【ACK秒级部署】20万用户在10秒处理所有请求每个用户每秒5次请求

简介: 【ACK秒级部署】20万用户在10秒处理所有请求每个用户每秒5次请求


准备环境:MySQL、Redis、注册中心、RocketMQ、sentinel流控jar包部署、Jemter环境及脚本

注意事项:白名单、安全组、端口、镜像容器、压测脚本

压测场景:20万用户,在10秒处理完,每个用户每秒5次请求,共计一千万次请求,OPS是100万。

首先将项目打成jar包,然后在同层目录下创建Dockerfile文件,执行构建镜像容器,然后运行镜像容器进行测试项目能否正常运行。

创建Dockerfile:

# 使用openjdk:8作为基础镜像
FROM openjdk:8
# 将app.jar文件拷贝到/tmp目录下
COPY red-packet-rain-0.0.1.jar /tmp
# 设置工作目录为/tmp
WORKDIR /tmp
# 运行命令,启动Java应用程序
CMD java -jar red-packet-rain-0.0.1.jar

构建镜像容器:

docker build -t red-packet-rain-0.0.1.jar:1.0 .

运行镜像容器:

docker run --name red-packet-rain -p 8097:8097 red-packet-rain-0.0.1.jar:1.0

有红框标识出现说明正常启动了

浏览器访问:http://139.224.1.121:8097/api/v3/test

jemter压测受限的因素有很多,如果是本地机器运行jemter进行压测,主要受限于带宽。云服务器压测主要受限于云盘。由于我本地用的是手机热点,带宽不够,所以压不到过万的请求,更别说千万级别的请求了,所以将压测服务弄到云服务器上。

vim /etc/profile

将jdk和jemter添加到文件尾部:

export JAVA_HOME=/opt/jdk1.8.0_291
export JMETER_HOME=/opt/app/JMeter5.4.1/apache-jmeter-5.4.1
export PATH=$JMETER_HOME/bin:$PATH
export PATH=$JAVA_HOME/bin:$PATH

使其生效:

source /etc/profile

配置好相关的jemter压测文件,然后上传到云服务器上,执行以下命令

jmeter -n -t /opt/app/JMeter5.4.1/apache-jmeter-5.4.1/testpain/1.jmx -l  redtest1.jtl

推送到阿里云仓库文档:

https://cr.console.aliyun.com/repository/cn-shanghai/red_packet_rain/red_packet_rain/details

docker login --username=javaliaozhiwei registry.cn-shanghai.aliyuncs.com
docker tag [ImageId] registry.cn-shanghai.aliyuncs.com/red_packet_rain/red_packet_rain:[镜像版本号]
docker push registry.cn-shanghai.aliyuncs.com/red_packet_rain/red_packet_rain:[镜像版本号]

找另一台机器拉取镜像测试是否可用:

docker pull registry.cn-shanghai.aliyuncs.com/red_packet_rain/red_packet_rain:1.0

复制镜像容器

搜索ACK创建集群

文档与视频操作:https://help.aliyun.com/zh/ack/ack-managed-and-ack-dedicated/getting-started/getting-started-with-ack-using-kubectl?spm=a2c4g.11186623.0.0.72e11a99VUIajK

创建后不可用

分别看诊断结果

第一个问题是拉取镜像失败

判断应该是权限认证没有配置,使用免密组件拉取容器镜像,文档地址:

https://help.aliyun.com/zh/ack/ack-managed-and-ack-dedicated/user-guide/use-the-aliyun-acr-credential-helper-component-to-pull-images-without-using-secrets?spm=a2c4g.11186623.0.0.8dc32dbfDVQbco

第二个问题是Pod不满足调度约束无法被调度,在异常页面左边有一个节点池,点伸缩就可以扩容,伸缩是目标的节点数,不是伸缩多少台。2个节点只能有一个镜像容器,多了会提示资源不够,4个节点只能有3个镜像容器,多了也是一样提示资源不够,5个节点则是最多4个镜像容器,后面以此类推。

然后又提示Pod的Sandbox容器创建失败

容器网络FAQ文档地址:https://help.aliyun.com/zh/ack/ack-managed-and-ack-dedicated/user-guide/faq-about-container-networks

等待工单回复,后期继续更新


相关实践学习
深入解析Docker容器化技术
Docker是一个开源的应用容器引擎,让开发者可以打包他们的应用以及依赖包到一个可移植的容器中,然后发布到任何流行的Linux机器上,也可以实现虚拟化,容器是完全使用沙箱机制,相互之间不会有任何接口。Docker是世界领先的软件容器平台。开发人员利用Docker可以消除协作编码时“在我的机器上可正常工作”的问题。运维人员利用Docker可以在隔离容器中并行运行和管理应用,获得更好的计算密度。企业利用Docker可以构建敏捷的软件交付管道,以更快的速度、更高的安全性和可靠的信誉为Linux和Windows Server应用发布新功能。 在本套课程中,我们将全面的讲解Docker技术栈,从环境安装到容器、镜像操作以及生产环境如何部署开发的微服务应用。本课程由黑马程序员提供。     相关的阿里云产品:容器服务 ACK 容器服务 Kubernetes 版(简称 ACK)提供高性能可伸缩的容器应用管理能力,支持企业级容器化应用的全生命周期管理。整合阿里云虚拟化、存储、网络和安全能力,打造云端最佳容器化应用运行环境。 了解产品详情: https://www.aliyun.com/product/kubernetes
相关文章
|
10月前
|
存储 Kubernetes 对象存储
部署DeepSeek但GPU不足,ACK One注册集群助力解决IDC GPU资源不足
借助阿里云ACK One注册集群,充分利用阿里云强大ACS GPU算力,实现DeepSeek推理模型高效部署。
|
9月前
|
存储 Kubernetes 开发工具
使用ArgoCD管理Kubernetes部署指南
ArgoCD 是一款基于 Kubernetes 的声明式 GitOps 持续交付工具,通过自动同步 Git 存储库中的配置与 Kubernetes 集群状态,确保一致性与可靠性。它支持实时同步、声明式设置、自动修复和丰富的用户界面,极大简化了复杂应用的部署管理。结合 Helm Charts,ArgoCD 提供模块化、可重用的部署流程,显著减少人工开销和配置错误。对于云原生企业,ArgoCD 能优化部署策略,提升效率与安全性,是实现自动化与一致性的理想选择。
530 0
|
8月前
|
存储 Kubernetes 异构计算
Qwen3 大模型在阿里云容器服务上的极简部署教程
通义千问 Qwen3 是 Qwen 系列最新推出的首个混合推理模型,其在代码、数学、通用能力等基准测试中,与 DeepSeek-R1、o1、o3-mini、Grok-3 和 Gemini-2.5-Pro 等顶级模型相比,表现出极具竞争力的结果。
|
9月前
|
存储 Kubernetes 监控
K8s集群实战:使用kubeadm和kuboard部署Kubernetes集群
总之,使用kubeadm和kuboard部署K8s集群就像回归童年一样,简单又有趣。不要忘记,技术是为人服务的,用K8s集群操控云端资源,我们不过是想在复杂的世界找寻简单。尽管部署过程可能遇到困难,但朝着简化复杂的目标,我们就能找到意义和乐趣。希望你也能利用这些工具,找到你的乐趣,满足你的需求。
840 33
|
9月前
|
Kubernetes 开发者 Docker
集群部署:使用Rancher部署Kubernetes集群。
以上就是使用 Rancher 部署 Kubernetes 集群的流程。使用 Rancher 和 Kubernetes,开发者可以受益于灵活性和可扩展性,允许他们在多种环境中运行多种应用,同时利用自动化工具使工作负载更加高效。
489 19
|
9月前
|
存储 测试技术 对象存储
使用容器服务ACK快速部署QwQ-32B模型并实现推理智能路由
阿里云最新发布的QwQ-32B模型,通过强化学习大幅度提升了模型推理能力。QwQ-32B模型拥有320亿参数,其性能可以与DeepSeek-R1 671B媲美。
|
10月前
|
存储 Kubernetes 测试技术
企业级LLM推理部署新范式:基于ACK的DeepSeek蒸馏模型生产环境落地指南
企业级LLM推理部署新范式:基于ACK的DeepSeek蒸馏模型生产环境落地指南
525 12
|
10月前
|
人工智能 Kubernetes 异构计算
大道至简-基于ACK的Deepseek满血版分布式推理部署实战
大道至简-基于ACK的Deepseek满血版分布式推理部署实战
549 5
|
10月前
|
存储 人工智能 弹性计算
NVIDIA NIM on ACK:优化生成式AI模型的部署与管理
本文结合NVIDIA NIM和阿里云容器服务,提出了基于ACK的完整服务化管理方案,用于优化生成式AI模型的部署和管理。
|
10月前
|
边缘计算 调度 对象存储
部署DeepSeek但IDC GPU不足,阿里云ACK Edge虚拟节点来帮忙
介绍如何使用ACK Edge与虚拟节点满足DeepSeek部署的弹性需求。

热门文章

最新文章

推荐镜像

更多