Performa
Performa terdepan di industri
Ikhtisar
- Rangkaian pengujian berisi 20 file bisnis dengan ukuran mulai dari 0.05 MB hingga 17 MB
- Ukuran file rata-rata = 3.74 MB
- Jenis file meliputi: Excel, Word, Powerpoint, video, gambar, PDF, audio
- Pengujian dijalankan pada Halo v2.6.1
AKS
Konfigurasi cluster mengasumsikan alokasi memori dan komputasi tertentu untuk container. Kinerja produksi akan selalu bergantung pada ukuran dan kompleksitas file di dunia nyata. Konfigurasi dapat dioptimalkan untuk mengutamakan throughput atau kecepatan pemrosesan file.
Untuk pengujian ini, request dan limit berikut ditetapkan pada pod.
| Layanan | CPU yang diminta | Memori yang diminta | Batas CPU | Batas memori |
|---|---|---|---|---|
| Engine | 200m | 500Mi (524 MB) | 1 core | 1Gi (1.07 GB) |
| API | 1500m | 4Gi (4.29 GB) | 1500m | 4Gi (4.29 GB) |
Kecil
Berdasarkan satu node (1 x DS5_v2) dalam cluster Kubernetes yang terdiri dari:
- 10 Engine
- 16 core virtual
- Memori 56 GB
| Throughput | File yang diproses | Data yang diproses |
|---|---|---|
| Per jam | 26,500 | 96 GB |
| Per hari | 635,000 | 2300 GB |
| Kecepatan pemrosesan rata-rata | 136ms | |
| Tingkat keberhasilan API | 99.999% |
Sedang
Berdasarkan 5 node (5 x DS4_v2) dalam sebuah cluster Kubernetes yang terdiri dari:
- 25 Engines
- 8 core virtual per node, total 40
- 28 GB memori per node, total 140
| Throughput | File yang diproses | Data yang diproses |
|---|---|---|
| Per jam | 54,800 | 200 GB |
| Per hari | 1,300,000 | 4800 GB |
| Kecepatan pemrosesan rata-rata | 65ms | |
| Tingkat keberhasilan API | 99.999% |
Besar
Berdasarkan 5 node (5 x DS5_v2) dalam sebuah cluster Kubernetes yang terdiri dari:
- 50 Engines
- 16 core virtual per node, total 80
- 56 GB memori per node, total 280
| Throughput | File yang diproses | Data yang diproses |
|---|---|---|
| Per jam | 93,800 | 343 GB |
| Per hari | 2,250,000 | 8230 GB |
| Kecepatan pemrosesan rata-rata | 38ms | |
| Tingkat keberhasilan API | 99.999% |
OVA
Untuk pengujian ini, request dan limit berikut ditetapkan pada pod.
| Layanan | CPU yang diminta | Memori yang Diminta | Batas CPU | Batas Memori |
|---|---|---|---|---|
| Engine | 1300m | 3Gi (3.22 GB) | 1300m | 3Gi (3.22 GB) |
| Api | 1 core | 3Gi (3.22 GB) | 1 core | 3Gi (3.22 GB) |
Kecil
Berdasarkan VM kecil (F16s_v2) yang menjalankan OVA, terdiri dari:
| Throughput | File yang diproses | Data yang diproses |
|---|---|---|
| Per jam | 9,150 | 33 GB |
| Per hari | 220,000 | 800 GB |
| Kecepatan pemrosesan rata-rata | 392ms | |
| Tingkat keberhasilan API | 99.999% |
- 3 Engine
- 16 core virtual
- memori 32 GB
Besar
Berdasarkan VM besar (F32s_v2) yang menjalankan OVA.
| Throughput | File yang diproses | Data yang diproses |
|---|---|---|
| Per jam | 13,800 | 50 GB |
| Per hari | 331,400 | 1200 GB |
| Kecepatan pemrosesan rata-rata | 260ms | |
| Tingkat keberhasilan API | 99.999% |
- 13 Engines
- 32 virtual cores
- 64 GB memory
Perbedaan performa OVA vs Kubernetes
- OVA menggunakan RKE dengan control plane Kubernetes juga menggunakan resource pada mesin tersebut.
- Cluster multi-node perlu menggunakan file share untuk menyimpan file. io dengan share ini akan menimbulkan overhead.
- Meskipun membatasi skalabilitas, OVA secara inheren akan memiliki kecepatan jaringan yang lebih cepat antar layanan karena semuanya berada pada mesin yang sama.