物联网比较大的优势和劣势

这就是阿姆达尔定律(Amdahl'slaw ) ,当谈论并发代码性能的时候经常被引用。如果所有事情都能被并行,那么串行部分就为0,加速就是N,或者,如果串行部分是三分之一,即使有无限多的处理器,你也不会得到超过3的加速

尽管如此,这是一种很理想的情况。因为任务很少可以像方程式所需要的那样被无穷划分,并且所有事情都达到它所假设的CPU界限是很少出现的。正如你看到的,线程执行的时候会等待很多事情。

阿姆达尔定律中有一点是明确的,那就是当你为性能使用并发的时候,值得考虑总体应用的设计来最大化并发的可能性,并且确保处理器始终有有用的工作来完成。如果你可以减少“串行”部分或者减少线程等待的可能性,你就可以提高在有更多处理器的系统上的性能。或者,如果你可以为系统提供更多的数据,并且保持并行部分准备工作,就可以减少串行部分,增加性能P的值。

从根本上说,可扩展性就是当增加更多的处理器的时候,可以减少它执行操作的时间或者增加在一段时间内处理的数据数量。有时这两点是相同的(如果每个元素可以处理得更快,那么你就可以处理更多数据) ,但是并不总是一样的。在选择在线程间划分工作的方法之前,识别出可扩展性的哪些方面对你很重要是很必要的。

在这部分的开始我就提到过线程并不是总有有用的工作来做。有时它们必须等待别的线程,或者等待I/O操作完成,或者别的事情。如果在等待中你给系统一些有用的事情,你就可以有效的"隐藏等待。

8.4.3用多线程隐藏迟

在很多关于多线程代码性能的讨论中,我们都假设当它们真正在处理器上运行时,线程在"全力以赴的运行并且总是有有用的工作来做。这当然不是正确的,在应用代码中,线程在等待的时候总是频繁地被阻塞。例如,它们可能在等待一些I/O操作的完成,等待获得互斥元,等待另一个线程完成一些操作并且通知一个条件变量,或者只是休眠一段时间。

无论等待的原因是什么,如果你只有和系统中物理处理单元一样多的线程,那么有阻塞的线程就意味着你在浪费CPU时间。运行一个被阻塞的线程的处理器不做任何事情。因此,如果你知道一个线程将会有相当一部分时间在等待,那么你就可以通过运行一个或多个附加线程来使用那个空闲的CPU时间。

考虑一个病毒扫描应用,它使用管道在线程间划分工作。第一个线程搜索文件系统来检查文件并且将它们放到队列中。同时,另一个线程获得队列中的文件名,载入文件,并且扫描它们的病毒。你知道搜索文件系统的文件来扫描的线程肯定会达到I/O界限,因此你就可以通过运行一个附加的扫描线程来使用“空闲的"CPU时间。那么你就有一个搜索文件线程,以及与系统中的物理核或者处理器相同数量的扫描线程。因为扫描线程可能也不得不从磁盘读取文件的重要部分来扫描它们,拥有更多扫描线程也是很有意义的。但是在某个时刻会有太多线程,系统会再次慢下来因为它花了更多时间切换程序,正如8.2.5节所描述的。


 

迈向自动运营数据中心

因此，随着时间的推移，数据中心基础设施变得更加自动化、智能化和软件化。随着系统变得越来越广泛和复杂，离真正的自动驱动的数据中心越来越近。人们已经从各种供应商的产品和服务中得到了这方面的提示。HPE公司的两个可组合基础设施产品Synergy和Composable Rack采用了自动驱动模式。

支持HPE Primera存储与InfoSight AI集成以及机器学习分析，将人工智能驱动的智能带入组织的可组合基础设施产品。

基于人工智能的InfoSight-HPE用于监视和分析其系统的智能服务，可以支持两个系统。InfoSight以前仅监视Synergy和Composable Rack的计算资源，但是由于这两个可组合的基础设施产品现在支持HPE公司的Primera存储平台，该平台也属于InfoSight，因此它们现在还具有存储资源智能功能。

VMware公司还在vRealize AI方面在自动化和智能数据中心方面开展了艰难的工作，这被称为组织自动驱动数据中心愿景的第一部分。VRealize AI是一个智能的SaaS平台，它使用人工智能技术来支持自动调整，从而使VMware系统更加高效。

新服务目前处于技术预览中。但是VMware公司承诺一旦发布，vRealize AI引擎将自行运行、管理和调整性能。

IT基础设施中的自动驱动功能已经成为现实。随着系统变得更加智能、自动化和软件驱动，人们将继续朝着自动驱动的数据中心的目标迈进。IT基础设施将具有自我诊断和自我修复功能，有助于简化运营，减少人为错误，并释放IT资源，从而专注于更多创新机会。

显然，自动驱动的数据中心是未来的发展方向，而其实现只是一个时间问题。

（编辑：宜春站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!