【六六互联】长期出售【美国抗投诉服务器】【欧洲抗投诉服务器】【亚洲抗投诉服务器】

容器的整合推动了服务器选择

容器的整合推动了服务器的选择

虚拟化容器代表了一种相对较新的虚拟化方法,其允许企业的开发人员和IT团队将应用程序创建和部署为打包的代码和依赖在一起关系的实例——但容器共享相同的底层操作系统内核。容器对于高度可扩展的基于云的应用程序的开发和部署非常有吸引力

虚拟机整合一样,计算资源将对服务器可能承载的容器数量产生直接的影响,因此用于容器的服务器应提供足够数量的RAM和处理器内核。更多的计算资源通常会允许更多的容器。

但是大量的同步容器会给服务器带来严重的内部I/O挑战难题。每个容器必须共享一个通用的OS内核。这意味着可能有数十个甚至数百个容器试图与同一个内核进行通信,导致操作系统延迟过大,从而可能影响容器的性能。同样,容器通常作为应用程序组件部署,而不是完整的应用程序。这些组件容器必须相互通信,并根据需要进行扩展,以提高整体工作负载的性能。这会在容器之间产生巨大的——有时是不可预测的 ——API流量。在这两种情况下,服务器本身的I/O带宽限制以及应用程序的架构设计效率都会限制服务器可能成功托管的容器的数量。

当许多集装箱化的工作负载必须通过局域网或广域网与服务器之外进行通信时,网络I / O也可能造成潜在的瓶颈。网络瓶颈可能会降低对共享存储的访问速度,延迟对用户的响应,甚至导致工作负载错误。考虑容器和工作负载的网络需求,并为服务器配置足够的网络容量——既可以是一个快速的10 GbE端口,也可以是多个1 GbE端口,这些端口可以集中在一起,以提高速度和弹性。

大多数类型的服务器均能够托管容器,但是采用大容量容器的企业组织往往会选择采用刀片服务器来将计算容量与测量的I/O容量结合起来,将容器分散到多台刀片上以分配I/O负载。惠普企业公司(HPE)的ProLiant BL460c Gen10服务器刀片便是这类服务器的一个例子:其拥有多达26个处理器内核和2 TB DDR4内存。

可视化和科学计算会影响企业如何选择服务器

图形处理单元(GPU)越来越多地出现在服务器级别,以帮助执行从大数据处理和科学计算到更多与图形相关的任务(如建模和可视化)在内的数学密集型任务。GPU还使IT能够在受到更好保护的数据中心中保留和处理敏感、有价值的数据集,而不是让数据流向容易复制或被盗的业务终端。

容器的整合推动了服务器的选择

一般来说,对GPU的支持只需要在服务器中增加一款合适的GPU卡——对服务器的传统处理器、内存、I/O、存储、网络或其他硬件细节几乎没有影响。但是,企业级服务器中包含的GPU适配器通常比可用于桌面台式机或工作站的GPU适配器复杂得多。事实上,GPU越来越成为刀片系统的高度专业化模块。