大数据&云计算|阿里云神龙Ⅲ：极限性能的探索之路
把时钟向回拨过半年 ， 2019年的双11购物狂节 ， 似乎和每年的双11没有什么不同 ， 依然是刷新着日订单世界纪录 ， 尽管54.4万笔/秒的订单量 ， 已经是2009年第一次双11的1360倍 ， 但这一切放在阿里巴巴身上 ， 就感觉是那么的理所应当 。
其实 ， 这个没有硝烟的战场背后 ， 却有着不同寻常的故事 ， 阿里巴巴早已悄悄将数以十万计的服务器迁移到了公有云上 ， 做到了核心系统100%跑在阿里云公共云上 。 而核心电商业务应用大规模部署在自研的神龙裸金属服务器上 ， 这亦是“神龙”首次经受真正意义上的大规模实战考验 。
我们都知道 ， 神龙云服务器的诞生是为了获得超越物理机的性能 ， 并兼有有虚拟机的体验 。 换言之 ， 神龙解决虚拟化损耗的初衷 ， 就是为了获得极致性能而来的 。
所以从2017年到2020年 ， 三代神龙服务器的架构迭代 ， 本质是就是对服务器性能极限的一次“冲刺” 。
本文插图
7月15日 ， 阿里云宣布推出第三代神龙云服务器 ， 与上一代相比 ， 第三代神龙云服务器的综合性能提升高达160% ， 比目前全球最顶级云服务器还要快30%以上 ， 整体算力全球最强 。
弹性的代价 ， 虚拟化之殇
从2006年 ， 亚马逊正式发布AWS算起 ， 公有云行业已经足足走过了14年 。 云计算从理念被接受 ， 到公有云形成互联网的技术洪流 ， 最近几年才到了企业客户上云的时代 。 我们知道 ， 企业客户本身通常有传统IT的基础 ， 它们对云的思考维度更多 ， 思维也更缜密 。
早期的公有云 ， 较为粗放的通过虚拟机来分配计算力 ， 但虚拟机的计算能力、平稳性、弹性由下沉的虚拟化软件 ， 而不是虚拟机来完成的 。 所以 ， 必然会导致资源争抢、算力损失、性能瓶颈 ， 同时也难以支持裸机服务 。
虚拟化固然是云计算的基础 。 软件定义的方式来管理数据中心的计算资源 ， 让云计算厂商可以根据企业需求输出计算能力 ， 但弹性能力的代价则是以牺牲性能损耗的形式来换取的 。
正是这些原因让当时的企业用户对公有云产生了一些排斥 ， 部分企业在尝试了上云之后 ， 又回归传统IT的怀抱 ， 但这绝非公有云之过 ， 而是虚拟化之殇 。
本文插图
阿里云弹性计算负责人张献涛说 ， 企业用户需要更强的计算性能、需要更快的网络接入、更高的存储读写能力 ， 存储的IOPS要高、网络的PPS要高、网络的带宽存储能力要高 。 解决所有这些问题的根源就在于变革虚拟化技术 。
在阿里云的成立之初 ， 也是采用了开源虚拟化软件XEN ， 做到了准虚拟化 ， 后来在2014年升级到KVM架构 ， 后者在在虚拟机和硬件之间加了一个软件层 ， Hypervisor ， 直接运行在物理硬件之上 ， 大幅降低了虚拟化性能损耗 。
但这并不足够 ， 一个大胆的想法 ， 慢慢在阿里内部滋生 。
三代神龙 ， 冲刺极限性能 2016年阿里云秘密启动了一项代号为“X-Dragon”的项目 ， 次年即推出了首款自研神龙云服务器第一代 。
神龙诞生的本质就是软硬融合的虚拟化技术 。 而最早的神龙第一代服务器 ， 还做不到追求真正的极致性能 。 它更多的是解决上云后如何支持裸机服务 ， 但是又不能是传统的物理机 ， 需要充分和云计算基础设施融合 。
本文插图
【大数据&云计算|阿里云神龙Ⅲ：极限性能的探索之路】
为了实现超越物理机的性能 ， 有虚拟机的体验 ， 阿里云设计了神龙MOC卡 ， 通过神龙芯片做高速数据面的转发 ， 并通过芯片加速引擎 ， 存储EBS、网络 ， 所有管控面的东西 ， 都下沉到芯片中 ， 让所有的接口都和虚拟机保持一致 。 最终实现了一张芯片其实解决所有问题 ， 物理机可以使用云存储、VPC网络、挂载本地盘的问题 。
推荐阅读
- 数据流|比亚迪M6用诊断仪无法读取TCU数据流检修
- 云计算|从互联网到AI崛起，上海能弯道超车吗？
- 技术编程|如何利用数据库进行世界史研究
- 行业互联网,AI人工智能|城市教育大脑以“ AI+ 大数据”为核心 , 引领教育变革
- 行业互联网,云计算|赛伯乐携手华为（重庆）人工智能创新中心聚焦AI前沿，助力企业数字化转型
- |如何分析“会员数据”，强化门店的竞争力？
- 数据|翼方健数解码隐私安全计算 实现数据“可用不可见”
- 云计算|腾讯云小微首次技术开放日，揭秘AI语音背后的奥秘
- 智慧城市|数据归心、AI赋能，打牢新型智慧城市建设基础
- 目标检测|数据民工也能移动办公了：目标检测标注App上线，分分钟创建私人数据集