带你读《云原生机密计算最佳实践白皮书》——Apache_Teaclave_ Java_TEE_SDK 最佳实践(4)

简介: 带你读《云原生机密计算最佳实践白皮书》——Apache_Teaclave_ Java_TEE_SDK 最佳实践(4)

《云原生机密计算最佳实践白皮书》——05编程框架——Apache Teaclave Java TEE SDK: 面向Java生态的机密计算编程框架——Apache_Teaclave_ Java_TEE_SDK 最佳实践(3) https://developer.aliyun.com/article/1231434?groupCode=aliyun_linux




3.3 运行tests

cd /opt/javaenclave/test && ./run.sh
...........
.enter test case: org.apache.teaclave.javasdk.test.host.TestSMEnclave
exit test case: org.apache.teaclave.javasdk.test.host.TestSMEnclave
.enter test case: org.apache.teaclave.javasdk.test.host.TestSMEnclave
exit test case: org.apache.teaclave.javasdk.test.host.TestSMEnclave
.enter test case: org.apache.teaclave.javasdk.test.host.TestSMEnclave
exit test case: org.apache.teaclave.javasdk.test.host.TestSMEnclave
Time: 109.616
OK (16 tests)
Teaclave java sdk ut result: true

3.4 运行benchmark

cd /opt/javaenclave/benchmark

运行 Guomi Benchmark:

cd guomi && ./run.sh
REMEMBER: The numbers below are just data. To gain reusable insights, you need to follow up on
why the numbers are the way they are. Use profifilers (see -prof, -lprof), design factorial
experiments, perform baseline and negative tests that provide experimental control, make sure
the benchmarking environment is safe on JVM/OS/HW level, ask for reviews from the domain experts.
Do not assume the numbers tell you what you want them to tell.
Benchmark (enclaveServiceInstance) (smAlgo) Mode Cnt Score Error Units
GuoMiBenchMark.smBenchMark MOCK_IN_JVM SM2 avgt 4 39.032 ? 39.471 ms/op
GuoMiBenchMark.smBenchMark MOCK_IN_JVM SM3 avgt 4 8.656 ? 0.302 ms/op
GuoMiBenchMark.smBenchMark MOCK_IN_JVM SM4 avgt 4 3.410 ? 0.153 ms/op
GuoMiBenchMark.smBenchMark MOCK_IN_SVM SM2 avgt 4 31.899 ? 1.003 ms/op
GuoMiBenchMark.smBenchMark MOCK_IN_SVM SM3 avgt 4 10.755 ? 2.616 ms/op
GuoMiBenchMark.smBenchMark MOCK_IN_SVM SM4 avgt 4 4.515 ? 0.303 ms/op
GuoMiBenchMark.smBenchMark TEE_SDK SM2 avgt 4 36.113 ? 2.337 ms/op
GuoMiBenchMark.smBenchMark TEE_SDK SM3 avgt 4 11.331 ? 1.379 ms/op
GuoMiBenchMark.smBenchMark TEE_SDK SM4 avgt 4 10.292 ? 0.896 ms/op
GuoMiBenchMark.smBenchMark EMBEDDED_LIB_OS SM2 avgt 4 32.058 ? 14.033 ms/op
GuoMiBenchMark.smBenchMark EMBEDDED_LIB_OS SM3 avgt 4 10.380 ? 0.741 ms/op
GuoMiBenchMark.smBenchMark EMBEDDED_LIB_OS SM4 avgt 4 9.190 ? 0.488 ms/op
Benchmark result is saved to guomi_benchmark.json

运行 String Benchmark:

cd string && ./run.sh
REMEMBER: The numbers below are just data. To gain reusable insights, you need to follow up on
why the numbers are the way they are. Use profifilers (see -prof, -lprof), design factorial
experiments, perform baseline and negative tests that provide experimental control, make sure
the benchmarking environment is safe on JVM/OS/HW level, ask for reviews from the domain experts.
Do not assume the numbers tell you what you want them to tell.
Benchmark (enclaveServiceInstance) (stringOpt) Mode Cnt Score Error Units
StringBenchMark.stringBenchMark MOCK_IN_JVM regex avgt 4 2.788 ? 0.090 ms/op
StringBenchMark.stringBenchMark MOCK_IN_JVM concat avgt 4 2.692 ? 0.139 ms/op
StringBenchMark.stringBenchMark MOCK_IN_JVM split avgt 4 2.698 ? 0.129 ms/op
StringBenchMark.stringBenchMark MOCK_IN_SVM regex avgt 4 4.558 ? 0.084 ms/op
StringBenchMark.stringBenchMark MOCK_IN_SVM concat avgt 4 4.879 ? 0.200 ms/op
StringBenchMark.stringBenchMark MOCK_IN_SVM split avgt 4 5.595 ? 0.186 ms/op
StringBenchMark.stringBenchMark TEE_SDK regex avgt 4 5.377 ? 0.176 ms/op
StringBenchMark.stringBenchMark TEE_SDK concat avgt 4 5.269 ? 0.119 ms/op
StringBenchMark.stringBenchMark TEE_SDK split avgt 4 6.171 ? 0.403 ms/op
StringBenchMark.stringBenchMark EMBEDDED_LIB_OS regex avgt 4 4.104 ? 0.992 ms/op
StringBenchMark.stringBenchMark EMBEDDED_LIB_OS concat avgt 4 6.140 ? 0.278 ms/op
StringBenchMark.stringBenchMark EMBEDDED_LIB_OS split avgt 4 4.305 ? 0.585 ms/op
Benchmark result is saved to string_benchmark.json




《云原生机密计算最佳实践白皮书》——05编程框架——Apache Teaclave Java TEE SDK: 面向Java生态的机密计算编程框架——Apache_Teaclave_ Java_TEE_SDK 最佳实践(5) https://developer.aliyun.com/article/1231430?groupCode=aliyun_linux


相关文章
|
存储 Cloud Native 数据处理
从嵌入式状态管理到云原生架构:Apache Flink 的演进与下一代增量计算范式
本文整理自阿里云资深技术专家、Apache Flink PMC 成员梅源在 Flink Forward Asia 新加坡 2025上的分享,深入解析 Flink 状态管理系统的发展历程,从核心设计到 Flink 2.0 存算分离架构,并展望未来基于流批一体的通用增量计算方向。
561 0
从嵌入式状态管理到云原生架构:Apache Flink 的演进与下一代增量计算范式
|
运维 Cloud Native 云计算
云原生技术:探索未来计算的无限可能
【10月更文挑战第8天】 云原生技术,作为云计算领域的一次革新性突破,正引领着企业数字化转型的新浪潮。它不仅重塑了应用的构建、部署和运行方式,还通过极致的弹性、敏捷性和可扩展性,解锁了未来计算的无限潜力。本文将深入浅出地解析云原生技术的核心理念、关键技术组件及其在不同行业中的实际应用案例,展现其如何赋能业务创新,加速企业的云化之旅。
213 7
|
Cloud Native Serverless 数据中心
阿里云ACK One:注册集群支持ACS算力——云原生时代的计算新引擎
ACK One注册集群已正式支持ACS(容器计算服务)算力,为企业的容器化工作负载提供更多选择和更强大的计算能力。
|
Cloud Native Serverless 数据中心
阿里云ACK One:注册集群支持ACS算力——云原生时代的计算新引擎
阿里云ACK One:注册集群支持ACS算力——云原生时代的计算新引擎
432 10
|
运维 Cloud Native Serverless
Serverless Argo Workflows大规模计算工作流平台荣获信通院“云原生技术创新标杆案例”
2024年12月24日,阿里云Serverless Argo Workflows大规模计算工作流平台荣获由中国信息通信研究院颁发的「云原生技术创新案例」奖。
|
存储 SQL 监控
计算效率提升 10 倍,存储成本降低 60%,灵犀科技基于 Apache Doris 建设统一数据服务平台
灵犀科技早期基于 Hadoop 构建大数据平台,在战略调整和需求的持续扩增下,数据处理效率、查询性能、资源成本问题随之出现。为此,引入 [Apache Doris](https://doris.apache.org/) 替换了复杂技术栈,升级为集存储、加工、服务为一体的统一架构,实现存储成本下降 60%,计算效率提升超 10 倍的显著成效。
687 0
计算效率提升 10 倍,存储成本降低 60%,灵犀科技基于 Apache Doris 建设统一数据服务平台
|
IDE Java 分布式数据库
Apache HBase 落地JAVA 实战
Apache HBase 落地 Java 实战主要涉及使用 Java API 来操作 HBase 数据库,包括表的创建、删除、数据的插入、查询等操作。以下是一个基于 Java 的 HBase 实战指南,包括关键步骤和示例代码。
929 23
|
Kubernetes Cloud Native 开发者
探秘云原生计算:Kubernetes与Docker的协同进化
在这个快节奏的数字时代,云原生技术以其灵活性和可扩展性成为了开发者们的新宠。本文将带你深入了解Kubernetes和Docker如何共同塑造现代云计算的架构,以及它们如何帮助企业构建更加敏捷和高效的IT基础设施。
|
分布式计算 Java 大数据
大数据-147 Apache Kudu 常用 Java API 增删改查
大数据-147 Apache Kudu 常用 Java API 增删改查
205 1
|
运维 Cloud Native 云计算
云原生架构的演进:从微服务到无服务器计算
在数字化转型的浪潮中,云原生技术以其灵活性、可扩展性和成本效益性,成为推动现代软件开发和运维的关键力量。本文将探讨云原生概念的演变,特别是从微服务架构到无服务器计算的转变,揭示这一进化如何影响应用程序的开发、部署和管理。通过分析实际案例,我们旨在提供对云原生技术未来趋势的洞察,同时指出企业在这一转变过程中可能面临的挑战和机遇。
258 29

推荐镜像

更多