Dela via

Metodtips för virtuella Azure-dator-SKU:er för Azure NetApp Files

  • Artikel

I den här artikeln beskrivs metodtips för Azure NetApp Files om SKU:er för virtuella Azure-datorer, inklusive skillnader inom och mellan SKU:er.

Överväganden för SKU-val

Lagringsprestanda omfattar mer än hastigheten på själva lagringen. Processorhastigheten och arkitekturen har mycket att göra med den övergripande upplevelsen från en viss beräkningsnod. Som en del av urvalsprocessen för en viss SKU bör du överväga följande faktorer:

  • AMD eller Intel: TILL exempel använder SAS ett matematiskt kernelbibliotek som utformats specifikt för Intel-processorer. I det här fallet föredras Intel-SKU:er framför AMD SKU.
  • Maskintyperna F2, E_v3 och D_v3 baseras på mer än en kretsuppsättning. När du använder Azure Dedicated Hosts kan du välja specifika modeller (Broadwell, Cascade Lake eller Skylake när du till exempel väljer E-typ). Annars är markeringen av kretsuppsättningen icke-deterministisk. Om du distribuerar ett HPC-kluster och en konsekvent upplevelse i inventeringen är viktig kan du överväga enskilda Azure Dedicated Hosts eller använda SKU:er för enskilda kretsuppsättningar, till exempel E_v4 eller D_v4.
  • Prestandavariationer med nätverksansluten lagring (NAS) har observerats vid testning med både Intel Broadwell-baserade SKU:er och AMD EPYC™ 7551-baserade SKU:er. Två problem har observerats:
    • När det accelererade nätverksgränssnittet är felaktigt mappat till en suboptimalt NUMA-nod minskar läsprestanda avsevärt. Även om mappning av det accelererade nätverksgränssnittet till en specifik NUMA-nod är fördelaktigt för nyare SKU:er, måste det betraktas som ett krav på SKU:er med dessa kretsuppsättningar (Lv2|E_v3|D_v3).
    • Virtuella datorer som körs på Lv2 eller antingen E_v3 eller D_v3 som körs på en Broadwell-kretsuppsättning är mer mottagliga för resurskonkurrering än när de körs på andra SKU:er. När du testar att använda flera virtuella datorer som körs inom en enda dedikerad Azure-värd har du sett att nätverksbaserad lagringsarbetsbelastning som körs från en virtuell dator har minskat prestandan för nätverksbaserade lagringsarbetsbelastningar som körs från en andra virtuell dator. Minskningen är mer uttalad när någon av de virtuella datorerna på noden inte har fått sitt accelererade nätverksgränssnitt/NUMA-nod optimalt mappat. Tänk på att E_v3 och D_V3 kan mellan dem landa på Haswell, Broadwell, Cascade Lake eller Skylake.

För den mest konsekventa prestandan när du väljer virtuella datorer väljer du bland SKU:er med en enda typ av kretsuppsättning – nyare SKU:er föredras framför de äldre modellerna där de är tillgängliga. Tänk på att det är osannolikt att förutsäga korrekt vilken typ av maskinvara E_v3 eller D_v3 virtuella datorerna hamnar på, förutom att använda en dedikerad värd. När du använder SKU:n E_v3 eller D_v3:

  • När en virtuell dator är avstängd, avallokerad och sedan aktiverad igen, kommer den virtuella datorn sannolikt att ändra värdar och som sådana maskinvarumodeller.
  • När program distribueras på flera virtuella datorer förväntar du dig att de virtuella datorerna ska köras på heterogen maskinvara.

Skillnader inom och mellan SKU:er

I följande tabell visas skillnaderna inom och mellan SKU:er. Observera till exempel att kretsuppsättningen för den underliggande E_v3 och D_v3 varierar mellan Broadwell, Cascade Lake, Skylake och även när det gäller D_v3.

Familj Version: Description Frekvens (GHz)
E V3 Intel® Xeon® E5-2673 v4 (Broadwell) 2.3 (3.6)
E V3 Intel® Xeon® Platinum 8272CL (Cascade Lake) 2.6 (3.7)
E V3 Intel® Xeon® Platinum 8171M (Skylake) 2.1 (3.8)
E V4 Intel® Xeon® Platinum 8272CL (Cascade Lake) 2.6 (3.7)
Ea V4 AMD EPYC™ 7452 2.35 (3.35)
D V3 Intel® Xeon® E5-2673 v4 (Broadwell) 2.3 (3.6)
D V3 Intel® Xeon® E5-2673 v3 (Haswell) 2.3 (2.3)
D V3 Intel® Xeon® Platinum 8272CL (Cascade Lake) 2.6 (3.7)
D V3 Intel® Xeon® Platinum 8171M (Skylake) 2.1 (3.8)
D V4 Intel® Xeon® Platinum 8272CL (Cascade Lake) 2.6 (3.7)
Da V4 AMD EPYC™ 7452 2.35 (3.35)
L V2 AMD EPYC™ 7551 2.0 (3.2)
F 1 Intel Xeon® E5-2673 v3 (Haswell) 2.3 (2.3)
F 2 Intel® Xeon® Platinum 8168M (Cascade Lake) 2.7 (3.7)
F 2 Gen 2 Intel® Xeon® Platinum 8272CL (Skylake) 2.1 (3.8)

När du förbereder en SAS GRID-miljö med flera noder för produktion kanske du ser en upprepningsbar varians på en timme och femton minuter mellan analyskörningar utan någon annan skillnad än underliggande maskinvara.

SKU och maskinvaruplattform Körningstider för jobb
E32-8_v3 (Broadwell) 5,5 timmar
E32-8_v3 (Cascade Lake) 4,25 timmar

I båda testuppsättningarna valdes en E32-8_v3 SKU och RHEL 8.3 användes tillsammans med monteringsalternativet nconnect=8 .

Metodtips

  • När det är möjligt väljer du E_v4, D_v4 eller senare i stället för E_v3 eller D_v3 SKU:er.
  • När det är möjligt väljer du Ed_v4, Dd_v4 eller senare i stället för L2-SKU:n.

Nästa steg