Pagganap
Nangungunang pagganap sa industriya
Pangkalahatang-ideya
- Test suite ng 20 business file na may laki mula 0.05 MB hanggang 17 MB
- Karaniwang laki ng file = 3.74 MB
- Kabilang sa mga uri ng file ang: Excel, Word, Powerpoint, video, larawan, PDF, audio
- Isinagawa ang pagsubok laban sa v2.6.1 ng Halo
AKS
Ipinapalagay ng configuration ng cluster ang mga partikular na alokasyon ng memory at compute para sa mga container. Ang performance sa production ay palaging nakadepende sa laki at mga kumplikasyon ng mga file sa totoong mundo. Maaaring i-optimize ang mga configuration upang paboran ang throughput o bilis ng pagproseso ng file.
Para sa mga pagsubok na ito, itinakda ang mga sumusunod na request at limit sa mga pod.
| Serbisyo | Hiniling na CPU | Hiniling na memory | Limit ng CPU | Limit ng memory |
|---|---|---|---|---|
| Engine | 200m | 500Mi (524 MB) | 1 core | 1Gi (1.07 GB) |
| API | 1500m | 4Gi (4.29 GB) | 1500m | 4Gi (4.29 GB) |
Maliit
Batay sa isang node (1 x DS5_v2) sa isang Kubernetes cluster na binubuo ng:
- 10 Engines
- 16 virtual cores
- 56 GB memory
| Throughput | Mga file na naproseso | Naprosesong data |
|---|---|---|
| Bawat oras | 26,500 | 96 GB |
| Bawat araw | 635,000 | 2300 GB |
| Karaniwang bilis ng pagproseso | 136ms | |
| Rate ng tagumpay ng API | 99.999% |
Katamtaman
Batay sa 5 node (5 x DS4_v2) sa isang Kubernetes cluster na binubuo ng:
- 25 Engines
- 8 virtual cores bawat node, 40 kabuuan
- 28 GB memory bawat node, 140 kabuuan
| Throughput | Mga file na naproseso | Naprosesong data |
|---|---|---|
| Bawat oras | 54,800 | 200 GB |
| Bawat araw | 1,300,000 | 4800 GB |
| Karaniwang bilis ng pagproseso | 65ms | |
| Rate ng tagumpay ng API | 99.999% |
Malaki
Batay sa 5 nodes (5 x DS5_v2) sa isang Kubernetes cluster na binubuo ng:
- 50 Engines
- 16 virtual cores bawat node, 80 kabuuan
- 56 GB memory bawat node, 280 kabuuan
| Throughput | Mga file na naproseso | Naprosesong data |
|---|---|---|
| Bawat oras | 93,800 | 343 GB |
| Bawat araw | 2,250,000 | 8230 GB |
| Karaniwang bilis ng pagproseso | 38ms | |
| Rate ng tagumpay ng API | 99.999% |
OVA
Para sa mga pagsubok na ito, itinakda ang mga sumusunod na request at limit sa mga pod.
| Serbisyo | Hiniling na CPU | Hiniling na Memorya | Limit ng CPU | Limitasyon ng Memorya |
|---|---|---|---|---|
| Engine | 1300m | 3Gi (3.22 GB) | 1300m | 3Gi (3.22 GB) |
| Api | 1 core | 3Gi (3.22 GB) | 1 core | 3Gi (3.22 GB) |
Maliit
Batay sa isang maliit na VM (F16s_v2) na nagpapatakbo ng OVA, na binubuo ng:
| Throughput | Mga file na naproseso | Naprosesong data |
|---|---|---|
| Bawat oras | 9,150 | 33 GB |
| Bawat araw | 220,000 | 800 GB |
| Karaniwang bilis ng pagproseso | 392ms | |
| Rate ng tagumpay ng API | 99.999% |
- 3 Engine
- 16 virtual cores
- 32 GB memorya
Malaki
Batay sa isang malaking VM (F32s_v2) na nagpapatakbo ng OVA.
| Throughput | Mga file na naproseso | Naprosesong data |
|---|---|---|
| Bawat oras | 13,800 | 50 GB |
| Bawat araw | 331,400 | 1200 GB |
| Karaniwang bilis ng pagproseso | 260ms | |
| Rate ng tagumpay ng API | 99.999% |
- 13 Engines
- 32 virtual cores
- 64 GB memory
Mga pagkakaiba sa performance ng OVA kumpara sa Kubernetes
- Gumagamit ang OVA ng RKE kung saan ang Kubernetes control plane ay gumagamit din ng mga resource sa machine.
- Kailangang gumamit ang mga multi node cluster ng file share para sa pag-store ng mga file. Ang io sa share na ito ay magkakaroon ng overhead.
- Bagama't nililimitahan nito ang scalability, likas na magkakaroon ang OVA ng mas mabilis na network speeds sa pagitan ng mga service dahil nasa iisang machine lang ang lahat.