Page 93 - 《软件学报》2025年第5期

温金凤 等: 服务器无感知平台性能度量研究 1993

(1) 微基准测试程序的执行性能: 表 7、图 10 和图 11 展示了微基准测试程序在不同平台上的执行性能结果.
我们将详细分析不同平台在处理 CPU 密集型任务、内存密集型任务、磁盘 IO 密集型任务和网络密集型任务时
的执行性能表现.

表 7 微基准测试程序的执行性能结果和成本

任务缩写 执行性能 亚马逊 谷歌 微软 阿里巴巴
表示 Lambda Cloud Functions Azure Functions Function Compute
中位数 (ms) 123.91 186.28 70.20 138.97
成本 (美元) 0.000 46 0.000 78 0.000 34 0.000 49
CPU_task
上四分位数 (ms) 125.22 234.48 98.35 143.53
下四分位数 (ms) 122.52 141.10 38.70 136.88
中位数 (ms) 556.36 709.57 116.36 341.98
成本 (美元) 0.001 36 0.001 86 0.000 43 0.000 91
Memory_task
上四分位数 (ms) 574.46 762.25 159.30 407.23
下四分位数 (ms) 538.77 656.31 69.66 302.92
中位数 (ms) 4 233.19 4 380.13 469.36 3 349.69
成本 (美元) 0.009 02 0.009 43 0.001 14 0.007 18
DiskIO_task
上四分位数 (ms) 4 280.30 4 660.86 520.47 3 491.91
下四分位数 (ms) 4 178.49 4 123.68 421.06 3 254.63
中位数 (ms) 368.69 312.50 109.57 159.82
成本 (美元) 0.000 97 0.001 04 0.000 42 0.000 53
Network_task
上四分位数 (ms) 379.25 355.30 167.82 172.50
下四分位数 (ms) 342.50 265.95 71.22 154.94

600 CPU_task 2 500 Memory_task
2 000
执行性能 (ms) 400 1 500

1 000
200

0 500 0
亚马逊 谷歌 微软 阿里巴巴 亚马逊 谷歌 微软 阿里巴巴
图 10 CPU 密集型任务和内存密集型任务在不同平台上的执行性能分布

2 500
8 000 DiskIO_task Network_task
2 000
执行性能 (ms) 4 000 1 500
6 000
1 000
2 000

0 500 0
亚马逊 谷歌 微软 阿里巴巴 亚马逊 谷歌 微软 阿里巴巴
图 11 磁盘 IO 密集型任务和网络密集型任务在不同平台上的执行性能分布

对于 CPU 密集型任务, 根据表 7 中的中位数和四分位数性能结果, 微软 Azure Functions 在执行性能方面优于
其他 3 个平台. 它以仅 70.20 ms 的速度执行 CPU 密集型任务, 而且上下四分位数范围为 38.70–98.35 ms. 这种平
台的高执行速度可能归因于其底层实例内存大小的动态分配, 根据应用的执行需求进行自动调整. 而且, 微软