Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Optimieren Sie Container und AMIs
Größe und Struktur des Containers sind wichtig für die erste Gruppe von Aufträgen, die Sie ausführen. Dies gilt insbesondere, wenn der Container größer als 4 GB ist. Container-Images werden in Ebenen erstellt. Die Ebenen werden parallel von Docker mithilfe von drei gleichzeitigen Threads abgerufen. Sie können die Anzahl der gleichzeitigen Threads mithilfe des Parameters erhöhen. max-concurrent-downloads Weitere Informationen finden Sie in der Docker-Dokumentation.
Sie können zwar größere Container verwenden, wir empfehlen jedoch, die Containerstruktur und -größe zu optimieren, um schnellere Startzeiten zu erzielen.
-
Kleinere Container werden schneller abgerufen — Kleinere Container können zu schnelleren Anwendungsstartzeiten führen. Um die Containergröße zu verringern, lagern Sie Bibliotheken oder Dateien, die selten aktualisiert werden, auf das Amazon Machine Image (AMI) aus. Sie können auch Bind-Mounts verwenden, um Zugriff auf Ihre Container zu gewähren. Weitere Informationen finden Sie unter https://docs.aws.amazon.com/AmazonECS/latest/developerguide/bind-mounts.html Bind-Mounts.
-
Erstellen Sie Ebenen mit gleichmäßiger Größe und teilen Sie große Ebenen auf — Jede Ebene wird von einem Thread abgerufen. Eine große Ebene kann sich also erheblich auf die Startzeit Ihres Jobs auswirken. Wir empfehlen eine maximale Layer-Größe von 2 GB als guten Kompromiss zwischen einer größeren Containergröße und schnelleren Startzeiten. Sie können den
docker history your_image_idBefehl ausführen, um die Struktur und die Ebenengröße Ihres Containers zu überprüfen. Weitere Informationen finden Sie in der Docker-Dokumentation. -
Verwenden Sie Amazon Elastic Container Registry als Ihr Container-Repository — Wenn Sie Tausende von Jobs parallel ausführen, kann ein selbstverwaltetes Repository ausfallen oder den Durchsatz drosseln. Amazon ECR arbeitet in großem Maßstab und kann Workloads mit bis zu über einer Million vCPUs verarbeiten.
