******注意,实验结束请立即删除云主机、UFS文件存储和UAI Train交互式训练任务,节省费用******
******注意2,实验未结束且短期内不会继续实验,也请删除所有上述资源。下次实验时重新创建******
实验步骤 一)
实验步骤 二)
实验步骤 三)
实验步骤 四)
12月4日
云主机UHost、文件存储UFS、镜像库UHub、AI训练UAI Train、私有网络VPC、基础网络UNet
云主机UHost、文件存储UFS、镜像库UHub、AI训练UAI Train、基础网络UNet
MNIST:
MNIST是一个手写数字数据库,包含60000个训练样本和10000个测试样本,是一个能够快速上手的、用于尝试机器学习和模式识别技术的数据集。以下是部分MNIST中的样本。
docker run -d --rm -p 80:5000 -name myflask luxuesong/myflaskapp
请同学们复习一下docker的安装和使用,以及通过dockerfile创建镜像。如果你意外保存了实验二的镜像,可以从镜像创建云主机,然后直接启动并docker run。
http://你的云主机外网ip
,测试app是否正常运行。正常则进入下一步。http://你的负载均衡器ip
,奇迹发生了!我们也能访问flask app!!并且这时候健康检查也变成“正常”。**************作业1:请将浏览器中通过负载均衡ip访问flask app的界面,以及负载均衡器中服务节点界面截图,并插入实验报告***************
为步骤三做准备,请在这一步制作当前云主机的镜像
。和之前一样,只是在云主机创建界面用“自制镜像”,并且不需要弹性ip
),可以选择三台主机一次性创建**************作业2:请将此时连接到负载均衡的服务节点(三个)截图,并插入实验报告***************
sudo yum -y install httpd
-c
表示并发数,即同时发生的请求数,-n
表示请求总数,http://106.75.216.169/
替换成你的负载均衡器ip。所以这里对我们的flask app并发1000个请求,总共发出10000个请求。结果如下图所示。ab -c 1000 -n 10000 http://106.75.216.169/
这里我们关注几个重要结果
- Time taken for tests:压测总时间
- Requests per second: 平均每秒处理请求数
- Time per request: 平均每个请求处理时间
**************作业3:请将启用一个节点、两个节点、三个节点时的压测结果分别截图,并插入实验报告***************
注意,由于有网络因素干扰,每个实验你可以多进行几次压测,得到比较正常的结果再截图。
**************作业4:假设现在压测结果显示单台机器的Requests per second为30,一天中的请求峰值时间是2个小时,总共需要处理5千万个请求,请问需要至少准备多少台机器才可能平稳度过峰值请求?***************