了解云容器实例云容器实例(Cloud Container Instance)

server/2024/9/23 7:53:36/

1.什么是云容器实例?

        云容器实例(Cloud Container Instance, CCI)服务提供 Serverless Container(无服务器容器)引擎,让您无需创建和管理服务器集群即可直接运行容器。

        Serverless是一种架构理念,是指不用创建和管理服务器、不用担心服务器的运行状态(服务器是否在工作等),只需动态申请应用需要的资源,把服务器留给专门的维护人员管理和维护,进而专注于应用开发,提升应用开发效率、节约企业IT成本。传统上使用Kubernetes运行容器,首先需要创建运行容器的Kubernetes服务器集群,然后再创建容器负载。

        云容器实例的Serverless Container就是从使用角度,无需创建、管理Kubernetes集群,也就是从使用的角度看不见服务器(Serverless),直接通过控制台、kubectl、Kubernetes API创建和使用容器负载,且只需为容器所使用的资源付费。 

图1 使用云容器实例 

2.云容器实例架构

        云容器实例提供Serverless Container服务,拥有多个异构的Kubernetes集群,并集成网络、存储服务,让您方便的通过控制台、kubectl、Kubernetes API创建和使用容器负载。

图2 产品架构 

  • 基于云平台底层网络和存储服务(VPC、ELB、NAT、EVS、OBS、SFS等),提供丰富的网络和存储功能。
  • 提供高性能、异构的基础设施(x86服务器、GPU加速型服务器、Ascend加速型服务器),容器直接运行在物理服务器上。
  • 使用安全容器提供虚拟机级别的安全隔离,结合自有硬件虚拟化加速技术,提供高性能安全容器。
  • 多集群统一管理,容器负载统一调度,使用上无需感知集群存在。
  • 基于Kubernetes的负载模型提供负载快速部署、弹性负载均衡、弹性扩缩容、蓝绿发布等重要能力。

3.应用场景

3.1大数据、AI计算

        当前主流的大数据、AI训练和推理等应用(如Tensorflow、Caffe)均采用容器化方式运行,并需要大量GPU、高性能网络和存储等硬件加速能力,并且都是任务型计算,需要快速申请大量资源,计算任务完成后快速释放。

        云容器实例提供如下特性,能够很好的支持这类场景。

  • 计算加速:提供GPU/Ascend等异构芯片加速能力
  • 大规模网络容器实例调度:支持大规模、高并发的容器创建和管理
  • 随启随用、按需付费:容器按需启动,按资源规格和使用时长付费

图3 大数据AI计算场景

3.2DevOps持续交付

        软件开发型企业,希望构建从代码提交到应用部署的DevOps完整流程,提高企业应用迭代效率。DevOps流程一般都是任务型计算,如企业CI/CD(持续集成/持续发布)流程自动化,需要快速申请资源,完成后快速释放。

        云容器实例提供如下特性,能够很好的支持这类场景。

  • 流程自动化:无需创建和维护集群,实现从CI/CD的全流程自动化
  • 环境一致性:以容器镜像交付,可以无差别地从开发环境迁移到生产环境
  • 随启随用、按需付费:容器按需启动,按资源规格和使用时长付费

 图4 DevOps持续交付

3.3高弹性业务

        业务波峰波谷较明显的业务,日常流量稳定,高峰期又需要快速扩展资源,并对成本有一定诉求,如视频直播、媒体资讯、电商、在线教育等应用。

        云容器实例提供如下特性,能够很好的支持这类场景。

  • 快速弹性伸缩:业务高峰时,业务能够快速从CCE弹性扩展到CCI,保障业务稳定运行
  • 低成本灵活计费:业务平稳期在CCE上包周期计费,节省成本;高峰期弹性扩容到CCI上,按需计费,高峰期结束后又可以快速释放资源,降低成本

图5 弹性扩展

3.4生物基因、药物研发等科学计算

        生物基因、药品研发等领域需要高性能、密集型计算,同时对成本较敏感,需要低成本、免运维的计算平台。科学计算一般都是任务型计算,快速申请大量资源,完成后快速释放。

云容器实例提供如下特性,能够很好的支持这类场景。

  • 高性能计算:提供高性能计算、网络和高I/O存储,满足密集计算的诉求
  • 极速弹性:秒级资源准备与弹性,减少计算过程中的资源处理环节消耗
  • 免运维:无需感知集群和服务器,大幅简化运维工作、降低运维成本
  • 随启随用、按需付费:容器按需启动,按资源规格和使用时长付费

图6 科学计算


http://www.ppmy.cn/server/120181.html

相关文章

YOLO系列,转载,优秀博客

yolo系列的发展史-CSDN博客 YOLO系列算法精讲:从YoloV1至YoloV8的进阶之路 【万字长文】看完这篇yolov4详解,那算是真会了_yolov4代码详解-CSDN博客 CSP Darknet53_cspdarknet53-CSDN博客

jmeter得到的文档数据处理

通过前面jmeter得到的输出文档,这里是txt文档,里面包含了很多条数据,每条数据的结构如下: 【request】 uuid:xxxxxxx timestamp:xxxxxxxx No.x question:xxxxxxx 【response】 code&#…

Qt:实现单例模式

前言 记录一下。 正文 单例模式根据实现方式和应用场景在Qt中可以分为以下几种类型: 1. 懒汉式单例 懒汉式单例在第一次使用时才创建实例,延迟了对象的初始化。懒汉式单例分为线程安全和线程不安全两种实现方式。 线程不安全的懒汉式单例&#xff1…

k8s中的存储

目录 一 configmap 1.1 configmap的功能 1.2 configmap的使用场景 1.3 configmap创建方式 1.3.1 字面值创建 1.3.2 通过文件创建 1.3.3 通过目录创建 1.3.4 通过yaml文件创建 1.3.5 configmap的使用方式 1.3.5.1 使用configmap填充环境变量 1.3.5.2 通过数据卷使用c…

Istio下载及安装

Istio 是一个开源的服务网格,用于连接、管理和保护微服务。以下是下载并安装 Istio 的步骤。 官网文档:https://istio.io/latest/zh/docs/setup/getting-started/ 下载 Istio 前往Istio 发布页面下载适用于您的操作系统的安装文件,或者自动…

【2020工业图像异常检测文献】SPADE

Sub-Image Anomaly Detection with Deep Pyramid Correspondences 1、Background 利用深度预训练特征的最近邻( kNN )方法在应用于整个图像时表现出非常强的异常检测性能。kNN 方法的一个局限性是缺乏描述图像中异常位置的分割图。 为了解决这一问题&a…

神经网络的公式推导与代码实现(论文复现)

神经网络的公式推导与代码实现(论文复现) 本文所涉及所有资源均在传知代码平台可获取 概述 本文将详细推导一个简单的神经网络模型的正向传播、反向传播、参数更新等过程,并将通过一个手写数字识别的例子,使用python手写和pytorch…

与转录组结合,开发下一代诊断技术,或许是医学AI领域的下一个热点|个人观点·24-09-21

小罗碎碎念 观点分享:科研本身是一件枯燥的事情,所以我们尽可能的去寻找一些同伴,也许前路的风景又会焕然一新。 今天所有的推文都围绕一个人展开——Faisal Mahmood。说实话,今天的状态并不好,写推文的感觉很不对&…