|
易于开发和维护： 一个微服务只会关注一个特定的业务功能，所以它业务清晰、代码量较少。 开发和维护单个微服务相对简单。而整个应用是由若干个微服务构建而成的，所以整个应用也会被维持在一个可控状态。
单个微服务启动较快： 单个微服务代码量较少， 所以启动会比较快。
局部修改容易部署： 单体应用只要有修改，就得重新部署整个应用，微服务解决了这样的问题。 一般来说，对某个微服务进行修改，只需要重新部署这个服务即可。
技术栈不受限：在微服务架构中，可以结合项目业务及团队的特点，合理地选择技术栈。例如某些服务可使用关系型数据库MySQL；某些微服务有图形计算的需求，可以使用Neo4j；甚至可根据需要，部分微服务使用Java开发，部分微服务使用Node.js开发。
微服务虽然有很多吸引人的地方，但它并不是免费的午餐，使用它是有代价的。使用微服务架构面临的挑战。
运维要求较高：更多的服务意味着更多的运维投入。在单体架构中，只需要保证一个应用的正常运行。而在微服务中，需要保证几十甚至几百个服务服务的正常运行与协作，这给运维带来了很大的挑战。
分布式固有的复杂性：使用微服务构建的是分布式系统。对于一个分布式系统，系统容错、网络延迟、分布式事务等都会带来巨大的挑战。
接口调整成本高：微服务之间通过接口进行通信。如果修改某一个微服务的API，可能所有使用了该接口的微服务都需要做调整。
重复劳动：很多服务可能都会使用到相同的功能，而这个功能并没有达到分解为一个微服务的程度，这个时候，可能各个服务都会开发这一功能，从而导致代码重复。尽管可以使用共享库来解决这个问题（例如可以将这个功能封装成公共组件，需要该功能的微服务引用该组件），但共享库在多语言环境下就不一定行得通了。
四、Serverless架构
当我们还在容器的浪潮中前行时，已经有一些革命先驱悄然布局另外一个云计算战场：Serverless架构。
大数据与HPC的结合衍生出了HPDA(High Performance Data Analysis,高性能数据分析)技术。IDC数据显示，目前有67%的HPC资源用于HPDA，而机器学习/深度学习、欺诈检测的需求就是其中较为典型的应用。大数据时代的到来将使HPDA应用成为HPC的下一个强力增长点。预计到2021年，全球HPC存储市场空间可达148亿美金，其中新兴的HPDA和HPC-based AI场景将以年化17%、29.5%的增速快速增长。
在最新发布的超级计算机TOP500榜单上，连续两届蝉联第一的Fugaku(富岳)超级计算机将其在新的混合精度HPC-AI基准上的性能提高到了2.0 exaflops，超过了6个月前1.4 exaflops的纪录。之所以日本方面非常强调这一指标，一定程度上反应了日本超级计算机的发展思路，即瞄准日趋丰富的AI场景化应用打造更高性能超算平台。这一技术构建趋势，很好匹配了IDC最新研究报告对于新兴HPDA和HPC-based AI场景应用的预测。
随着CPU、GPU等处理器性能的快速提升，以及多元化算力的融合发展，打造HPC的门槛和难度正在大幅降低，HPC从小众走向大众是必然趋势。HPC作为一种计算能力更强的平台，不仅作为数字经济时代和新基建的重要基础，继续在诸如科研、天文、能源、军事等方面继续发挥重要作用，同时在基因测序、气象科学、工业创新、大数据分析、智能医疗、深度学习、人脸识别等新兴领域，更广泛的服务于大众需求。
HPC前行的存储瓶颈
这是一个最好的时代，也是一个最坏的时代。
随着5G、大数据、AI等技术的快速发展，我们看到了HPC与大数据、AI的融合趋势，也坚定地认为，HPDA、HPC-based AI等新兴HPC场景将在各行各业全面开花，HPC普及化的时代已经到来。
然而，在CPU以摩尔定律为牵引快速提升性能的过程中，HPC发展却面临存储以及I/O速度与计算能力越来越不匹配所带来的“存储墙”问题。众所周知，在计算机发展过程中，CPU性能的增长是远高于存储性能和I/O性能的，这导致在计算机不断发展过程中，计算、存储、I/O 间的速度差距会越来越显著。
2014年某机构针对数据中心的性能调查显示，当年CPU性能增长52%，内存性能增长9%，I/O性能增长6%，而存储性能的提升最慢，因为这不仅与介质物理性能有关，还与存储协议有关，这种介质与协议的变化其实非常缓慢。存储性能落后于CPU、内存带宽性能，就意味着数据访问能力落后于数据的处理能力。
对高性能计算机而言，由于采用的是并行计算机体系架构，由多CPU和GPU级联打造的高性能并发算力，会如潮水一般涌入，使得“存储墙”问题更难以克服。最终导致的结果是，CPU空转等待存储器访问的时间占了很大比例，并行计算效率大幅下降。目前大规模并行计算机在实际应用中的效率只有5%左右，存储性能成为提升效率的最大制约。
随着HPDA、HPC-based AI等新兴场景应用的全面爆发，企业对于高性能、实时化的大数据分析需求将变得更加迫切。
（编辑：淮南站长网）
【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!
|
