K8S Pod之间的网速测试

Posted 2023-03-20

参考技术A 说到两个节点间的网速测试，现在最通用的工具是iperf。iperf有两种运行模式，一种是server模式，一种是client模式。当我们要测试两个节点的网速的时候，就需要在其中一台机器上开启server模式，另一台机器则开启client模式。开启server模式很简单，一条简单的命令就可以了：

开启iperf client的模式也比较简单

这里就有个问题，对于两台实体机，那么，serverip很容易就可以获得，但是如果两个节点都是K8S中的pod呢？serverip不光不容易获得，很有可能会在server pod发生故障之后变化，这样，iperf工具就没有办法正常工作了。

解决方法：
如果想要server pod固定一个访问ip给 client pod， K8S给我们提供了一个很方便的功能，就是service这个概念，如果把server pod绑定在某个service上，那这些pod对K8S集群内就可以暴露service ip，而这个抽象出来的ip地址是不会变化的，所以这样就可以给client pod 提供固定的ip地址去连接了。

server.yaml:

执行完上面的yaml文件后，可以获取到svc的信息：

我们可以看到，该service的ip地址，以及暴露的端口5201（iperf3 服务端默认暴露的端口）。
也就是说，client pod只需要将serverip 替换为10.97.191.10（cluster ip）就可以了。那么问题就转换为如何让client pod获取到server pod的service cluster ip地址。
这个地方我查阅了很多资料，最后发现，其实当service的yaml文件执行成功之后，在这之后启动的pod中会新增对应的环境变量：

客户端成功连接上了服务端！搞定！

假设检验和GPGPU

我是GPGPU和编程的新手。我很想知道是否可以使用CUDA在GPGPU（SIMD）中实现统计假设检验，如单样本Kolmogorov-Smirnov检验（K-S检验）和Levene检验？如果是这样，会有什么限制？

答案

我刚刚阅读了有关这些测试的Web定义，但是，如果我理解正确，它们可以通过SIMD表达的并行性（特别是由CUDA实现）来适当加速。

在K-S测试中，必须计算N个样本的函数和估计之间的差异，然后取最大差异。换句话说，必须对N个不同的值执行相同的操作，这恰好是SIMD（单指令，多数据）。

在Levene的测试中，在N个不同的值上再次存在相同的差异，平方和乘法。

SIMD可以做的是对N个值集的一种FOR语句，前提是迭代彼此独立。因此，例如在CUDA中，编译器可以将迭代分配给图形设备的处理元件，从而并行执行，在单次迭代时对所有数据运行FOR循环。

CUDA工具包提供了一个特定的C / C ++编译器（NVCC），其中特殊指令被分派到GPGPU而不是CPU，因此被分发到其并行处理元件。