Optimalkan wadah dan AMIs - AWS Batch

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Optimalkan wadah dan AMIs

Ukuran dan struktur kontainer penting untuk rangkaian pekerjaan pertama yang Anda jalankan. Ini terutama benar jika wadahnya lebih besar dari 4 GB. Gambar kontainer dibangun berlapis-lapis. Lapisan diambil secara paralel oleh Docker menggunakan tiga utas bersamaan. Anda dapat meningkatkan jumlah utas bersamaan menggunakan max-concurrent-downloads parameter. Untuk informasi selengkapnya, lihat dokumentasi Dockerd.

Meskipun Anda dapat menggunakan kontainer yang lebih besar, kami menyarankan Anda mengoptimalkan struktur dan ukuran kontainer untuk waktu startup yang lebih cepat.

  • Kontainer yang lebih kecil diambil lebih cepat — Kontainer yang lebih kecil dapat menyebabkan waktu mulai aplikasi lebih cepat. Untuk mengurangi ukuran kontainer, bongkar pustaka atau file yang jarang diperbarui ke Amazon Machine Image (). AMI Anda juga dapat menggunakan bind mount untuk memberikan akses ke kontainer Anda. Untuk informasi lebih lanjut, lihat Bind mount.

  • Membuat layer yang bahkan dalam ukuran dan memecah layer besar - Setiap layer diambil oleh satu thread. Jadi, lapisan besar mungkin berdampak signifikan pada waktu startup pekerjaan Anda. Kami merekomendasikan ukuran lapisan maksimum 2 GB sebagai tradeoff yang baik antara ukuran wadah yang lebih besar dan waktu startup yang lebih cepat. Anda dapat menjalankan docker history your_image_id perintah untuk memeriksa struktur gambar kontainer dan ukuran lapisan Anda. Untuk informasi selengkapnya, lihat Dokumentasi Docker.

  • Gunakan Amazon Elastic Container Registry sebagai repositori container Anda — Saat Anda menjalankan ribuan pekerjaan secara paralel, repositori yang dikelola sendiri dapat gagal atau menghambat throughput. Amazon ECR bekerja dalam skala besar dan dapat menangani beban kerja hingga lebih dari satu jutavCPUs.

    Diagram showing layers of machine images and containers with data types and change frequencies.