计算机 | 操作系统 | 虚拟核心数 | 内存(G) | CPU与内存(G)配比 | 折扣价(元) | 原价(元) |
---|---|---|---|---|---|---|
笔记本 | Windows | 8 | 16 | 1:2 | 5000 | |
云服务器(计算型) | Linux | 8 | 16 | 1:2 | 2200每年 | |
云服务器(通用型) | Linux | 4 | 16 | 1:4 | 1500每年 | |
云服务器(内存型) | Linux | 2 | 16 | 1:8 | 1200每年 | 2200每年 |
CPU与内存配 | 说明 | 适用场景 |
---|---|---|
1:2 | 计算型 | 并发量较小的Web服务(如:面向企业内部、面向B端) 各种软件(如:游戏、办公…) |
1:4 | 通用型 | 并发量较大的Web服务(如:面向C端) |
1:8 | 内存型 | 大数据 |
一般来说
- 游戏、办公等软件的计算比较复杂,更需要CPU
- 大数据场景,计算比较简单,但数据量极大,更需要内存(例如某集群,虚拟核心数1万,内存5千G,CPU与内存配比约1:5)
- 大数据集群中的节点,分为管理节点和工作节点
管理节点所需CPU较高,可以是1:2或1:4
工作节点所需内存较高,可以是1:4或1:8 - 算法(机器学习、深度学习)场景,内存和CPU都有需求,深度学习还要GPU
本文数据记于2021年11月,具有时效性
2022年5月补充
见过不少YARN集群的vcore数与内存(G)配比是1:4
本人猜测,这个配比没有考虑压缩
假设有个10G文件,块大小128M,
m
a
p
p
e
r
数
=
10
G
/
128
M
=
80
mapper数=10G/128M=80
mapper数=10G/128M=80
10G文件压缩后假设2G,
m
a
p
p
e
r
数
=
2
G
/
128
M
=
16
mapper数=2G/128M=16
mapper数=2G/128M=16
并行度从80减少到16,每个vcore处理的数据量变大,vcore数与内存(G)配比应当改成1:20?
以上仅供参考
更多推荐
CPU与内存配比(云服务器选择)参考
发布评论