分析阿里巴巴的微服务依赖图和性能-Toy模板网

这篇具有很好参考价值的文章主要介绍了分析阿里巴巴的微服务依赖图和性能。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

论文对阿里巴巴集群中部署的大规模微服务进行了全面的研究。他们分析了 7 天内 20,000 多个微服务的行为，并根据收集的 100 亿条调用跟踪来分析它们的特征。该论文获得SOCC 2021最佳论文奖。

他们发现：

根据他们的发现，他们提供了一些有关提高微服务运行时性能的实用技巧。他们还开发了一个随机模型来模拟微服务调用图依赖关系，并表明它近似于他们收集的数据集（可在https://github.com/alibaba/clusterdata获取）。

一个微服务运行在多个容器上。对前端微服务的调用会触发对其他微服务的调用，依此类推。在生成的调用图中，每条边将上游微服务 (UM) 连接到它调用的下游微服务 (DM)。呼叫的响应时间 (RT) 是 UM 呼叫其 DM 到收到响应之间的时间。

阿里巴巴集群使用Kubernetes来管理裸机。在线服务（例如微服务）和离线批处理作业共存于同一个裸机节点中，以提高资源利用率。有状态服务（即数据库和Memcached）部署在专用集群中。

微服务调用图的大小遵循重尾分布。大约 10% 的调用图由 40 多个微服务阶段组成。最大的调用图甚至可以包含数百到数千个微服务。对于包含超过 40 个微服务的调用图，其微服务中大约 50% 是 Memcached（MC）。

发现：

调用图变得更深，查询的缓存未命中率迅速增加。当数据在缓存中未命中时，查询将发送到数据库服务。
超过10%的微服务对的乘积>=5，这意味着阿里巴巴集群中很多微服务对具有很强的耦合依赖关系。
微服务调用率与 CPU 利用率和 Java 年轻代垃圾回收 (Young GC) 高度相关，但与内存利用率无关。这意味着与内存利用率相比，CPU 利用率和 Young GC 是微服务容器资源压力更好的指标。阿里巴巴微服务轨迹中大多数容器的内存利用率在运行时几乎稳定（方差小于 10%）。
由于主机 CPU 利用率较高，响应时间 (RT) 可能会大大缩短。当主机CPU利用率超过40%（或80%）时，微服务的RT平均下降20%（或30%）以上。
这些结果表明，大多数在线微服务对 CPU 干扰很敏感，强烈需要更高效的资源调度器，能够很好地平衡不同主机之间的 CPU 利用率。
跟踪显示，每分钟跨主机的 CPU 利用率差异可能高达 20%，这意味着有机会更好地平衡跨主机的批处理工作负载。

https://www.jdon.com/70550.html文章来源地址https://www.toymoban.com/news/detail-759867.html

到了这里，关于分析阿里巴巴的微服务依赖图和性能的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！