使用.NET Core搭建分布式音频效果处理服务(七)使用Docker压榨性能极限-阿里云开发者社区

开发者社区> 云原生> 正文

使用.NET Core搭建分布式音频效果处理服务(七)使用Docker压榨性能极限

简介: Docker相信很多朋友都使用过,做微服务比虚拟机还好用。   需要安装的一些东西 ffmpeg: docker pull ffmpeg dotnet: docker pull dotnet 默认全是latest最新即可,具体怎么配置网上搜索一下即可。

Docker相信很多朋友都使用过,做微服务比虚拟机还好用。

 

需要安装的一些东西

ffmpeg:

docker pull ffmpeg

dotnet:

docker pull dotnet

默认全是latest最新即可,具体怎么配置网上搜索一下即可。

 

调用用REST? 还是用RPC?

微服务之间的接口调用通常包含两个部分,序列化和通信协议。常见的序列化协议包括json、xml、bytes等;通信比较流行的是http、soap、websockect,RPC通常基于TCP实现,常用框架例如dubbo,netty、thrift。

REST:严格意义上说接口很规范,操作对象即为资源,对资源的四种操作(post、get、put、delete),并且参数都放在URL上。

RPC:即我们常说的远程过程调用,就是像调用本地方法一样调用远程方法,通信协议大多采用二进制方式。

一般来说,对内选择rpc,因为他是直接基于TCP/IP协议通讯,性能要好很多。对外选择REST,因为他是更规范的、更标准的、更通用的、更简单的。

但是对于追求较高性能的RPC,会消耗额外很多成本,因此有时候对内一般也采用REST。

因此,笔者为了偷懒o(∩_∩)o ,在这个项目中选择REST,而抛弃RPC那臃肿的调用方式。

 

发布你的应用

dotnet 已经完全可以跨平台,但是如果直接用bin下面将文件夹拷贝到指定的地方,那么你将得到无数抓狂的错误,这是因为netcore和 net framewor本身的不同而造成,前者提供的是基础平台、让使用者自行去开发和扩展相应模块、且开源,而后者是所有东西都已经为你打包到他的集合中去了,你只管调用NET系统根目录中相应的库即可。

比如你需要发布到linux平台,进入你的项目主目录。执行:

dotnet publish -r linux-x64

注意:从dotnet core 2.1开始,发布的时候已经不再需要先还原源码包(dotnet restore)。

进入到publish文件夹(一般在bin下),你会发现多了一些runtime库和一些你根本就没引用的库,这样才能有效的在其他操作系统上直接运行。

 

运行你的应用

你可以通过主机docker命令并附加子命令来运行docker内的dotnet程序,例如这样:

docker run -dit \
-p 50532:80 \
-v /home/dotnet/Service:/wwwroot \
-w /wwwroot \
--restart always \
--name dotnet_service \
6d25f57ea9d6 \
dotnet Service.Web.Api.dll

-p:内外端口映射

-v:内外路径映射

-w:工作目录

6d25f....:你的dotnet镜像名称。

但笔者启动的程序需要附带大量的参数,而且不喜欢这样通过docker宿主进行命令输入,启动中有没有报错不能及时反馈(docker启动镜像返回的是一组hash代码,不会返回程序的的任何启动信息,需要通过docker log查阅),这样就变成如下操作:

进入在docker中的dotnet容器(成功运行镜像后都会成为一个容器),找到与你项目相关的主程序集文件,例如笔者是Service.Web.Api.dll,执行dotnet Service.Web.Api.dll(当然你也可以附带一大堆的启动参数,例如笔者这样)便可以运行这个项目。

dotnet Service.Web.Api.dll
--ASPNETCORE_ENVIRONMENT=Development
--ASPNETCORE_URLS=http://localhost:5052
--USE_CONTENTS_DIRECTORY=/home/netcore.MicroService/src/Service.Web.Api

小技巧:linux上面SSH相信大家有耳熟能详,但是一旦关闭控制台,运行的后台也将随之关闭,我们可以通过安装screen建立一个虚拟子屏幕,以保证shell程序在后台能一直运行下去。

 

保存你的netcore容器到镜像

如果我们需要在一台服务器上面建几十个docker容器,每一个都像上面那样进行一步一步的手动输入,那不是要崩溃...

我们保存一个已经在运行的容器,修改他子程序的运行参数,例如修改映射端口号,就可以实现快速的多个相同镜像的目的。使用命令:

docker commit c16378f943fe service_media

c1637...:这是笔者这边已经在运行的容器实例。

接下来再执行“运行你的应用”中的命令,将外部映射端口改成你想要的端口号,不断的重复这个操作,即可在同一台服务器上运行多个实例。

 

为何要选择docker进行实例运行

有的朋友也许不明白为何要这样做重复的操作,直接用dotnet自带的宿主,复制多条相同的命令,修改端口号一样也能达到如上的需求。

是的,这样的确也可以在同一台服务器上运行多个主机宿主实例,但是,他们并没有隔离。

对,就是这个词语----隔离:

说到这个词语可以牵涉一堆专业术语,而笔者又不想太多去复制太官方的东西,喜欢用白话文介绍自己所理解的内容。

当所有的子程序都运行在主机(非docker)下,内存分配,IO读取,系统底层调用等等一些处理,都会交给主机操作系统执行,这样会存在一定的风险。而docker虽然运行在主机之上,可他却有一套自己的底层进行处理,这样带来第一层隔离,其次,运行在docker容器内的程序,容器本身也是一个操作系统,不外乎是被建立镜像的时候将操作系统进行了大范围的瘦身,只保留该TAG需要的LIB就行,这样又做了一层隔离。

具体详细的隔离架构,朋友们可网上搜一搜,很多的。

 

运行多个docker dotnet core镜像

上面噼里啪啦的说了一大堆,其实就是一张图片就解释的事情:

笔者用了三台服务器做处理服务,每台上面运行相同的docker实例32个,总共3*32=96个实例(全傻瓜式的水平扩展),通过客户端模拟100个请求,得到结论如下:

反而比单机模拟6台服务器性能降低了3%-6%,但是:

1:单机一次请求是8个,而在该系统测试中,一次请求是100个。

2:单次时间变长,是因为服务器的U比本地测试的U的主频低,但是核心却是本地U的4倍。

这样一来,其实整体性能会随着服务器的数量的添加而增加,根据业务需求而定吧,就说目前某度云的视频转换最高请求也就是几千左右,如果真有那个量级,傻瓜式的增加服务器就行了。

 

本系列完,感谢阅读

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
云原生
使用钉钉扫一扫加入圈子
+ 订阅

云原生时代,是开发者最好的时代

其他文章