神龙架构没那么难理解—图解世界领先的阿里云神龙架构（一）缘起

1 概述

1.1 神龙架构的特色

阿里云官方文档对于神龙架构的描述以下：
保留了普通云服务器的资源弹性，并因嵌套虚拟化技术让弹性裸金属服务器保留了物理机的体验。

1.2 理解上的难点

同时拥有云服务器的资源弹性和保留了物理机体验的特色容易让用户在须要深刻了解神龙架构时产生一个疑问：神龙架构究竟是虚的仍是实的，若是虚实融合又怎么来理解什么是虚实融合？经过什么手段作到的？

1.3 本文重点说明的问题

结合以上神龙架构的特色和理解上的难点，本文详细的对于神龙架构进行研究分析，说明神龙架构是如何作到同时拥有云服务器的资源弹性和保留了物理机体验的目标的。

2 为何须要发明神龙架构

2.1 以搬砖为例说明虚拟化技术的特色

把物理机变成虚拟机的这个技术，就是“虚拟化”。好比我家里装修有100块砖须要搬运，邻居家也在装修一样有100块砖须要搬运，咱们各请了50个搬运工，当工人到达时发现邻居家的主人在睡觉，所以他家的50个工人只能等他睡醒再搬砖，我家请的50个工人则能够直接帮我开始搬砖，状况以下图所示：

正好两家的工人来自于同一个公司因而包工头过来看了一下，发现邻居家的工人在空闲状态以为效率很低。因而决定既然邻居家的工人目前空闲因而一块儿来帮我家搬砖。和我商量费用并不增长，工人增长50个，我天然很是开心，以为多给了我家50个工人。因而邻居家的工人也过来开始帮我家搬砖以下图所示，咱们称这个100个工人为计算节点：

包工头内心在想一个事情，他立刻须要去其余工地，如今100个工人都在帮我家搬砖，所以进度很快，可是邻居万一睡醒了也要开始搬砖怎么办，因而他抽了一个工人甲出来看着邻居家动静，一旦邻居家醒了须要开始搬砖，则把暂时帮我家搬砖的工人还给他而且工人数量至少50个。

因而甲离开了搬砖行动，专门看着邻居家主人防止他忽然醒过来，帮我家搬砖的工人数目前为99个。这个负责关心邻居家主人睡觉状况并负责后续把工人还给他的甲，咱们称他为管理节点。

邻居家主人睡醒了，甲因而当即从我家将50个工人安排到邻居家开始搬砖，同时和我商量，由于以前我家搬砖的劳动力多了一倍，所以1000块砖被搬了只剩50块了，而邻居家的砖仍是1000块，所以除了邻居雇佣的50个工人外可否我家只留5个工人，我本身雇佣的45个工人也帮邻居家搬砖，我欣然赞成，所以两家搬砖的工人数再一次改变如图所示：

这个整个过程即为弹性计算的本质，前提便是虚拟化，若是缺乏了虚拟化技术，表明我和邻居家雇佣的工人来自于两个公司，没有人来统筹决定每家搬砖的工人数，所以即便邻居在睡觉，他雇佣的工人空闲着也没法过来帮我搬砖，可以作到搬砖的工人灵活调配的前提就是将两家人家雇佣的工人进行统筹考虑再进行分配。对于用户的好处在于，我和邻居家都有1000块砖要搬，可是搬砖的时间不一样，我在搬砖的时候他在睡觉而他睡醒须要搬砖的时候我家的砖已经快搬完了，一样100个工人的劳动力在不一样的时间段里被咱们用到了极致。

2.2 虚拟化技术的瓶颈

从以上搬砖的例子中能够发现，由于工人甲负责协调我和邻居家搬砖的工人安排所以他自己再也不负责搬砖，也就是100个劳动力中抽调了1个工人的劳动力来作管理工做，实际搬砖的劳动力为99个。按照原来雇佣的劳动力，我家雇佣了50个工人，邻居家雇佣了50个工人，总的劳动力为100人，所以实际搬砖的劳动力少了1个，但由于我和邻居家搬砖时间的错开而且以咱们的感觉都享受到了远大于50个工人的劳动力（实际我家99个，邻居醒来后他家为94个）所以知足咱们的需求，也就并不太在乎100个工人中有1个来做为协调咱们两家工人数的管理人员。隐患在于若是我家砖搬完了，邻居家的搬砖工人上升到99个，他发现须要再快一点，要求100个工人搬砖，这时候我和邻居将同时发现劳动力由于有人去作管理工做而少了一个，咱们两家总共花了100个工人的钱，却总共只能享受到99个工人的劳动力。

事实上这1个管理人员确实是整个体系中没法解决的瓶颈，表明只要采用虚拟化和弹性计算，就表明100个劳动力必须选择1个管理人员，实际上只能有99个劳动力进行搬砖。反映到云计算上就是只要物理服务器采用虚拟化技术，就必须配置管理节点，所以单台物理服务器所提供的计算力在原来的基础上须要打折扣，形成物理服务器基础上采用虚拟化技术后生成的云服务器的计算性能必然比物理服务器要差。虽然用户由于云服务器集群的弹性计算功能未必能感觉到。

这个瓶颈原来在云服务提供商中都存在，彷佛成为了必然，由于以为没有办法解决因须要管理节点而形成的总计算力损失所以也没有云服务商去讨论深究这个问题。而阿里云神龙架构即破天荒的在这个瓶颈问题上开始动刀子，想作到的目标就是既然100个工人搬砖，就要所有搬砖，但同时也须要有手段来管理和控制我家和邻居家不一样时间搬砖的工人数。

---

本文做者：朱祺

阅读原文

本文为阿里云内容，未经容许不得转载。