其他分享
首页 > 其他分享> > ServerlessBench 2.0:华为云联合上海交大发布Serverless基准测试平台

ServerlessBench 2.0:华为云联合上海交大发布Serverless基准测试平台

作者:互联网

摘要:华为云联合上海交大重磅推出ServerlessBench 2.0,为社区提供涵盖12类基准测试用例、新增5大类跨平台测试用例、4大类关键特性指标、且多平台兼容的Serverless开放基准测试集。

Highlights

  1. 华为云联合上海交大研究团队,发布业界首个面向多平台的Serverless基准测试系统ServerlessBench 2.0;
  2. ServerlessBench 2.0聚焦Serverless计算中的关键特性和指标,提供统一测试接口,兼容多平台的异构性,提供完善的测试指标和丰富的场景用例;
  3. 作为“服务器无感知创新计划”的首个亮相项目,ServerlessBench 2.0旨在为Serverless平台和应用的设计提供度量依据和有效启发;
  4. 此次发布同时展示了ServerlessBench 2.0针对四大开源Serverless平台的测评报告,作为首批测评结果。

背景

受益于其按用付费 (pay-per-use)、自动弹性伸缩 (auto-scaling)、以及屏蔽后端复杂性的特征,Serverless 正成为下一代云计算的新范式[1]。与此同时,能够封装并兼容多平台、支持关键指标度量的基准测试系统,对于Serverless计算实现可持续的降本增效而言,至关重要。一方面,Serverless系统设计者可以利用基准测试平台,刻画系统的关键性能指标,如冷/热启动时延、弹性速度、QoS保证下的最大并发等,为增强系统架构的性能提供 “度量先行”的有效工具;另一方面,Serverless应用开发者可以借助基准测试对不同的Serverless平台进行对比和选择,从而设计并开发出更加高性能、低成本的Serverless应用程序。

ServerlessBench 2.0 发布

ServerlessBench 1.0是业界首个针对Serverless计算的关键特性和指标而设计的基准测试平台,由上海交通大学的研究团队发表于云计算顶级会议SoCC 2020[2]。此次,华为云联合上海交大,在ServerlessBench 1.0的基础上,通过进一步的封装、抽象、扩展和强化,重磅推出ServerlessBench 2.0,为社区提供涵盖12类基准测试用例、新增5大类跨平台测试用例、4大类关键特性指标、且多平台兼容的Serverless开放基准测试集。

同时,ServerlessBench 2.0是“服务器无感知创新计划”的首个亮相项目成果。服务器无感知创新计划由中国信通院、上海交大、华为云等主导成立,旨在联合产学研用各方,凝聚社区力量,围绕技术研究和标准制定等,促进Serverless的蓬勃发展和规范化建设[3]。

ServerlessBench 2.0 介绍

ServerlessBench考虑Serverless计算中的四大类关键指标:通信性能(communication performance),启动时延(startup latency),无状态开销 (stateless overhead),和资源使用效率 (resource utilization)。复杂的Serverless应用一般由多个函数组合实现,因此,通信性能指标主要度量函数间通信的效率问题,如常见的函数组合模型sequence chain和nested chain等。Serverless函数通常运行时间较短,大多集中在百毫秒级至秒级的范围[4],且函数执行环境按需加载,自动扩容,因此冷启动、热启动等时延开销是Serverless系统和应用最为关注的性能指标之一。在无状态开销指标中,通常包括依赖外部存储服务进行传递的显式状态(如函数逻辑本身所涉及的状态),以及可能影响系统性能的隐式状态(如会话缓存等)。资源使用效率指标主要衡量性价比问题,对于平台,如何在函数混合部署且保证业务QoS的前提下提升资源利用率,对用户而言,如何配置资源数量来使得应用性能和成本之间取得最佳平衡。

围绕四大类关键指标,ServerlessBench提供包括资源需求(Test Case 1-varied resource needs),数据迁移开销(Test Case 5-Data transfer costs), 和 CPU争用(Test Case 12-CPU contention)等在内的12类基准测试用例,如表1所示。

表1:ServerlessBench 1.0 提供的12类基准测试用例

为良好地兼容多平台, ServerlessBench 2.0提供了统一的测试接口,对不同Serverless平台之间的异构性进行封装,包括统一的函数接口、统一的返回格式,统一的资源配置,以及统一的依赖包装等,如图1所示。这里以开源Serverless系统为例。

图1:ServerlessBench 2.0的多平台兼容性(以开源Serverless系统为例)

具体以函数调用入口为例,如图2所示,四大开源Serverless平台OpenWhisk,OpenFaaS, Knative,Fission的入口函数都不相同。针对该场景,ServerlessBench 2.0通过接口抽象,封装了统一的入口函数 def handler(event, context)(这里以Python为例),从而使得在跨平台的对比中,无须再关心平台之间的接口差异性。

图2:ServerlessBench 2.0为多平台提供统一的函数调用入口(以Python为例)

在多平台兼容的基础上,ServerlessBench 2.0对表1所列的测试用例进行了扩展,新增了冷热启动开销、冷热执行开销、保证QoS的最大并发、扩容速度、性价比等5大类跨平台的新用例,如表2所示;同时,更多跨平台用例还在持续扩展中,如带有函数链的Serverless应用等。

表2:ServerlessBench 2.0 新增5类跨平台测试用例

首批针对开源Serverless平台的评测结果

作为ServerlessBench 2.0的首批测评结果,我们此次选取四大serverless开源平台OpenWhisk,OpenFaaS,Knative,Fission,作为评测对象,部分关键测评结果展示如下。

1.冷、热启动时延

测试从调用 invoke 指令到函数的第一条指令的时间差。图3所展示的结果为 p90 的时延开销。可以看到,OpenFaaS在冷热启动性能上表现最差;得益于资源池预热技术,Fission在冷启动性能上表现最佳。

图3:四大Serverless开源平台“冷、热启动时延”测评结果对比

2.冷、热执行时延

利用 Float Operation,测量函数本身的运行时延,考察冷、热启动对函数执行时间的影响,结果如图4所示。OpenWhisk和OpenFaaS上函数执行时延基本不受冷热启动的影响。但相比于冷启动,Knative和Fission在热启动的情况下,执行时延都有所改善。

图4:四大Serverless开源平台“冷、热执行时延”测评结果对比

3.请求并发数对QoS的影响

利用 Float Operation,计算不同并发数下函数实例的p90时延,该用例度量的是平台的函数密度支持能力。从图5可以看到,除Fission外,其它三大平台上,随并发请求数的增长,函数实例的p90时延基本呈线性增长。同“冷、热启动时延”的结果相似,由于Fission预置了一部分通用资源池,在并发请求数增长的初期,函数p90时延没有明显增长;但随着并发数的继续增长,资源池被逐步消耗,直至需要进行补充时,时延出现显著增长。

图5:四大Serverless开源平台“请求并发数对QoS的影响”测评结果对比

这里需要指出,在各大云服务提供的Serverless或函数系统中,请求并发数对函数执行时延或业务QoS的影响是一个更加复杂的过程,还包括其它多个影响因素,如单实例并发数,最大并发实例数限制,平台扩容策略,实例调度策略等。

4.弹性扩容能力

利用 Float Operation,测试并观察实例数量从1伸缩到某个较大值的过程中,多实例启动尾时延的大小。图6展示OpenFaaS和Knative从1个实例弹性扩容到10个实例的结果。

图6:OpenFaaS和Knative “弹性扩容能力”测评结果对比

5.平台性价比

利用Numpy Matmul,逐步调整给函数所分配的资源数量,测量并观察函数的执行时延与分配资源的对应关系,该用例反映的是相同资源开销下的性能表现。图7展示了在OpenFaaS和Knative上的部分结果。

图7:OpenFaaS和Knative “平台性价比”测评结果对比

未来规划

ServerlessBench 2.0建立在开源开放的理念之上,将由社区共同运营并持续共建。同时,华为云将继续联合上海交大,推出针对各大公有云服务的Serverless平台的测评报告,并贡献给社区。另外,我们正在为ServerlessBench 2.0建立项目主页,并推动源码开源等工作。关于ServerlessBench 1.0的详细信息,可参见项目主页[5]和github主页[6]。

[1].   Schleier-Smith, et al. (2021). What serverless computing is and should become: The next phase of cloud computing. Communications of the ACM, 64(5), 76-84.

[2].   Yu, T., et al. (2020). Characterizing serverless platforms with ServerlessBench. In Proceedings of the 11th ACM Symposium on Cloud Computing (pp. 30-44).

[3].   https://mp.weixin.qq.com/s/vuhqCweenT7sozNzInavyQ

[4].   Shahrad, M., et al. (2020). Serverless in the wild: Characterizing and optimizing the serverless workload at a large cloud provider. In 2020 USENIX Annual Technical Conference (USENIX ATC 20) (pp. 205-218).

[5].   https://serverlessbench.systems/

[6].   https://github.com/SJTU-IPADS/ServerlessBench

 

点击关注,第一时间了解华为云新鲜技术~

标签:Serverless,ServerlessBench,函数,平台,时延,2.0
来源: https://www.cnblogs.com/huaweiyun/p/16521341.html