标签：主机 FusionCompute 复用 访问 虚拟机 UMA NUMA CPU 内存
FusionComputer 集群介绍
1、为什么要做集群
保证业务的高可用和连续性。
2、主机内存复用
做集群时，会让我们选择一些配置。这里我们会看到让我们选择是否开启主机内存复用。那么内存复用是什么意思呢？
如下图所示。假如我们有一台64G内存的主机。在创建虚拟机时分别分出去了16G、32G、16G，这时候所有64G内存已经都分出去了，按道理来说主机已经没有内存在分给别的虚拟机了。但是其实这3台虚拟机不可能真的用了这么多内存，他们3个加起来的实际内存可能只用了20G，利用率是很低的。所有如果开了主机内存复用，我们就依然可以继续创建虚拟机。这就是内存复用，内存复用可以避免造成资源浪费。 华为的官方文档描述的最大利复用率可以达到150%，超过这个值就会告警。但是在实际应用中，复用率最多可达120%。 （需要注意的是内存复用是针对单台主机的，不是指集群）
3、虚拟机启动策略
负载均衡：当一台虚拟机启动时，会根据主机的资源使用率自动选择宿主机。例如，一台虚拟机要启动，vrm会查看现在的主机使用情况，如果CNA03上的资源已经特别紧张了，而CNA01很空闲，那么这台虚拟机就会在CNA01上启动。
自动分配：即轮询策略。虚拟机启动时，按照顺序依次在主机上启动。比如上一台虚拟机是在CNA01上启动的，那么下一台就要在CNA02上启动。
4、NUMA结构自动调整
UMA: uniform memory access. 一致性内存访问。我们的计算机由三部分组成，cpu、内存和disk。计算机里还有两块芯片，一个是南桥芯片，用来处理慢设备，例如磁盘、USB等，北桥芯片用来处理快设备，例如内存等。CPU作为计算机的核心，它的运行速度是最快的，内存次之，磁盘是最慢的。当我们的CPU需要访问磁盘中的数据时，CPU是不会直接访问磁盘中的数据的，因为太慢了，他会通过内存来调用磁盘中的数据。所以我们的CPU会频繁访问内存中的数据，而内存和cpu之间的访问链接是通过FSB（前端总线）实现的。FSB受带宽限制，带宽越高，那么数据传输速率越快。
这里之所以说是一致性内存访问，是因为假如这里有两个内存条（甚至多个），CPU是可以访问每一个内存的，所有的CPU所访问的内存数据都是全局一致的。这就是一致性内存访问（UMA）。
NUMA：non uniform memory access。非一致性内存访问。随着计算机技术的不断发展，计算机配置不断升高，多CPU多内存已经是一种很常见的现象。如下图所示，如果这里有3个CPU，每个CPU都可以访问所有内存，这里就会存在一个问题，CPU很多可以内存很多可以，但是由于FSB带宽的限制，数据传输速率会很受影响。这就好比路上的车增加了很多，但是依然还是4车道，这就造成了堵塞的现象。
NUMA架构可以解决这个问题。在NAMA架构中，如下图所示，一个CPU绑定一个内存，形成一个NUMA节点，一般情况下，CPU只能访问自己绑定内存中的数据，不可以访问别的内存数据，这就是非一致性内存访问。但是如果内存确实不够用了怎么办呢？那么这个CPU可以通过别的CPU来访问别的内存，这种方式也称为远程访问。当然一个NUMA节点中，CPU对内存的访问我们称为本地访问。显然本地访问的速度要远远大于远程访问。
下图可以更加直观的体现出UMA和NUMA的区别。
5、IMC模式
IMC：Incompatable migration cluster. 不兼容迁移集群。它的作用主要是：假设我们的集群中总共有3台主机，但是每台的CPU型号不一样，比如分别是inter1,intel3,initel5，这时候虽然我们做了集群高可用策略，但是主机1上的虚拟机是不会往主机2,3上迁移的，因为他们的CPU型号不一样。此时如果打开了IMC模式，那么就可以解决这个问题。这就是IMC模式的作用。
标签：主机,FusionCompute,复用,访问,虚拟机,UMA,NUMA,CPU,内存 来源： https://www.cnblogs.com/yunjisuanchengzhanglu/p/16035561.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。