计算资源合并模式——云计算架构常用设计模式

2023-11-19

背景

    云计算的解决方案中,最初设计可能有意遵循关注点分离的设计原则,把操作分解为独立的计算单元以便可以单独托管和部署。然而,虽然这种策略可以帮助简化解决方案的逻辑实现,但是在同一个应用程序中要部署大量的计算单元,这会增加运行时的托管成本,并且使得系统管理复杂化。另外,这种方法也可能不是最合乎经济效益的解决方案,会导致系统空闲或低使用率。

目的

    将多个任务或操作合并为单一的计算单元的模式可以提高计算资源的利用率,降低云托管应用程序的计算成本和管理开销。

解决方案

    为了降低成本,提高利用率,提高通信速度,减轻管理工作,将多个任务或操作合并为一个计算单元就成为一种合理的方案。
    在云环境上,可以为计算单元指定CPU核心数、内存、硬盘等可以用资源。越多的资源被指定,成本就越高,处于经济考虑,可以根据不同的标准对任务进行分组合并,以满足应用程序对资源需求更高的弹性。当请求数较低时,资源相对空缺,可以减少指定的计算资源,而当请求数较多时,也可以动态的启动更多的计算资源,实现系统资源的弹性扩展。

考虑因素

  • 可扩展性和弹性:为了在计算单元层面启动和停止单元实例来实现可扩展性和弹性,应避免在同一计算单元对具有可扩展性要求冲突的任务进行分组;
  • 生命周期:云架构会定期回收托管的计算单元的虚拟环境,有必要对计算单元进行配置,防止他在任务完成之前被回收。也可以适用检查断点方法设计任务,是他们完全停止,并且能够在计算单元重启后从断点继续执行;
  • 发布节奏:如果频繁更改一个任务的实现或配置,那么停止、重新配置、重新部署然后重新托管更新代码的计算单元是必须的;
  • 安全性:同一个计算单元的任务共享安全上下文并且能够访问共享资源。这要求任务之间必须高度信任,并且确保一个任务不会对其他任务产生破坏或不利影响。另外,增加计算单元的任务数也就增加了计算单元的被攻击面,每个任务的安全性就跟漏洞最多的那个任务一样了;
  • 容错性:如果计算单元的一个任务失败或异常,他会影响运行在同一计算单元的其他任务;
  • 竞争性:避免在同一个计算单元的任务之间引入资源竞争;
  • 复杂性:组合多个任务到一个计算单元会增加代码的复杂度,可能使之难以测试和维护;
  • 逻辑结构稳定性:当任务实现稳定的代码逻辑时,即使运行的物理环境发生改变,他们也不需要改变;

适用情况

适用情况:

  • 可以对多个任务进行合并的计算单元,并且合并能够提高经济效率

不适用情况:

  • 任务必须独自运行在自己的环境中;
  • 不适用与执行关键的容错操作任务;
  • 不适合用于处理高敏感度任务和要求有自己的安全上下文的私有数据任务。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

计算资源合并模式——云计算架构常用设计模式 的相关文章

随机推荐

  • scrapy-单线程爬取并存入mwsql

    scrapy基本结构 爬取流程 定义随机请求头 抓取异步网页请参考 scrapy框架 基础结构加爬取异步加载数据的网址项目完整实例 items py class BooksItem scrapy Item define the fields
  • 任务五:使用LightGBM对数据进行分类并评估

    1 对前几部得到的特征进行分类 主要用到sklearn中的LightGBM进行评估 并用网格搜索进行参数调优 2 Lightgbm是2017年在当时的NeurIPS 当时为NIPS 上发表的论文 文中主要是相比于XGBoost LightG
  • 前端面试的话术集锦第 18 篇博文——高频考点(HTTP协议 & TLS协议)

    这是记录前端面试的话术集锦第十八篇博文 高频考点 HTTP协议 TLS协议 我会不断更新该博文 1 HTTP 请求中的内容 HTTP请求由三部分构成 分别为 请求行 首部 实体 请求行大概长这样GET images logo gif HTT
  • 基于QT学习,小部件自适应QMainWindow窗口的大小

    基于QT学习 小部件自适应QMainWindow窗口的大小 使用QT Creator创建桌面QT应用 QT5 网上找了许多资源发现都不是自己想要的效果 本文的方法是使用纯代码写的 未使用mainwindow ui画的 第一次写博客 直接贴代
  • 文心一言与GPT-4比对测试!

    Waitlist了三个星期 今天下午终于拿到了百度文心一言的体验资格 于是立刻展开测试 根据文心一言网页端信息显示 目前最新发版是4月1号的版本 版本号是v1 0 3 应该是从上个月16号发布会以后又做了两版迭代 根据文心一言自己的回答 可
  • OkHttp工具类在微服高并发场景中问题实践总结

    OkHttp工具类在微服高并发场景中问题实践总结 问题场景 我的应用是一个中间业务应用XXApp 一个交易请求进来需要依赖下游应用 采用http协议通讯方式 需要调用3 4次下游请求 老XXApp在生产上有大量Close wait问题 可以
  • 怎么用python画sin函数图像_如何使用python的matplotlib模块画正弦函数图像

    python是一个很有趣的语言 可以在命令行窗口运行 python中有很多功能强大的模块 这篇经验告诉你 如何利用python的matplotlib模块 绘制正弦函数y sin x 的图像 工具 原料 windows系统电脑一台 pytho
  • Android 实战项目分享(一)用Android Studio绘制贝塞尔曲线的艺术之旅

    一 项目概述 欢迎来到创意之源 我们精心打造的绘图应用程序将带你进入一个充满艺术和技术的奇妙世界 通过使用Android Studio 我们实现了绘制贝塞尔曲线的功能 让你能够轻松创作出令人惊叹的艺术作品 不论你是热爱绘画的大学生还是渴望学
  • SyntaxError: can't assign to operator

    变量名不能有
  • 计算机图像视频处理

    计算机图像视频处理 计算机视觉概论 计算机视觉概念 计算机图像处理 也即数字图像处理 Digital Image Processing 是指将图像信号转换成数字信号并利用计算机对其进行处理的过程 是通过计算机对图像进行去除噪声 增强 复原
  • CVPR 2018

    感谢阅读腾讯 AI Lab 微信号第 32 篇文章 CVPR 2018上涌现出非常多的优秀论文 腾讯 AI Lab 对其中精华文章归类与摘要 根据受关注程度 对生成对抗网络 视频分析与理解和三维视觉三大类论文进行综述 第一部分 生成对抗网络
  • 强网杯 2019]随便注 【SQL注入】四种解法

    题目简介 题目名称 强网杯 2019 随便注 1 题目平台 BUUCTF 题目类型 Web 考察知识点 SQL注入 解题步骤 方法一 首先启动并访问靶机 有一个输入框 随便输入1 or 1 1 测试一下是否存在sql注入 提交后提示erro
  • 前端八股文-Nodejs介绍,组成,架构和依赖,特点,运行环境安装,包和NPM,NPM包的版本管理,V8 引擎 和 libuv 库,BFF 中间层,服务端渲染,

    01 Node js介绍 前言 Node 的重要性已经不言而喻 很多互联网公司都已经有大量的高性能系统运行在 Node 之上 Node 凭借其单线程 异步等举措实现了极高的性能基准 此外 目前最为流行的 Web 开发模式是前后端分离的形式
  • 一文搞定Mysql+Navicat16长期免费直连数据库安装教程

    一 Mysql安装包的下载 这里下载的是mysql8版本 第一个安装包比较小 第二个安装包比较大 因为包含调试工具 我这里下载的是第一个 二 解压并配置安装目录 这里浏览器默认的下载路径是TempEdgeDownload 把解压后的文件夹移
  • Bison解析sql

    Bison文件组成 主要分为3部分 1 序言 Prologue 声明全局标识符 定义数据类型 变量和宏 包含头文件 等 声明 declarations 声明终结符 非终结符 运算符的优先级 符号语义值的各种类型 2 语法 Grammar r
  • 3500+人工智能公司“大阅兵”,地表最强AI人才都去了哪里

    图片来源 由无界AI生成 作者 Lightspeed 编译 椎名 编辑 Zuri 人人都想拥有属于自己的生成式AI工具 但是全球只有极少人 能够真正构建出大型语言模型 新的AI应用基础设施和支持技术 这不但需要一套新的 特殊的技术能力 更需
  • 非线性拟合lsqcurvefit、nlinfit

    问题 有些时候我们需要拟合一些非线性的表达式 比如 我们知道一个表达式的式子是y A sin x exp x B log x 现在我们手里面有x与y对应的一大把数据 我们如何根据x y的值找出最佳的A B值 则我们现在借助Matlab的函数
  • Java学习

    Java之AJAX概念和实现方式 开发工具与关键技术 MyEclipse 10 java 作者 刘东标 撰写时间 2019 06 12 1 概念 Asynchronous JavaScript And XML 异步的JavaScript和X
  • 睿智的seq2seq模型2——利用seq2seq模型实现英文到法文的翻译

    睿智的seq2seq模型2 利用seq2seq模型实现英文到法文的翻译 学习前言 seq2seq简要介绍 英文翻译到法文的思路 1 对英文进行特征提取 2 将提取到的特征传入到decoder 3 将 t 作为起始符预测第一个字母 4 逐个字
  • 计算资源合并模式——云计算架构常用设计模式

    背景 云计算的解决方案中 最初设计可能有意遵循关注点分离的设计原则 把操作分解为独立的计算单元以便可以单独托管和部署 然而 虽然这种策略可以帮助简化解决方案的逻辑实现 但是在同一个应用程序中要部署大量的计算单元 这会增加运行时的托管成本 并