GKE 与云 运行
GKE vs Cloud run
我在云 运行 上部署了 python 个 Flask API。自动缩放、CPU、并发一切都可以在云中配置 运行。
现在的问题是实际负载测试，大约 40k 并发用户连续访问 API。
云 运行 可以处理这些巨大的数据量吗？还是我们应该将我们的应用程序移植到 GKE？
决定 Cloud 运行 与 GKE 的因素有哪些？
Cloud 运行 旨在准确处理您所谈论的内容。它非常高效且可扩展。您还可以设置每个 container/service 的并发性，这在负载可能更大的情况下会很方便。
当您需要自定义平台、执行中间人或环境复杂性，或处理可能较长的 运行 计算等时，您会使用 GKE。您可能会在大型企业或高度管制的环境。 Kubernetes 几乎就像一个私有云，它非常复杂，有自己的工作方式，并且需要持续维护。
这显然是自以为是，但如果您想不出具体需要 Kubernetes/GKE 的原因，Cloud 运行 赢得 API。
虽然要提供更多细节；参见 Cloud Run Limits and Quotas。
特别有趣的限制是 1000 个容器实例，但请注意，它可以根据要求增加。
我在云 运行 上部署了 python 个 Flask API。自动缩放、CPU、并发一切都可以在云中配置 运行。 现在的问题是实际负载测试，大约 40k 并发用户连续访问 API。
云 运行 可以处理这些巨大的数据量吗？还是我们应该将我们的应用程序移植到 GKE？ 决定 Cloud 运行 与 GKE 的因素有哪些？
Cloud 运行 旨在准确处理您所谈论的内容。它非常高效且可扩展。您还可以设置每个 container/service 的并发性，这在负载可能更大的情况下会很方便。
当您需要自定义平台、执行中间人或环境复杂性，或处理可能较长的 运行 计算等时，您会使用 GKE。您可能会在大型企业或高度管制的环境。 Kubernetes 几乎就像一个私有云，它非常复杂，有自己的工作方式，并且需要持续维护。
这显然是自以为是，但如果您想不出具体需要 Kubernetes/GKE 的原因，Cloud 运行 赢得 API。
虽然要提供更多细节；参见 Cloud Run Limits and Quotas。
特别有趣的限制是 1000 个容器实例，但请注意，它可以根据要求增加。