陈少文的博客 陈少文的博客 ·

从 CPU 到网络记录一次排查应用慢的过程

💡 原文中文，约8800字，阅读约需21分钟。
📝

内容提要

本文记录了一次排查应用慢的过程，发现是应用 app-b 在 HPA 扩容调度时调度到了同一节点上，导致节点的网络 IO、CPU 使用剧增，影响到了应用 app-a。解决办法是利用 Pod 的反亲和性，将应用 app-a 和应用 app-b 从调度层隔离开来。

🏷️

标签

CPU K8s PyTorch 反亲和性 限流机制
➡️

继续阅读

  1. DNA折叠揭示疲劳密码：长新冠、ME/CFS、PTSD五种大病共用一套3D基因组网络
    东安格利亚大学等机构研究发现，长新冠、ME/CFS、PTSD、类风湿关节炎和多发性硬化五种疾病虽基因无重叠，但共享同一套3D基因组折叠网络，涉及免疫、线粒...
  2. GitHub Copilot应用初学者指南：同时运行多个代理
    GitHub播客解读AI新术语，如循环工程、束具、小队和开放权重，帮助开发者理解对话中的新词。同时介绍GitHub Copilot如何通过减少无效工作提升...
  3. Mini book: Next-Gen Architecture Playbook: Insights and Patterns for the AI Era
    This eMag examines how architects can lead with clarity in a rapidly evolving...
  4. Presentation: From S3 to GPU in One Copy: Rethinking Data Loading for ML Training
    Onur Satici explains how Vortex, an open-source columnar file format under th...
  5. CPU + GPU：为何AI平台工程是一个异构基础设施问题
    AI基础设施不应只关注GPU，而应视为CPU、内存、存储和网络协同工作的整体系统。平台团队需匹配各阶段资源需求，而非孤立优化GPU。通过Kubernete...
  6. Kubernetes虽已成熟，但AI使其再度令人望而生畏
    Kubernetes虽成熟，但首次采用仍具挑战，尤其AI工作负载带来GPU、突发流量等新需求。文章指出，启动集群容易，难在管理生产环境中的AI任务，如作业...
👤 个人中心
在公众号发送验证码完成验证