云服务器产能过剩吗

最终形成的一个云原生的大规模数据分析平台。 刚刚提到,数据驱动是字节跳动的重要技术理念,每天我们有数十PB的新增数据,有数万多人要从各种维度各种细节,对这些数据进行分析。这里面就有很多性能问题、实时问题需要解决,背后就是靠ByteHouse支持的。 目前为止,ByteHouse几乎服务于字节内所有的业务线,也是ABI系统、UBA系统、画像系统、A/B测试等分析系统的核心引擎。整体规模达到了三万台服务器,每天查询有几千万次。 面对刚才说...

是因为离线任务如果使用常规云服务器,往往难以合理利用节点资源、产生浪费:* **不同任务对于计算资源(CPU、内存等)的需求差异较大**:由于云服务器的 CPU、内存规格情况较为固定,很多时候提供的云资源和实际需要的云资源难以“完美匹配”,从而出现计算资源过剩(同时也无法被其他任务利用),导致整体资源装箱率较低;* **不同离线任务运行的启动和结束时间不同**:这会导致云服务器产生资源“碎片”,即小块未被利用的资源...

云服务器规格越大,所需要预留的计算资源也会越多,造成的资源闲置浪费情况也越严重。**离线任务难以合理利用节点资源**:这个问题有以下三种常规场景:* 首先,不同任务对于计算资源(CPU、内存等)的需求差异较大,而受限于云服务器较为固定的 CPU、内存规格情况,难以实现“完美匹配”,从而极为可能导致某些计算资源在特定云服务器节点上过剩,但却无法被其他任务利用,从而导致整体资源装箱率较低;* 其次,不同离线任务运行的...