


Spring Boot-Anwendung auf AWS Lambda – Teil Messung von Kalt- und Warmstarts mit GraalVM Native Image und Speichereinstellungen
Jan 07, 2025 am 07:17 AMEinführung
Im Artikel Teil 12 unserer Serie haben wir untersucht, wie man eine Lambda-Funktion mit einer benutzerdefinierten Laufzeit entwickelt und bereitstellt, die ein GraalVM Native Image mit einer GraalVM 22-Laufzeit enth?lt, die aus der AWS-Anwendung Spring Cloud Function erstellt wurde. Im Teil 13 haben wir die Leistung (Kalt- und Warmstarts) einer solchen Lambda-Funktion mit 1024 MB Speicher gemessen.
In diesem Artikel messen wir die Leistung (Kalt- und Warmstarts) der Lambda-Funktion mithilfe dieses Ansatzes mit verschiedenen Speichereinstellungen zwischen 256 und 1536 MB, um den Kompromiss zwischen Kosten und Leistung zu untersuchen.
Messen von Kalt- und Warmstarts der Lambda-Funktion mit Custom Runtime, das GraalVM Native Image mit unterschiedlichen Speichereinstellungen enth?lt
Wir werden genau das gleiche Experiment wiederholen, das in Teil 13 dieser Artikelserie beschrieben wurde, jedoch mit unterschiedlichen Speichereinstellungen zwischen 256 und 1536 MB.
Hier sind die Ergebnisse des Experiments:
Kalt (c) und warm (m) Startzeit in 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 |
Abschluss
In diesem Artikel werden Kalt- und Warmstarts der Lambda-Funktion unter Verwendung einer benutzerdefinierten Laufzeit gemessen, die ein GraalVM Native Image mit einer GraalVM 21-Laufzeit enth?lt, die aus der in Teil 12 eingeführten AWS-Anwendung Spring Cloud Function erstellt wurde und unterschiedliche Speichereinstellungen zwischen 256 und 1536 MB aufweist.
Wir beobachten ?hnliche Dinge wie im Artikel Pure Lambda-Funktion mit GraalVM Native Image – Messen von Kalt- und Warmstarts mit unterschiedlichen Lambda-Speichereinstellungen beschrieben. Die Warmstartzeiten liegen auch bei der niedrigeren Lambda-Funktionsspeichereinstellung wie 256 oder 512 MB sehr nahe beieinander, wobei der Unterschied haupts?chlich bei den hohen Perzentilen sichtbar ist (>= p90). Die Kaltstartzeiten sind bei 256 und 512 MB recht hoch und ab 768 MB Speicher verringern sie sich nur geringfügig, indem Lambda mehr Speicher zur Verfügung gestellt wird, bei Speicher gr??er als 1024 MB ist jedoch kein Unterschied erkennbar. Abh?ngig von Ihren Leistungsanforderungen k?nnen Sie Lambda weniger Speicher als 1024 MB geben, wie wir ursprünglich in der Beispielanwendung angegeben haben, und haben mit 768 MB oder sogar etwas weniger Speicher einen sehr guten Preis-Leistungs-Kompromiss.
Wir haben auch die gleichen Beobachtungen geteilt, die im Fazit von Teil 13 beschrieben wurden. Wenn wir Kaltstartzeiten mit den im Artikel Pure Lambda-Funktion mit GraalVM Native Image – Messen von Kalt- und Warmstarts mit unterschiedlichen Lambda-Speichereinstellungen gemessenen Zeiten vergleichen ( Wenn die Lambda-Funktion kein Framework wie Spring Boot verwendet), sehen wir bei Verwendung der reinen Lambda-Funktion Werte, die für jedes Perzentil um etwa 0,5 bis 0,6 Sekunden niedriger sind. Ich pers?nlich denke, dass meine Beispiel-Spring Boot 3-Anwendung ein gewisses Optimierungspotenzial hat, da ich mir einen so gro?en Unterschied in den Kaltstartzeiten zwischen diesen nicht erkl?ren kann. Meine (vielleicht naive) Erwartung ist, dass die Verwendung des Spring Boot 3-Frameworks mit AWS Lambda und GraalVM Native Image m?glicherweise nur zu 0,2–0,3 h?heren Kaltstartzeiten im Vergleich zur Verwendung der reinen Lambda-Funktion führt.
Zum Zeitpunkt der Ver?ffentlichung dieses Artikels waren neuere Versionen der verwendeten Frameworks und Tools verfügbar (GraalVM 23-Laufzeitumgebung, Spring Boot 3.4 und Versionsaktualisierung der Spring Cloud-Funktionsbibliothek). Nehmen Sie daher gegebenenfalls die Versions?nderungen vor und kompilieren Sie GraalVM Native neu Bild nach den Anweisungen aus Teil 2 der Serie und messen Sie die Leistung erneut. Ich werde auch bald die neuen Messungen mit diesen Versionen ver?ffentlichen und die Beispielanwendung aktualisieren.
Das obige ist der detaillierte Inhalt vonSpring Boot-Anwendung auf AWS Lambda – Teil Messung von Kalt- und Warmstarts mit GraalVM Native Image und Speichereinstellungen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Hei?e KI -Werkzeuge

Undress AI Tool
Ausziehbilder kostenlos

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem v?llig kostenlosen KI-Gesichtstausch-Tool aus!

Hei?er Artikel

Hei?e Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Hei?e Themen





Es gibt drei Hauptunterschiede zwischen Callable und Runnable in Java. Zun?chst kann die Callable -Methode das Ergebnis zurückgeben, das für Aufgaben geeignet ist, die Werte wie Callable zurückgeben müssen. W?hrend die Run () -Methode von Runnable keinen Rückgabewert hat, geeignet für Aufgaben, die nicht zurückkehren müssen, z. B. die Protokollierung. Zweitens erm?glicht Callable überprüfte Ausnahmen, um die Fehlerübertragung zu erleichtern. w?hrend laufbar Ausnahmen innen verarbeiten müssen. Drittens kann Runnable direkt an Thread oder Executorservice übergeben werden, w?hrend Callable nur an ExecutorService übermittelt werden kann und das zukünftige Objekt an zurückgibt

Java unterstützt asynchrone Programmierungen, einschlie?lich der Verwendung von Vervollst?ndigungsfuture, reaktionsschnellen Streams (wie Projecreactor) und virtuellen Threads in Java19. 1.CompletableFuture verbessert die Code -Lesbarkeit und -wartung durch Kettenaufrufe und unterstützt Aufgabenorchestrierung und Ausnahmebehandlung. 2. Projecreactor bietet Mono- und Flusstypen zur Implementierung der reaktionsschnellen Programmierung mit Backpressure -Mechanismus und reichhaltigen Operatoren. 3.. Virtuelle Themen senken die Parallelit?tskosten, sind für E/O-intensive Aufgaben geeignet und sind leichter und leichter zu erweitern als herk?mmliche Plattformf?den. Jede Methode hat anwendbare Szenarien, und entsprechende Tools sollten entsprechend Ihren Anforderungen ausgew?hlt werden, und gemischte Modelle sollten vermieden werden, um die Einfachheit aufrechtzuerhalten

Javanio ist ein neuer IOAPI, der von Java 1.4 eingeführt wurde. 1) richtet sich an Puffer und Kan?le, 2) enth?lt Puffer-, Kanal- und Selektorkomponenten, 3) unterstützt den nicht blockierenden Modus und 4) verhandelt gleichzeitiger Verbindungen effizienter als herk?mmliches IO. Die Vorteile spiegeln sich in: 1) Nicht blockierender IO reduziert den überkopf der Gewinde, 2) Puffer verbessert die Datenübertragungseffizienz, 3) Selektor realisiert Multiplexing und 4) Speicherzuordnungsgeschwindigkeit des Lesens und Schreibens von Dateien. Beachten Sie bei Verwendung: 1) Der Flip/Clear -Betrieb des Puffers ist leicht verwirrt zu sein, 2) unvollst?ndige Daten müssen manuell ohne Blockierung verarbeitet werden, 3) Die Registrierung der Selektor muss rechtzeitig storniert werden, 4) NIO ist nicht für alle Szenarien geeignet.

In Java eignen sich Enums für die Darstellung fester konstanter Sets. Zu den Best Practices geh?ren: 1. Enum verwenden, um festen Zustand oder Optionen zur Verbesserung der Sicherheit und der Lesbarkeit der Art darzustellen; 2. Fügen Sie ENUs Eigenschaften und Methoden hinzu, um die Flexibilit?t zu verbessern, z. B. Felder, Konstruktoren, Helfermethoden usw.; 3. Verwenden Sie ENUMMAP und Enumset, um die Leistung und die Typensicherheit zu verbessern, da sie basierend auf Arrays effizienter sind. 4. Vermeiden Sie den Missbrauch von Enums, wie z. B. dynamische Werte, h?ufige ?nderungen oder komplexe Logikszenarien, die durch andere Methoden ersetzt werden sollten. Die korrekte Verwendung von Enum kann die Codequalit?t verbessern und Fehler reduzieren. Sie müssen jedoch auf seine geltenden Grenzen achten.

Der Klassenladermechanismus von Java wird über den Classloader implementiert und sein Kernworkflow ist in drei Stufen unterteilt: Laden, Verknüpfung und Initialisierung. W?hrend der Ladephase liest Classloader den Bytecode der Klasse dynamisch und erstellt Klassenobjekte. Zu den Links geh?ren die überprüfung der Richtigkeit der Klasse, die Zuweisung von Ged?chtnissen für statische Variablen und das Parsen von Symbolreferenzen; Die Initialisierung führt statische Codebl?cke und statische Variablenzuordnungen durch. Die Klassenbelastung übernimmt das übergeordnete Delegationsmodell und priorisiert den übergeordneten Klassenlader, um Klassen zu finden, und probieren Sie Bootstrap, Erweiterung und ApplicationClassloader. Entwickler k?nnen Klassenloader wie URLASSL anpassen

JavaprovidesMultiPLesynchronizationToolsForthreadsafety.1.SynchronizedblocksensuremutualexclusionByLockingMethodSorspecificcodesction.2.REENNRANTLANTLOCKOFFERSADVEDCONTROL, einschlie?lich TrylockandfairnessPolicies.

Der Schlüssel zur Behandlung von Java-Ausnahme besteht darin, zwischen überprüften und ungeprüften Ausnahmen zu unterscheiden und Try-Catch schlie?lich und angemessen zu verwenden. 1. überprüfte Ausnahmen wie IOException müssen gezwungen werden, um zu handhaben, was für erwartete externe Probleme geeignet ist. 2. Unkontrollierte Ausnahmen wie NullPointerexception werden normalerweise durch Programmlogikfehler verursacht und sind Laufzeitfehler. 3. Wenn Sie Ausnahmen erfassen, sollten sie spezifisch und klar sein, um die allgemeine Erfassung von Ausnahme zu vermeiden. 4.. Es wird empfohlen, Try-with-Resources zu verwenden, um die Ressourcen automatisch zu schlie?en, um die manuelle Reinigung des Codes zu verringern. 5. In der Ausnahmebehandlung sollten detaillierte Informationen in Kombination mit Protokoll -Frameworks aufgezeichnet werden, um sie sp?ter zu erleichtern

HashMap implementiert das Schlüsselwertpaarspeicher durch Hash-Tabellen in Java, und sein Kern liegt in schneller Positionierungsdatenorte. 1. Verwenden Sie zun?chst die HashCode () -Methode des Schlüssels, um einen Hash -Wert zu generieren und durch Bit -Operationen in einen Array -Index umzuwandeln. 2. Verschiedene Objekte k?nnen den gleichen Hash -Wert erzeugen, was zu Konflikten führt. Zu diesem Zeitpunkt ist der Knoten in Form einer verknüpften Liste montiert. Nach JDK8 ist die verknüpfte Liste zu lang (Standardl?nge 8) und wird in einen roten und schwarzen Baum umgewandelt, um die Effizienz zu verbessern. 3. Bei Verwendung einer benutzerdefinierten Klasse als Schlüssel müssen die Methoden Equals () und HashCode () umgeschrieben werden. 4.. Hashmap erweitert die Kapazit?t dynamisch. Wenn die Anzahl der Elemente die Kapazit?t und Multiplizierung mit dem Lastfaktor (Standard 0,75) überschreitet, erweitern und rehieren Sie sie. 5.
