìn)程調(diào)度程序可能無法在 NUMA 域之間提供類似的功能，因此性能有一定的損失。

ESXi CPU 調(diào)度程序知道 Pod 是獨立的運行實體，因此會盡量確保其內(nèi)存訪問位于本地 NUMA 域內(nèi)，大大減少了遠(yuǎn)程內(nèi)存訪問的次數(shù)，從而為 Pod 中的工作負(fù)載提供更好的性能，并提高 CPU 總體效率。另一方面，Linux 中的進(jìn)程調(diào)度程序無法較好地識別 NUMA 域之間差異，所以不能提供類似的調(diào)度能力。

太平洋項目 Native Pods 的性能評估實驗
為了比較性能，VMware 的工程師在相同的硬件上配置了圖1所示的測試平臺，每臺服務(wù)器硬件是 2.2 GHz 的內(nèi)核 44 個以及 512 GB 內(nèi)存：
   a) 兩個太平洋項目的ESXi節(jié)點和其上的主管集群
   b) 兩個缺省配置的某主流企業(yè)級 Linux 裸機集群節(jié)點

圖1：測試平臺配置

通常，超線程處理器內(nèi)核具有多個邏輯內(nèi)核（超線程），它們之間共享硬件資源。為了減少對測試影響的因素，在兩個測試平臺中都禁用了超線程。在每個集群中，使用其中一個節(jié)點作為被測系統(tǒng)（Worker Node），而在另一個節(jié)點上運行 Kubernetes Master 。

圖2：Pod配置

在 Worker 節(jié)點中部署了10個 Kubernetes Pod，每個 Pod 的資源限制為 8個CPU，42 GB 內(nèi)存，并在每個容器中運行一個標(biāo)準(zhǔn) Java 事務(wù)基準(zhǔn)測試，如圖2所示。

考慮到用于我們的工作負(fù)載的復(fù)雜性和性質(zhì)，在實驗中使用了較大的 Pod ，以便管理測試樣例運行和 Pod 的評分匯總。使用 Pod 定義將 Pod 固定（affinitized）到每個測試平臺中的 Worker節(jié)點。使用所有10個 Pod 的匯總分?jǐn)?shù)（最大吞吐量）來評估被測系統(tǒng)的性能。測試中基本沒有設(shè)計I / O或網(wǎng)絡(luò)傳輸，并且所有實驗都限于單個 Kubernetes節(jié)點。因此，I / O或網(wǎng)絡(luò)性能方面的影響不在本文中討論。

測試結(jié)果

圖3顯示了某主流企業(yè)級 Linux 裸機節(jié)點的性能和太平洋主管群集的性能（綠色條）對比，裸機 Linux 的性能作為基準(zhǔn)1.0。
與裸機企業(yè)級 Linux 相比，太平洋主管群集的性能提高了8％。

圖3：太平洋主管集群與裸機企業(yè)級Linux節(jié)點相對性能

測試重復(fù)了多次并用平均數(shù)減少了實驗的誤差。與裸機情況相比，太平洋主管群集可實現(xiàn)約8％的總體性能提升。

分析和優(yōu)化
查看系統(tǒng)統(tǒng)計信息，與 vSphere 主管集群相比，裸機上運行的工作負(fù)載被許多遠(yuǎn)程 NUMA 內(nèi)存訪問拖累了性能。vSphere 主管群集的性能優(yōu)勢主要來自更優(yōu)的CPU調(diào)度方法，同時還抵扣掉因虛擬化帶來的性能額外開銷。
進(jìn)一步分析發(fā)現(xiàn)，在裸機 Linux 中，只有約43.5%的非命中L3高速緩存的數(shù)據(jù)可從本地 DRAM 中獲取，其余的則需要由遠(yuǎn)程內(nèi)存提供。相比之下，vSphere 主管群集得益于ESXi中出色的 CPU 調(diào)度功能，有 99.2％的未命中 L3 數(shù)據(jù)可在本地 DRAM中獲得，從而避免了遠(yuǎn)程內(nèi)存訪問，提高了vSphere主管群集的性能。（如圖4所示）

圖4：vSphere 主管群集與裸機 Linux上的 DRAM 命中率對比（數(shù)值越大越好） 

為了減少裸機 Linux上非本地 NUMA 訪問對性能的影響，工程師們嘗試了一些基本的優(yōu)化，例如切換 NUMA 平衡開關(guān)和使用基于任務(wù)集的Pod固定到 CPU，但是這些都沒有實質(zhì)性地提高性能。目前 Kubernetes 沒有對 NUMA 架構(gòu)的 CPU 使用納入 Pod 規(guī)范，因此暫時沒有教好的方法解決這個問題。

在本實驗的結(jié)論取決于Pod訪問內(nèi)存的密集度情況，如果工作負(fù)載具有不同的內(nèi)存需求，則 NUMA 本地性對其性能的影響可能會有所不同。簡而言之，對內(nèi)存訪問頻率高的 Pod 應(yīng)用，跑在 vSphere 主管群集上可能比裸機上性能更好。
更多信息，參見：

https://blogs.vmware.com/performance/2019/10/how-does-project-pacific-deliver-8-better-performance-than-bare-metal.html

到此，關(guān)于“虛擬化Pod性能比裸機還要好的原因”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識，請繼續(xù)關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編會繼續(xù)努力為大家?guī)砀鄬嵱玫奈恼拢?/p>
網(wǎng)頁題目：虛擬化Pod性能比裸機還要好的原因
本文URL：http://weahome.cn/article/jjgiij.html