Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Ottimizza i contenitori e AMIs
Le dimensioni e la struttura dei contenitori sono importanti per la prima serie di lavori eseguiti. Ciò è particolarmente vero se il contenitore è più grande di 4 GB. Le immagini del contenitore sono costruite a strati. I livelli vengono recuperati in parallelo da Docker utilizzando tre thread simultanei. È possibile aumentare il numero di thread simultanei utilizzando il parametro. max-concurrent-downloads Per ulteriori informazioni, consulta la documentazione di Dockerd
Sebbene sia possibile utilizzare contenitori più grandi, si consiglia di ottimizzare la struttura e le dimensioni dei contenitori per tempi di avvio più rapidi.
-
I contenitori più piccoli vengono recuperati più rapidamente: i contenitori più piccoli possono portare a tempi di avvio delle applicazioni più rapidi. Per ridurre le dimensioni del contenitore, scarica le librerie o i file che vengono aggiornati di rado su Amazon Machine Image ()AMI. Puoi anche usare bind mount per consentire l'accesso ai tuoi contenitori. Per ulteriori informazioni, consulta Bind mounts.
-
Crea livelli di dimensioni uniformi e suddividi strati di grandi dimensioni: ogni livello viene recuperato da un thread. Pertanto, un livello di grandi dimensioni potrebbe influire in modo significativo sui tempi di avvio del lavoro. Consigliamo una dimensione massima del layer di 2 GB come buon compromesso tra dimensioni del contenitore più grandi e tempi di avvio più rapidi. Puoi eseguire il
docker history your_image_idcomando per controllare la struttura dell'immagine del contenitore e le dimensioni del livello. Per ulteriori informazioni, consulta la documentazione di Docker. -
Usa Amazon Elastic Container Registry come repository di container: quando esegui migliaia di lavori in parallelo, un repository autogestito può fallire o limitare il throughput. Amazon ECR funziona su larga scala e può gestire carichi di lavoro fino a oltre un milionevCPUs.
