《vSphere性能设计:性能密集场景下CPU、内存、存储及网络的最佳设计实践》一1.3 构建应用程序

简介: 本节书摘来华章计算机《vSphere性能设计:性能密集场景下CPU、内存、存储及网络的最佳设计实践》一书中的第1章 ,第1.3节,[美] 克里斯托弗·库塞克(Christopher Kusek) 著 吕南德特·施皮斯(Rynardt Spies)姚海鹏 刘韵洁 译, 更多章节内容可以访问云栖社区“华章计算机”公众号查看。

本节书摘来华章计算机《vSphere性能设计:性能密集场景下CPU、内存、存储及网络的最佳设计实践》一书中的第1章 ,第1.3节,[美] 克里斯托弗·库塞克(Christopher Kusek) 著 吕南德特·施皮斯(Rynardt Spies)姚海鹏 刘韵洁 译, 更多章节内容可以访问云栖社区“华章计算机”公众号查看。

1.3 构建应用程序

你已经搭建了一个VMware vSphere集群并且建立了ESXi服务器的能力基准。现在你可以准备开始复制它了,对吗?完全错误。
现在重要的是,要确保你的架构以及模板是为应用程序设计的,而非解决方案。不能仅仅基于架构进行设计,因为应用程序所有者会要求得到该解决方案所支持的最大能力。换句话说,即使只需要一个不超过4GB RAM的32位服务器,但如果应用程序所有者知道能获得一个1TB RAM和64TB磁盘空间的32位vCPU服务器,他们也会想要得到。这样一来需求就会永无止境,系统将因效率低下而崩溃。
这时最重要的就是确定应用程序以及衡量它们的工作负载。你是正在部署一个Web服务器?一个高性能的数据库服务器?一个通用服务器?还是开发一个AppDev vApp?性能特点能否预测?以及模板标准化的期望值?这些都很重要。
刚开始,人们总会建立一个提供给终端用户服务的目录,类似之前提到的。然后根据用户对CPU、内存、网络和存储的需求,建立分目录,满足用户最可能的需求特点。必要时,一些工作量还会分裂成小、中、大或定制的子集,例如:
小:1个 vCPU,2GB的RAM
中:2个vCPU,4GB的RAM
大:4个vCPU,8GB的RAM
定制:最大为64 个vCPU,1TB的RAM
衡量应用程序和工作负载的规则不是一成不变的,但是应该经过你的设计考虑而决定。使用VMware Capacity Planner、Microsoft Assessment and Planning Toolkit、 VMware vCenter Operations Manager等工具,以及一些本机工具如vCenter Performance tab and Perfmon,可以使你不再迷茫和困难。
记住,如果你低估了虚拟机和应用程序的大小—不管是因为不确定工作负载,还是因为系统用户数量增多而需要更多的资源—只要关闭系统并增加额外资源就可以更正。我们拜访过一个向我们诉苦的App所有者。我说:“我注意到你的应用程序表现不佳,可以通过使用额外的内存或者vCPU来解决。我可以关闭你的服务器给你提供更多的资源吗?”如果无法立刻更改,他们通常会抓住机会建立一个硬性的停机窗口,从而进行改变。
通过这样访问应用程序所有者并改造分配的vCPU,他们就再也不用关闭系统,也不会再来电求助。所以,你可能想要为所有虚拟机都热添加资源。但是,不是所有操作系统都支持CPU和内存的热备份,还需要考虑许多注意事项,在第4章和第5章会相应讲到。

相关文章
|
6天前
|
机器学习/深度学习 编解码 自动驾驶
RT-DETR改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1,用于移动视觉应用的高效卷积神经网络
RT-DETR改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1,用于移动视觉应用的高效卷积神经网络
31 3
RT-DETR改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1,用于移动视觉应用的高效卷积神经网络
|
10天前
|
机器学习/深度学习 编解码 自动驾驶
YOLOv11改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1,用于移动视觉应用的高效卷积神经网络
YOLOv11改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1,用于移动视觉应用的高效卷积神经网络
39 16
YOLOv11改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1,用于移动视觉应用的高效卷积神经网络
|
10天前
|
机器学习/深度学习 存储
YOLOv11改进策略【模型轻量化】| PP-LCNet:轻量级的CPU卷积神经网络
YOLOv11改进策略【模型轻量化】| PP-LCNet:轻量级的CPU卷积神经网络
36 15
YOLOv11改进策略【模型轻量化】| PP-LCNet:轻量级的CPU卷积神经网络
|
1天前
|
人工智能 运维 监控
2025年阿里云服务器配置选择全攻略:CPU、内存、带宽与系统盘详解
在2025年,阿里云服务器以高性能、灵活扩展和稳定服务助力数字化转型,提供轻量应用服务器、通用型g8i实例等多样化配置,满足个人博客至企业级业务需求。针对不同场景(如计算密集型、内存密集型),推荐相应实例类型与带宽规划,强调成本优化策略,包括包年包月节省成本、ESSD云盘选择及地域部署建议。文中还提及安全设置、监控备份的重要性,并指出未来可关注第九代实例g9i支持的新技术。整体而言,阿里云致力于帮助用户实现性能与成本的最优平衡。 以上简介共计238个字符。
|
6天前
|
机器学习/深度学习 存储
RT-DETR改进策略【模型轻量化】| PP-LCNet:轻量级的CPU卷积神经网络
RT-DETR改进策略【模型轻量化】| PP-LCNet:轻量级的CPU卷积神经网络
23 0
RT-DETR改进策略【模型轻量化】| PP-LCNet:轻量级的CPU卷积神经网络
|
23天前
|
存储 设计模式 监控
快速定位并优化CPU 与 JVM 内存性能瓶颈
本文介绍了 Java 应用常见的 CPU & JVM 内存热点原因及优化思路。
|
1月前
|
负载均衡 容灾 Cloud Native
云原生应用网关进阶:阿里云网络ALB Ingress 全能增强
在过去半年,ALB Ingress Controller推出了多项高级特性,包括支持AScript自定义脚本、慢启动、连接优雅中断等功能,增强了产品的灵活性和用户体验。此外,还推出了ingress2Albconfig工具,方便用户从Nginx Ingress迁移到ALB Ingress,以及通过Webhook服务实现更智能的配置校验,减少错误配置带来的影响。在容灾部署方面,支持了多集群网关,提高了系统的高可用性和容灾能力。这些改进旨在为用户提供更强大、更安全的云原生网关解决方案。
553 20
|
2月前
|
Kubernetes 安全 Devops
有效抵御网络应用及API威胁,聊聊F5 BIG-IP Next Web应用防火墙
有效抵御网络应用及API威胁,聊聊F5 BIG-IP Next Web应用防火墙
96 10
有效抵御网络应用及API威胁,聊聊F5 BIG-IP Next Web应用防火墙
|
1月前
|
容灾 网络协议 数据库
云卓越架构:云上网络稳定性建设和应用稳定性治理最佳实践
本文介绍了云上网络稳定性体系建设的关键内容,包括面向失败的架构设计、可观测性与应急恢复、客户案例及阿里巴巴的核心电商架构演进。首先强调了网络稳定性的挑战及其应对策略,如责任共担模型和冗余设计。接着详细探讨了多可用区部署、弹性架构规划及跨地域容灾设计的最佳实践,特别是阿里云的产品和技术如何助力实现高可用性和快速故障恢复。最后通过具体案例展示了秒级故障转移的效果,以及同城多活架构下的实际应用。这些措施共同确保了业务在面对网络故障时的持续稳定运行。
|
2月前
|
数据采集 JavaScript 前端开发
异步请求在TypeScript网络爬虫中的应用
异步请求在TypeScript网络爬虫中的应用

热门文章

最新文章