内容简介:那么,实施了一系列优化手段之后的计算机集群究竟是什么样子?混部的情况究竟如何?为了让有兴趣的学生以及相关研究人员,可以从数据上更加深入地理解大规模数据中心,我们特别发布了这份数据集(Alibaba Cluster Data V2018)。数据集中记录了某个生产集群中服务器以及运行任务的详细情况。我们希望这波数据的发布可以拉近我们与学术研究、业界同行之间的距离。在数据集中,你可以详细了解到我们是如何通过混部把资源利用率提高到 45%;我们每天到底运行了多少任务;以及业务的资源需求有什么特点。如何使用这份数据
那么,实施了一系列优化手段之后的计算机集群究竟是什么样子?混部的情况究竟如何?
为了让有兴趣的学生以及相关研究人员,可以从数据上更加深入地理解大规模数据中心,我们特别发布了这份数据集(Alibaba Cluster Data V2018)。数据集中记录了某个生产集群中服务器以及运行任务的详细情况。我们希望这波数据的发布可以拉近我们与学术研究、业界同行之间的距离。
在数据集中,你可以详细了解到我们是如何通过混部把资源利用率提高到 45%;我们每天到底运行了多少任务;以及业务的资源需求有什么特点。如何使用这份数据集,完全取决于你的需要。
如何下载?
关注 “阿里技术” 官方公众号,并在对话框内回复 “数据集” ,即可免费下载
这个数据可以做什么?
这份 Alibaba Cluster Data V2018 包含 6 个文件,压缩后大小近 50GB(压缩前 270+GB ),里面包含了 4000 台服务器、相应的在线应用容器和离线计算任务长达 8 天的运行情况。
通过这份数据,你可以:
-
了解当代先进数据中心的服务器以及任务运行特点;
-
试验你的调度、运筹等各种任务管理和集群优化方面的各种算法并撰写论文;
-
利用这份数据学习如何进行数据分析,揭示更多我们自己都未曾发现的规律。
上面这几点,没有接触过类似数据的朋友,可能对于这份数据的用处并没有直观的印象,下面我举几个简单的例子:
-
电商业务在白天和晚上面临的压力不同,我们如何在业务存在波峰波谷的情况下提高整体资源利用率?
-
你知道我们最长的 DAG 有多少依赖吗?
-
一个典型的容器存在时间是多久?
-
一个计算型任务的典型存在时间是多少?一个 Task 的多个 Instance 理论上彼此很相似,但是它们运行的时间都一样吗?
实际上,学者们甚至可以用这些数据作出更加精彩的分析。2017年,我们开放的第一波数据(Alibaba Cluster Data V2017),已经产生了多篇优秀的学术成果。
以下是学者们在论文中引用数据(Alibaba Cluster Data V2017)的例子,其中不乏被 OSDI 这样顶级学术会议收录的优秀文章。我们期待,未来你也能与我们共同分享你用这份数据产生的成果!
" LegoOS: A Disseminated, Distributed OS for Hardware Resource Disaggregation, Yizhou Shan, Yutong Huang, Yilun Chen, and Yiying Zhang, Purdue University. OSDI'18 " (Best paper award!)
DAG 信息加入
我们加入了离线任务的 DAG 任务信息,据了解,这是目前来自实际生产环境最大的 DAG 数据。
究竟什么是 DAG?离线计算任务,例如 Map Reduce、Hadoop、Spark、Flink 中常用的任务,都是以有向无环图(Directed Acyclic Graph,DAG)的形式进行编排的,其中涉及到任务之间的并行、依赖等方面。下面是一个 DAG 的例子。
以上所述就是小编给大家介绍的《阿里重磅开源!4000台服务器真实数据集,揭秘世界级数据中心》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 重磅丨《2018年数据生态报告》发布,5大方面助力领跑数据智能时代
- Apache Pulsar 2.1 重磅发布,流原生实时数据平台
- Apache Pulsar 2.1 重磅发布,流原生实时数据平台
- HBase重磅 | ApsaraDB HBase数据存储与分析平台概览
- 苞米豆-多数据源 3.3.0 重磅更新:本地多数据源事务方案
- 重磅发布:最新产品发布强力扩展 MongoDB 数据领导力
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。