ประสิทธิภาพ

ประสิทธิภาพชั้นนำของอุตสาหกรรม​

ภาพรวม​

• ชุดทดสอบของไฟล์ธุรกิจ 20 ไฟล์ ซึ่งมีขนาดตั้งแต่ 0.05 MB ถึง 17 MB
• ขนาดไฟล์เฉลี่ย = 3.74 MB
• ประเภทไฟล์ประกอบด้วย: Excel, Word, Powerpoint, วิดีโอ, รูปภาพ, PDF, เสียง
• การทดสอบดำเนินการกับ Halo เวอร์ชัน v2.6.1

AKS​

การกำหนดค่า cluster ตั้งอยู่บนสมมติฐานของการจัดสรรหน่วยความจำและทรัพยากรประมวลผลสำหรับ containers แบบเฉพาะเจาะจง ประสิทธิภาพในการใช้งานจริงจะขึ้นอยู่กับขนาดและความซับซ้อนของไฟล์ในโลกความเป็นจริงเสมอ การกำหนดค่าสามารถปรับให้เหมาะสมเพื่อเน้น throughput หรือความเร็วในการประมวลผลไฟล์ได้

สำหรับการทดสอบเหล่านี้ ได้ตั้งค่า requests และ limits ต่อไปนี้บน pods

ขนาดเล็ก​

อ้างอิงจากโหนดเดี่ยว (1 x DS5_v2) ในคลัสเตอร์ Kubernetes ซึ่งประกอบด้วย:

• 10 Engines
• 16 คอร์เสมือน
• หน่วยความจำ 56 GB

ปานกลาง​

อ้างอิงจาก 5 โหนด (5 x DS4_v2) ในคลัสเตอร์ Kubernetes ซึ่งประกอบด้วย:

• 25 Engines
• 8 คอร์เสมือนต่อโหนด รวมทั้งหมด 40
• หน่วยความจำ 28 GB ต่อโหนด รวมทั้งหมด 140

ขนาดใหญ่​

อ้างอิงจาก 5 โหนด (5 x DS5_v2) ในคลัสเตอร์ Kubernetes ซึ่งประกอบด้วย:

• 50 Engines
• 16 คอร์เสมือนต่อโหนด รวมทั้งหมด 80
• หน่วยความจำ 56 GB ต่อโหนด รวมทั้งหมด 280

OVA​

สำหรับการทดสอบเหล่านี้ ได้ตั้งค่า requests และ limits ต่อไปนี้บน pods

ขนาดเล็ก​

อ้างอิงจาก VM ขนาดเล็ก (F16s_v2) ที่รัน OVA ซึ่งประกอบด้วย:

• 3 Engines
• 16 คอร์เสมือน
• หน่วยความจำ 32 GB

ขนาดใหญ่​

อ้างอิงจาก VM ขนาดใหญ่ (F32s_v2) ที่รัน OVA.

• 13 Engines
• 32 virtual cores
• 64 GB memory

ความแตกต่างด้านประสิทธิภาพระหว่าง OVA กับ Kubernetes​

• OVA ใช้ RKE โดยที่ Kubernetes control plane ก็ใช้ทรัพยากรบนเครื่องด้วยเช่นกัน
• คลัสเตอร์แบบหลายโหนดจำเป็นต้องใช้ file share สำหรับจัดเก็บไฟล์ io กับ share นี้จะทำให้เกิด overhead
• แม้ว่าสิ่งนี้จะจำกัดความสามารถในการขยายระบบ แต่ OVA จะมีความเร็วเครือข่ายระหว่างบริการที่สูงกว่าโดยธรรมชาติ เนื่องจากทั้งหมดอยู่บนเครื่องเดียวกัน