《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》一2.1.4 运行容量管理

本文涉及的产品
日志服务 SLS,月写入数据量 50GB 1个月
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2章 ,第2.1.4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2章 ,第2.1.4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。

2.1.4 运行容量管理

大多数虚拟环境是短期的,这导致需要定期更新维护以及进行广泛的容量管理。下列工具会帮你简单地操作环境以及保持和维护环境。
1. VMware vCenter操作管理器
VMware vCenter操作管理器,或称vCOP,不仅提供优秀的实时环境状况信息,也可提供基础设施全部范围的规划和分析信息。
vCenter操作管理器的主面板,如图2-1所示,分成三块:Health、Risk和Efficiency。徽章表示环境今天的健康状况。控制板使用不同颜色,可以快速看到vSphere环境的问题所在。


image


除了主面板之外,vCOP还可以帮你预测基础设施将来的增长情况。该面板基于你的实际使用情况,并根据vCOP在一段时间收集的性能数据来进行推荐。vCenter操作的预测能力,如图2-2所示,不仅评估了用尽物理资源的剩余时间,还提供了一个关于可支持虚拟机数量的评估。这种在线的容量管理对于维护现有虚拟机的良好性能,同时提供用尽资源的可视能力至关重要。一旦资源被用尽,你的环境很可能出现性能下降。


image


在环境中使用vCenter操作管理器作为规划工具的一个优点是,它可以维护虚拟机和应用过去、现在和将来的视图,如图2-3所示。正如第1章所讨论的,当一个应用生成指标并衡量其性能时,vCenter操作管理器将维持虚拟机和虚拟基础设施的整个生命周期的历史图。


image


无论你在运行一个小的基础设施(用一组服务器和少量的虚拟机搭建),还是在监控千万个主机和虚拟服务器,这个工具会帮你深入了解历史并预测未来半年的情况。硬件购置周期较长,所以预先知道需要购买ESXi主机数量能帮助你满足容量需求。
vCOP的另一个优点是它和其他数据中心,如存储等基础设施组件中可插拔适配器的整合。有这类适配器的供应商可以把其平台相关的插件放入vCOP中,显示更多端对端数据中心视图,并利用强大的分析引擎优势。例如,存储供应商可以提供插件来提供其在vCOP中的性能可视性。联系你的服务器、存储和网络供应商,看它们是否提供vCOP的插件。
当使用vCenter Hyperic,vCenter操作管理套件的一部分时,vCOP也可以扩展为包含应用层面的可视性,提供超过80个企业级应用的视图。它提供了一个独有视角来监控物理和虚拟环境以及个人企业应用。这种能力的组合使vCOP成为一个强大的工具,不仅可以用于在线容量规划,还可以用于监控和维持环境中的良好性能。
2. VMware vCenter Log Insight
VMware最近引入了vCenter Log Insight,一个可以集成到vCenter操作管理器的工具,它以简单易用的界面提供了系统日志数据的可视性。系统日志数据在解决复杂问题时相当重要,但解决起来经常比较困难。vCenter Log Insight通过把多源的系统日志数据整合在单个界面中,来帮助解决这个复杂问题,使管理员可以快速方便地获得系统数据。从多源获得日志的时间减少意味着你可以花更多的时间解决实际问题。
虽然不是其他工具的替代品,但是vCenter Log Insight提高了收集日志的自动性、整合性、分析和搜索能力。一些vSphere基础设施组件自带导出日志到系统日志收集器的能力。整合这些数据中心组件上的日志使vCenter Log Insight能够过滤或呈现相应时间段内的事件,反过来还能帮助“连接点”。这可以帮助管理员快速找到解决方案。

相关文章
|
11天前
|
机器学习/深度学习 自然语言处理 前端开发
前端神经网络入门:Brain.js - 详细介绍和对比不同的实现 - CNN、RNN、DNN、FFNN -无需准备环境打开浏览器即可测试运行-支持WebGPU加速
本文介绍了如何使用 JavaScript 神经网络库 **Brain.js** 实现不同类型的神经网络,包括前馈神经网络(FFNN)、深度神经网络(DNN)和循环神经网络(RNN)。通过简单的示例和代码,帮助前端开发者快速入门并理解神经网络的基本概念。文章还对比了各类神经网络的特点和适用场景,并简要介绍了卷积神经网络(CNN)的替代方案。
|
1月前
|
机器学习/深度学习
YOLOv10优改系列一:YOLOv10融合C2f_Ghost网络,让YoloV10实现性能的均衡
本文介绍了YOLOv10的性能优化,通过融合Ghost模块和C2f结构,实现了网络性能的均衡。GhostNet通过GhostModule和GhostBottleNeck减少参数量,适用于资源有限的场景。YOLOv10-C2f_Ghost在减少参数和计算量的同时,保持了与原始网络相当或更好的性能。文章还提供了详细的代码修改步骤和可能遇到的问题解决方案。
125 1
YOLOv10优改系列一:YOLOv10融合C2f_Ghost网络,让YoloV10实现性能的均衡
|
18天前
|
存储 关系型数据库 MySQL
查询服务器CPU、内存、磁盘、网络IO、队列、数据库占用空间等等信息
查询服务器CPU、内存、磁盘、网络IO、队列、数据库占用空间等等信息
191 2
|
18天前
|
机器学习/深度学习 人工智能 算法
|
22天前
|
缓存 监控 前端开发
优化网络应用的性能
【10月更文挑战第21天】优化网络应用的性能
15 2
|
22天前
|
存储 C语言
数据在内存中的存储方式
本文介绍了计算机中整数和浮点数的存储方式,包括整数的原码、反码、补码,以及浮点数的IEEE754标准存储格式。同时,探讨了大小端字节序的概念及其判断方法,通过实例代码展示了这些概念的实际应用。
46 1
|
27天前
|
存储
共用体在内存中如何存储数据
共用体(Union)在内存中为所有成员分配同一段内存空间,大小等于最大成员所需的空间。这意味着所有成员共享同一块内存,但同一时间只能存储其中一个成员的数据,无法同时保存多个成员的值。
|
1月前
|
存储 弹性计算 算法
前端大模型应用笔记(四):如何在资源受限例如1核和1G内存的端侧或ECS上运行一个合适的向量存储库及如何优化
本文探讨了在资源受限的嵌入式设备(如1核处理器和1GB内存)上实现高效向量存储和检索的方法,旨在支持端侧大模型应用。文章分析了Annoy、HNSWLib、NMSLib、FLANN、VP-Trees和Lshbox等向量存储库的特点与适用场景,推荐Annoy作为多数情况下的首选方案,并提出了数据预处理、索引优化、查询优化等策略以提升性能。通过这些方法,即使在资源受限的环境中也能实现高效的向量检索。
|
1月前
|
存储 编译器
数据在内存中的存储
数据在内存中的存储
41 4
|
1月前
|
存储 Java
JVM知识体系学习四:排序规范(happens-before原则)、对象创建过程、对象的内存中存储布局、对象的大小、对象头内容、对象如何定位、对象如何分配
这篇文章详细地介绍了Java对象的创建过程、内存布局、对象头的MarkWord、对象的定位方式以及对象的分配策略,并深入探讨了happens-before原则以确保多线程环境下的正确同步。
53 0
JVM知识体系学习四:排序规范(happens-before原则)、对象创建过程、对象的内存中存储布局、对象的大小、对象头内容、对象如何定位、对象如何分配