- 内容提要
- 前言
- 作者简介
- 封面简介
- 第1章 理解高性能 Python
- 第2章 通过性能分析找到瓶颈
- 2.1 高效地分析性能
- 2.2 Julia 集合的介绍
- 2.3 计算完整的 Julia 集合
- 2.4 计时的简单方法——打印和修饰
- 2.5 用 UNIX 的 time 命令进行简单的计时
- 2.6 使用 cProfile 模块
- 2.7 用 runsnakerun 对 cProfile 的输出进行可视化
- 2.8 用 line_profiler 进行逐行分析
- 2.9 用 memory_profiler 诊断内存的用量
- 2.10 用 heapy 调查堆上的对象
- 2.11 用 dowser 实时画出变量的实例
- 2.12 用 dis 模块检查 CPython 字节码
- 2.13 在优化期间进行单元测试保持代码的正确性
- 2.14 确保性能分析成功的策略
- 2.15 小结
- 第3章 列表和元组
- 第4章 字典和集合
- 第5章 迭代器和生成器
- 第6章 矩阵和矢量计算
- 第7章 编译成 C
- 第8章 并发
- 第9章 multiprocessing 模块
- 第10章 集群和工作队列
- 第11章 使用更少的 RAM
- 第12章 现场教训
文章来源于网络收集而来,版权归原创者所有,如有侵权请及时联系!
10.1 集群的益处
集群最明显的益处就是你能够轻易地扩展计算需求——如果你需要处理更多的数据或者得到更快的答案,你只要增加更多的机器(或“节点”)。
通过增加机器,你也能提高可靠性。每个机器组件有一定的失效概率,而设计良好的话,一定数量的组件失效就不会让整个集群停止工作。
集群也被用来创建动态扩展的系统。一种常见的使用场景就是集群化一组服务器来处理web请求或相关联的数据(例如,缩放用户照片、视频转码,或是语音转录),并且在一天中的某些时段里请求增加时,就激活更多的服务器。
只要机器激活时间足够快从而赶上处理需求变化的速度,动态扩容就是处理非均匀的应用模式的一种非常节约成本的方式。
集群化的更细微的收益就是集群能够按地理来分割,但还是受到中心化的控制。如果一个地理区域遭受断电(例如,洪水或电力损失),其他的集群还能继续工作,也许更多的处理单元被添加进来处理请求。集群也允许你运行在异构的软件环境上(例如,不同版本的操作系统和处理软件),这或许能够提高整体系统的鲁棒性——然而要注意那一定是一个专家级别的主题!
如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱,如果其他用户或者作者回复了您的评论,将不能在第一时间通知您!
发布评论