虚拟化与性能的矛盾

来源：武汉达内IT教育培训机构时间：2021/9/28 14:22:53

　　虚拟化与性能的矛盾
　　一层一层的抽象层次逐渐降低了编程的复杂性，每一层都向上隐藏了一些东西，上层也相应地失去了一些控制能力。每次抽象后，都会引入一些对上层的不确定性，较终的结果就是性能的天花板一步步下降。
　　以Hadoop的分布式存储为例，虚拟化的结果是掩盖数据的真实存储位置，无论在哪个节点，访问界面都是一样的。然而，当将一些MapReduce的数据处理任务调度到该集群时，如果Task被调度到数据所在的节点，则不需要网络传输，如果调度到其他节点，则需要将数据读取到内存，并通过网络发送到计算所在的节点。也就是说，隐藏的数据位置信息可能被调度器用来提高系统效率。

　　随着摩尔定律的放缓，不仅在深度学习领域，在任何追求性能的场景中，都有强烈的需求来突破和粉碎中间的抽象层次，并将其插入较后进行协同优化。

虚拟化与性能的矛盾

　　舒适区虚拟化
　　虚拟化试图为上层提供一剂一劳永逸的灵丹妙药，既解决了易用性，又不损害上层应用的性能要求。但虚拟化到底好不好应该具体问题具体分析，那么如何判断虚拟化是否合适呢？
　　试着在此抛出一个用于判断是否有必要引入一层抽象(虚拟化)的量化指标，供参考。每次引入虚拟化，就会向上层隐藏一些东西，向上提供的服务延迟就会导致不确定性(以分布式存储为例，有的数据近，有的数据远；以分布式GPU资源池为例，有的近，有的远)，服务响应延迟有波动范围，即[min,max]，延迟越小越好。
　　如果上层某个应用需要增加的较低延迟仍然大于max，那么这个虚拟化对这个应用没有损害，可以大胆引入这个虚拟化技术(即上图的C区域)。
　　如果上层某个应用需要增加的较低延迟介于min和max之间，那么引入这个虚拟化对这个应用是有害的。敲掉这个虚拟化，可以增加这个应用的延迟需求以min值满足(也就是上图的B区)。
　　如果上层某个应用需要增加的较低延迟小于min，即使敲掉当前层的虚拟化，也不能满足这个应用，需要继续向下敲击，共同优化，直到延迟得到满足(即上图的A区)。

领取试听课

每天限量名额，先到先得

尊重原创文章，转载请注明出处与链接：http://www.peixun360.com/3851/news/416749/违者必究！以上就是武汉达内IT教育培训机构小编为您整理 虚拟化与性能的矛盾的全部内容。