随着企业将更多的应用程序工作负载推向AWS、微软Azure和Google Cloud等公有云，成本高昂成为主要的痛点。为每个工作负载采购单独的云实例让最终用户失去工作负载堆栈所产生的效率提升。基于工作负载模式对实例优化和调整大小是云客户控制成本并提高效率的主要手段。但是有一个先进的策略可以大大节省成本：在云实例中进行容器堆叠。
容器技术，如Docker的开源产品，提供了一个“轻量级”虚拟环境，可以使多个应用程序共享一个操作系统，但它隔离每个应用程序的各个进程。在单个云实例中堆叠多个容器可以使多个应用程序共享相同的操作系统和实例，而不会相互干扰。容器堆叠可以是最大化应用程序密度并优化所购买云资源利用率的有效途径。
使用容器可以利用虚拟化的一个关键特性：overcommit。这意味着为环境中的工作负载分配比物理基础设施可以同时支持的更多的资源。这只有在工作负载不同时处于活动状态时才能实现，这样可以实现高的虚拟机-主机堆叠比率，从而可以节省大量的云成本。
经常坐飞机的人，对overcommit概念不会陌生。根据经验，航空公司知道，并不是所有已预订航班的乘客都会出现。所以他们让比座位多的乘客预订，以确保每个座位都被填满。当然，也有可能所有预订的乘客都来了，那么就会有人飞不了。这是因为航空公司根据每条路线的平均值做预订预测，而不是根据乘客各自的旅行方式对每位乘客的时间表进行深入的预测分析。但是，这正是你想要执行的一种分析，以避免任何应用程序“碰撞”。随着时间的推移，对每个容器化工作负载的深入了解对将它们堆叠至关重要，可以最大限度地提高效率，同时确保有足够的资源随时可用。
关键之处在于确保采用分析的方法“堆叠”容器。安全地最大化利用和利用资源过度投入的关键是根据其详细的日内工作负载模式“贴近”容器。就好像《俄罗斯方块》游戏，每个方块代表每个容器内应用程序的工作负载模式。堆叠它们，让每个空间都被填充，确保实例的最佳使用。堆叠容器时，可能会将早上忙碌的应用与晚上忙碌的应用进行配对，或者将CPU密集型应用与另外一个内存密集型应用配对。这不是一件容易的事，需要使用历史工作负载模式的分析来预测未来的需求，才能安全地贴近应用。如果做得恰当，回报是巨大的。
为了说明这一策略的潜力，Densify分享了一个案例研究，分析了983个工作负载的使用模式和需求，每个工作负载均运行在独立的AWS实例中。由于工作负载堆叠分析，Densify发现可以在超大型AWS实例中托管983个容器。通过将这些工作负载从983个AWS实例转移到堆叠在32个超大型实例中的容器中，1年托管成本由原来的189万美元将为32.53万美元，节省了82％的成本。
要注意，容器堆叠可能不是对每个应用都适用。开源容器技术还没有足够成熟，没有为关键应用提供所需的强大的管理、安全和弹性。
然而，对于非关键应用，容器堆叠可能是一个很好的选择。重要的是意识到当前容器管理生态系统差距的局限性，并对哪些工作负载适用，哪些不适用做出周密的决策。
阅读推荐：
活动推荐：
识别二维码添加小助手免费报名！
投稿邮箱：openstackcn@sina.cn