极道
·
Metadata：分析阿里巴巴的微服务依赖图和性能
💡
原文中文，约1100字，阅读约需3分钟。
📝
内容提要
该论文研究了阿里巴巴集群中的大规模微服务部署，发现微服务图在运行时是动态的，调用图的大小遵循重尾分布。研究提供了提高微服务运行时性能的实用技巧，并开发了一个随机模型来模拟微服务调用图依赖关系。结果表明，微服务调用率与CPU利用率和Java年轻代垃圾回收高度相关，但与内存利用率无关。因此，需要更高效的资源调度器来平衡不同主机之间的CPU利用率。
🎯
关键要点
- 该论文研究了阿里巴巴集群中部署的大规模微服务，分析了7天内20,000多个微服务的行为。
- 微服务图在运行时是动态的，大多数图形像树一样分散生长。
- 调用图的大小遵循重尾分布，约10%的调用图由40多个微服务阶段组成。
- 最大的调用图可以包含数百到数千个微服务，50%的微服务是Memcached。
- 调用图变得更深时，查询的缓存未命中率迅速增加，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，表明许多微服务对具有强耦合依赖关系。
- 微服务调用率与CPU利用率和Java年轻代垃圾回收高度相关，但与内存利用率无关。
- 大多数容器的内存利用率在运行时几乎稳定，方差小于10%。
- 主机CPU利用率较高时，响应时间可能大幅缩短，超过40%时RT平均下降20%以上。
- 结果表明，在线微服务对CPU干扰敏感，需要更高效的资源调度器来平衡CPU利用率。
- 跟踪显示，每分钟跨主机的CPU利用率差异可达20%，有机会更好地平衡批处理工作负载。
➡️
