


pengenalan
Dalam artikel bahagian 12 siri kami, kami meneroka cara membangunkan dan menggunakan fungsi Lambda dengan Masa Jalan Tersuai yang mengandungi Imej Asli GraalVM dengan masa jalan GraalVM 22 yang dicipta daripada aplikasi Spring Cloud Function AWS. Dalam bahagian 13 kami mengukur prestasi (permulaan sejuk dan hangat) fungsi Lambda sedemikian dengan memori 1024 MB.
Dalam artikel ini, kami akan mengukur prestasi (permulaan sejuk dan hangat) fungsi Lambda menggunakan pendekatan ini dengan tetapan memori berbeza antara 256 dan 1536 MB untuk meneroka pertukaran antara kos dan prestasi.
Mengukur permulaan sejuk dan hangat fungsi Lambda dengan Masa Jalan Tersuai yang mengandungi Imej Asli GraalVM dengan tetapan memori yang berbeza
Kami akan menggunakan semula percubaan sama yang diterangkan dalam bahagian 13 siri artikel ini tetapi dengan tetapan memori yang berbeza antara 256 dan 1536 MB.
Berikut ialah hasil percubaan:
Masa mula sejuk (c) dan hangat (m) dalam ms:
Memory setting | c p50 | c p75 | c p90 | c p99 | c p99.9 | c max | w p50 | w p75 | w p90 | w p99 | w p99.9 | w max |
---|---|---|---|---|---|---|---|---|---|---|---|---|
256 MB | 1634.84 | 1659.54 | 1691.35 | 1778.03 | 1785.15 | 1785.7 | 6.56 | 6.99 | 7.63 | 18.33 | 372.54 | 857.7 |
512 MB | 1244.44 | 1278.48 | 1313.45 | 1414.28 | 1421.36 | 1421.94 | 6.66 | 7.10 | 7.94 | 25.41 | 181.86 | 414.99 |
768 MB | 1111.53 | 1126.07 | 1139.66 | 1192.08 | 1202.86 | 1203.07 | 6.58 | 6.93 | 7.48 | 12.46 | 115.18 | 278.91 |
1024 MB | 1051.03 | 1061.58 | 1080.86 | 1119.34 | 1149.45 | 1230.28 | 6.45 | 6.77 | 7.33 | 12.50 | 90.92 | 218.17 |
1280 MB | 1022.02 | 1035.39 | 1058.41 | 1065.76 | 1104.64 | 1174.79 | 6.58 | 6.96 | 7.54 | 12.37 | 70.77 | 271.13 |
1536 MB | 1009.83 | 1029.20 | 1048.41 | 1161.32 | 1116.24 | 1148.24 | 6.66 | 7.04 | 7.75 | 12.08 | 63.03 | 215.62 |
Kesimpulan
Dalam artikel ini, suhu dan sejuk yang diukur bermula bagi fungsi Lambda menggunakan Masa Jalan Tersuai yang mengandungi Imej Asli GraalVM dengan masa jalan GraalVM 21 yang dicipta daripada aplikasi Spring Cloud Function AWS yang diperkenalkan dalam bahagian 12 yang mempunyai tetapan memori berbeza antara 256 dan 1536 MB.
Kami melihat perkara yang serupa seperti yang diterangkan dalam artikel Fungsi Lambda Tulen dengan Imej Asli GraalVM - Mengukur permulaan sejuk dan hangat menggunakan tetapan memori Lambda yang berbeza. Masa mula panas adalah sangat hampir antara satu sama lain juga dengan tetapan memori fungsi Lambda yang lebih rendah seperti 256 atau 512 MB di mana perbezaannya kelihatan terutamanya untuk persentil tinggi (>= p90). Masa mula sejuk agak tinggi untuk 256 dan 512 MB dan bermula dari 768 MB memori ia berkurangan sedikit sahaja dengan memberikan Lambda lebih banyak memori, tetapi tanpa sebarang perbezaan ketara untuk memori yang lebih besar daripada 1024 MB. Bergantung pada keperluan prestasi anda, anda boleh memberikan Lambda kurang memori daripada 1024 MB seperti yang kami berikan pada mulanya dalam aplikasi sampel dan mempunyai pertukaran prestasi harga yang sangat baik dengan 768 MB atau lebih kurang memori.
Kami juga berkongsi pemerhatian yang sama seperti yang diterangkan dalam kesimpulan bahagian 13. Apabila kami membandingkan masa mula sejuk dengan yang diukur dalam artikel Fungsi Lambda Tulen dengan Imej Asli GraalVM - Mengukur permulaan sejuk dan hangat menggunakan tetapan memori Lambda yang berbeza ( di mana fungsi Lambda tidak menggunakan sebarang rangka kerja seperti Spring Boot), kami melihat nilai kira-kira 0.5-0.6 saat lebih rendah untuk setiap persentil apabila menggunakan fungsi Lambda tulen. Saya secara peribadi berpendapat bahawa sampel aplikasi Spring Boot 3 saya mempunyai beberapa potensi pengoptimuman kerana saya tidak dapat menjelaskan perbezaan yang begitu besar dalam masa mula sejuk antara mereka. Jangkaan saya (mungkin naif) ialah penggunaan rangka kerja Spring Boot 3 dengan imej AWS Lambda dan GraalVM Native hanya boleh membawa kepada 0.2-0.3 masa mula sejuk yang lebih tinggi berbanding dengan penggunaan fungsi Lambda tulen.
Pada masa penerbitan artikel ini, versi rangka kerja dan alatan yang lebih baharu telah tersedia (masa jalan GraalVM 23, Spring Boot 3.4 dan kemas kini versi pustaka Spring Cloud Function) supaya anda membuat perubahan versi dan menyusun semula GraalVM Native imej mengikut arahan dari bahagian 2 siri dan ukur semula prestasi. Saya juga tidak lama lagi akan menerbitkan ukuran baharu dengan versi ini dan menaik taraf aplikasi contoh.
Atas ialah kandungan terperinci Aplikasi Spring Boot pada AWS Lambda - Bahagian Mengukur sejuk dan hangat bermula dengan tetapan Imej Asli dan memori GraalVM. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Loader kelas memastikan konsistensi dan keserasian program Java pada platform yang berbeza melalui format fail kelas bersatu, pemuatan dinamik, model delegasi induk dan bytecode bebas platform, dan mencapai kemerdekaan platform.

Kod yang dihasilkan oleh pengkompil Java adalah platform bebas, tetapi kod yang akhirnya dilaksanakan adalah platform khusus. 1. Kod sumber Java disusun ke dalam bytecode bebas platform. 2. JVM menukar bytecode ke dalam kod mesin untuk platform tertentu, memastikan operasi silang platform tetapi prestasi mungkin berbeza.

Multithreading adalah penting dalam pengaturcaraan moden kerana ia dapat meningkatkan respons program dan penggunaan sumber dan mengendalikan tugas serentak yang kompleks. JVM memastikan konsistensi dan kecekapan multithreads pada sistem operasi yang berbeza melalui pemetaan benang, mekanisme penjadualan dan mekanisme kunci penyegerakan.

Kemerdekaan platform Java bermaksud bahawa kod yang ditulis boleh dijalankan di mana -mana platform dengan JVM dipasang tanpa pengubahsuaian. 1) Kod sumber Java dikumpulkan ke dalam bytecode, 2) bytecode ditafsirkan dan dilaksanakan oleh JVM, 3) JVM menyediakan fungsi pengurusan memori dan pengumpulan sampah untuk memastikan program berjalan pada sistem operasi yang berbeza.

JavaapplicationscanIndeedencounterplatform-specificissuesdespitethejvm'sabstraction.reasonsinclude: 1) nativecodeandlibraries, 2) operatingsystemdifferences, 3) jvmimplementationsvariations

Pengkomputeran awan dengan ketara meningkatkan kemerdekaan platform Java. 1) Kod Java dikumpulkan ke dalam bytecode dan dilaksanakan oleh JVM pada sistem operasi yang berbeza untuk memastikan operasi silang platform. 2) Gunakan Docker dan Kubernet untuk menggunakan aplikasi Java untuk meningkatkan kebolehgunaan dan skalabiliti.

Java'splatformindependenceallowsdeveloperstowritecodeonceandrunitonanydeviceorOSwithaJVM.Thisisachievedthroughcompilingtobytecode,whichtheJVMinterpretsorcompilesatruntime.ThisfeaturehassignificantlyboostedJava'sadoptionduetocross-platformdeployment,s

Teknologi kontena seperti Docker meningkatkan daripada menggantikan kemerdekaan platform Java. 1) Memastikan konsistensi di seluruh persekitaran, 2) Menguruskan kebergantungan, termasuk versi JVM tertentu, 3) memudahkan proses penempatan untuk menjadikan aplikasi Java lebih mudah disesuaikan dan boleh diurus.


Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

DVWA
Damn Vulnerable Web App (DVWA) ialah aplikasi web PHP/MySQL yang sangat terdedah. Matlamat utamanya adalah untuk menjadi bantuan bagi profesional keselamatan untuk menguji kemahiran dan alatan mereka dalam persekitaran undang-undang, untuk membantu pembangun web lebih memahami proses mengamankan aplikasi web, dan untuk membantu guru/pelajar mengajar/belajar dalam persekitaran bilik darjah Aplikasi web keselamatan. Matlamat DVWA adalah untuk mempraktikkan beberapa kelemahan web yang paling biasa melalui antara muka yang mudah dan mudah, dengan pelbagai tahap kesukaran. Sila ambil perhatian bahawa perisian ini

MantisBT
Mantis ialah alat pengesan kecacatan berasaskan web yang mudah digunakan yang direka untuk membantu dalam pengesanan kecacatan produk. Ia memerlukan PHP, MySQL dan pelayan web. Lihat perkhidmatan demo dan pengehosan kami.

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

mPDF
mPDF ialah perpustakaan PHP yang boleh menjana fail PDF daripada HTML yang dikodkan UTF-8. Pengarang asal, Ian Back, menulis mPDF untuk mengeluarkan fail PDF "dengan cepat" dari tapak webnya dan mengendalikan bahasa yang berbeza. Ia lebih perlahan dan menghasilkan fail yang lebih besar apabila menggunakan fon Unicode daripada skrip asal seperti HTML2FPDF, tetapi menyokong gaya CSS dsb. dan mempunyai banyak peningkatan. Menyokong hampir semua bahasa, termasuk RTL (Arab dan Ibrani) dan CJK (Cina, Jepun dan Korea). Menyokong elemen peringkat blok bersarang (seperti P, DIV),