容器的整合推動(dòng)了服務(wù)器的選擇
虛擬化容器代表了一種相對(duì)較新的虛擬化方法，其允許企業(yè)的開(kāi)發(fā)人員和IT團(tuán)隊(duì)將應(yīng)用程序創(chuàng)建和部署為打包的代碼和依賴在一起關(guān)系的實(shí)例——但容器共享相同的底層操作系統(tǒng)內(nèi)核。容器對(duì)于高度可擴(kuò)展的基于云的應(yīng)用程序的開(kāi)發(fā)和部署非常有吸引力。
與虛擬機(jī)整合一樣，計(jì)算資源將對(duì)服務(wù)器可能承載的容器數(shù)量產(chǎn)生直接的影響，因此用于容器的服務(wù)器應(yīng)提供足夠數(shù)量的RAM和處理器內(nèi)核。更多的計(jì)算資源通常會(huì)允許更多的容器。
但是大量的同步容器會(huì)給服務(wù)器帶來(lái)嚴(yán)重的內(nèi)部I/O挑戰(zhàn)難題。每個(gè)容器必須共享一個(gè)通用的OS內(nèi)核。這意味著可能有數(shù)十個(gè)甚至數(shù)百個(gè)容器試圖與同一個(gè)內(nèi)核進(jìn)行通信，導(dǎo)致操作系統(tǒng)延遲過(guò)大，從而可能影響容器的性能。同樣，容器通常作為應(yīng)用程序組件部署，而不是完整的應(yīng)用程序。這些組件容器必須相互通信，并根據(jù)需要進(jìn)行擴(kuò)展，以提高整體工作負(fù)載的性能。這會(huì)在容器之間產(chǎn)生巨大的——有時(shí)是不可預(yù)測(cè)的 ——API流量。在這兩種情況下，服務(wù)器本身的I/O帶寬限制以及應(yīng)用程序的架構(gòu)設(shè)計(jì)效率都會(huì)限制服務(wù)器可能成功托管的容器的數(shù)量。
當(dāng)許多集裝箱化的工作負(fù)載必須通過(guò)局域網(wǎng)或廣域網(wǎng)與服務(wù)器之外進(jìn)行通信時(shí)，網(wǎng)絡(luò)I / O也可能造成潛在的瓶頸。網(wǎng)絡(luò)瓶頸可能會(huì)降低對(duì)共享存儲(chǔ)的訪問(wèn)速度，延遲對(duì)用戶的響應(yīng)，甚至導(dǎo)致工作負(fù)載錯(cuò)誤?？紤]容器和工作負(fù)載的網(wǎng)絡(luò)需求，并為服務(wù)器配置足夠的網(wǎng)絡(luò)容量——既可以是一個(gè)快速的10 GbE端口，也可以是多個(gè)1 GbE端口，這些端口可以集中在一起，以提高速度和彈性。
大多數(shù)類型的服務(wù)器均能夠托管容器，但是采用大容量容器的企業(yè)組織往往會(huì)選擇采用刀片服務(wù)器來(lái)將計(jì)算容量與測(cè)量的I/O容量結(jié)合起來(lái)，將容器分散到多臺(tái)刀片上以分配I/O負(fù)載?；萜掌髽I(yè)公司(HPE)的ProLiant BL460c Gen10服務(wù)器刀片便是這類服務(wù)器的一個(gè)例子：其擁有多達(dá)26個(gè)處理器內(nèi)核和2 TB DDR4內(nèi)存。
可視化和科學(xué)計(jì)算會(huì)影響企業(yè)如何選擇服務(wù)器
圖形處理單元(GPU)越來(lái)越多地出現(xiàn)在服務(wù)器級(jí)別，以幫助執(zhí)行從大數(shù)據(jù)處理和科學(xué)計(jì)算到更多與圖形相關(guān)的任務(wù)(如建模和可視化)在內(nèi)的數(shù)學(xué)密集型任務(wù)。GPU還使IT能夠在受到更好保護(hù)的數(shù)據(jù)中心中保留和處理敏感、有價(jià)值的數(shù)據(jù)集，而不是讓數(shù)據(jù)流向容易復(fù)制或被盜的業(yè)務(wù)終端。
一般來(lái)說(shuō)，對(duì)GPU的支持只需要在服務(wù)器中增加一款合適的GPU卡——對(duì)服務(wù)器的傳統(tǒng)處理器、內(nèi)存、I/O、存儲(chǔ)、網(wǎng)絡(luò)或其他硬件細(xì)節(jié)幾乎沒(méi)有影響。但是，企業(yè)級(jí)服務(wù)器中包含的GPU適配器通常比可用于桌面臺(tái)式機(jī)或工作站的GPU適配器復(fù)雜得多。事實(shí)上，GPU越來(lái)越成為刀片系統(tǒng)的高度專業(yè)化模塊。