服务亿级图片压缩那些事

作者：王小飞

导语：图片压缩原本是2.4w台物理设备支撑，当前弹性平台仅用6k台容器为每天百亿次的压缩提供了可持续的计算力，除了图片压缩业务，平台还服务了视频转码业务，spark计算以及AI围棋和王者荣耀计算业务。复用现网低负载资源总核数达70W核，全天平均CPU使用率高达56%。

背景

QQ相册、微信传图和朋友圈每天近百亿张图片活跃于用户的手机、平板和电脑屏幕中，为大家带来生活趣味的同时，也给图片压缩带来了百亿级/天的计算量，当前每一个压缩计算都跑在架平TCS-弹性计算平台上，下面我们就来聊聊平台是如何服务海量压缩计算的。

可行性

图片压缩迁移弹性计算平台之前，采用压缩程序混部存储机器的策略，虽然节省计算资源的设备成本，但混部的运营面临如下几个问题，并增加了人力的运营成本：

1、资源利用率低

采用静态资源设备混部的方式，图片压缩业务在规划资源时，以业务高峰规划资源，设备量需几万台；而QQ和微信等社交类互联网业务，存在明显的波峰波谷效应，便意味着：非高峰期压缩设备的计算力被浪费了。

2、运维成本增加

随着QQ和微信业务快速发展，压缩资源的需求量不断增加，运维的同事每季度或者每月都需上架设备，投入人力运营；尤其业务突发时，资源量不能满足业务增长量，触发业务架构的柔性策略，对用户的体验有损。

3、业务相互干扰

图片业务与存储程序混合部署，未做资源物理隔离和程序侧性能隔离，存在cpu、内存等资源的竞争，业务高峰触发竞争加剧，导致互伤。

而TCS-弹性计算平台独有的资源物理隔离，服务量自动伸缩，服务权重动态可调等策略，契合的解决了业务的痛点。

平台那些事

• 资源隔离 压缩存储程序混部时，业务高峰期，随着请求量的增长，cpu时间片的竞争加剧，尤其对绑核的程序影响较大，现网运营中遇到过存储程序获取cpu时间片断崖式下降的场景。针对资源潜伏的恶性竞争，弹性平台在复用docker在cpu、内存隔离的基础上，并沿用了cgroup中quota、share、period的配置限制策略，但此类技术仅对资源管控，并不能灵活应对程序对cpu时间片的毛刺，对此，弹性平台创新的提出动态捆绑cpu策略，监控cpu核负载的前提下，调度容器跑在负载低的cpu上，cpu调度后效果。

• 名字化服务 图片压缩业务原本使用master管理compress资源列表，具体到每个压缩池、每个地域都需要一个独立master模块，造成master设备资源浪费，而且管理接口不统一，新介入的开发者上手耗时久；尤其对于业务突发场景，部署资源后，需要人工增添到master，运营不友好。面对业务的如上痛点，弹性计算平台提供了名字化服务，业务侧接入后，获取一个可访问的名字，平台将资源挂到名字下输出计算力，并在名字服务的基础上，打包提供了负载均衡，异常点删除策略保障业务的正常运行，解放运维人力；而且业务侧无需理解资源调度，开发者上手快；资源的伸缩通过名字透明化，运维同事只需关注业务状况。
• 自动调度 压缩计算的静态资源规划需按业务高峰评估，低峰cpu 空闲浪费而且资源应对业务突发的能力弱，架构上柔性但有损用户体验。针对业务需求量与资源使用量的矛盾，平台从资源调度的角度完美解决：资源按需供应，盘活资源的整体使用，通过对容器上报的cpu、内存、磁盘io及占用量和网络io等数据的分析，构建业务的负载监控，并在引入InfluxDB后，监控告警间隔缩短到秒级；平台自动调度分为动态扩缩、异常调度和感知调度。

1、动态调度

平台最基础的调度方式，根据监控的容器负载信息做调度，以平台配合业务侧做的资源模型为依据，配置了负载高低阈值。当负载高于阈值，平台秒级扩容资源；负载低于阈值下限，平台分钟级缩容下架，保障业务稳定。

2、异常调度

平台基于cpu时钟指令分配策略，微创新的提出用CPI(Cycles Per Instruction)指标监控业务的运行状态，通过对业务cpi建模，将模型跑出的cpi数据作为基准值，当业务的cpi方差值偏离模型值时，平台执行剔除或者替换操作。

3、感知调度

平台在运营压缩业务中发现：在压缩程序自身的过载保护或者其他策略作用下，会出现cpu/cpi无明显变化，但压缩的延时、失败率升高的现象，针对资源指标正常，业务异常的矛盾，业务侧配合平台做了感知调度，即业务侧感知到时延或者失败率升高的压缩设备并反馈弹性平台，平台对此类资源做降权或者替换操作。

下面的两个图是压缩容器量和cpu负载图，全天cpu使用率几乎稳定在一条直线。

• 负载均衡 弹性平台可调度资源多种多样，母机CPU的型号也并不统一，对此平台使用benchmark程序，在各种CPU类型的机器上跑测试，为每个CPU类型计算一个性能系数（系数的范围是0.x~ 1.x），计算资源权重时，基于cpu的性能系数做主调，业务现网的延时、失败率等负载做微调，下图是动态调整后，cpu负载分布图。

总结与展望

图片压缩原本是2.4w台物理设备支撑，当前弹性平台仅用6k台容器为每天百亿次的压缩提供了可持续的计算力，除了图片压缩业务，平台还服务了视频转码业务，spark计算以及AI围棋和王者荣耀计算业务。复用现网低负载资源总核数达70W核，全天平均CPU使用率高达56%。 年底弹性平台预计可调度的计算力可到100w核，深挖平台资源的计算力、使用率，为业务提供源源不断的低成本计算，在公司发力AI，倡导成本优化的大背影下，实现业务、平台、部门的多方共赢。