案例研究:真实工作负载,一个控制平面

我们目前还没有客户标识墙。取而代之的是我们自己的基础设施,它每天在 Odysseus 下运行着生产环境和准生产环境的工作负载——我们对其进行了实际测量,而非凭记忆描述。

主机,测量于2026年8月21日

123
Odysseus 管理下的容器
8 / 23
CPU 核心 / 内存 (GB),单台 VPS
30天
测量时的主机正常运行时间

123 个容器不是为了好看而搭建的合成基准测试或演示集群——它是在我们撰写此页面时,来自运行此网站自身控制平面主机上 docker ps 的计数。它包括了下面列出的工作负载以及此主机运行的其他所有内容:控制平面本身、营销站点、监控以及不相关的客户项目。

工作负载A:一个受监管的文档处理平台

此租户的身份受到保密协议保护,因此下文描述的是工作负载的形态,而非其运行方。它是一个真实的、用于处理和验证受监管文档的多服务平台——这种技术栈在大多数企业中会是一个完整的 Kubernetes 应用程序,而在这里,它作为 23 个容器 运行在一个 Odysseus 租户下。

这是一个具有真实依赖图的微服务架构——一个数据库、一个对象存储、一个拥有五个容器拓扑的透明日志、以及十几个可独立扩展的工作器——它们作为一个 Odysseus 租户,运行在一个控制平面上,其下没有叠加任何独立的编排器。

工作负载B:一个针对多租户的 SaaS 后端

同一主机上的第二个不相关租户运行着 36 个容器:后端和前端服务、一个文档摄取与提取管道、嵌入模型、一个 MCP 网关和构建器、一个超级管理员和租户管理员控制台对(每个都有自己的后端和前端)、MongoDB、Redis、RabbitMQ,以及一个自己的小型内部数据库中继集群。这是一个完全独立的应用程序,具有完全独立的形态,通过 合规性页面上描述的相同租户边界与工作负载 A 隔离——它并非同一技术栈的一个变体。

此规模下的控制平面开销

所有这些都不需要运行更重的控制平面来管理。Odysseus 自身的常驻内存占用经过实际测量——而非建模——在生产环境中为 47-51 MB,在开发环境中为 49-64 MB,该数据在 2026 年 8 月 20 日对每个环境进行了 14 分钟窗口内的 18-19 次采样,并发布在 主页的方法学脚注中。2026 年 8 月 21 日在同一次主机上的现场检查读取为 57 MB 常驻——处于该测量范围内,并非新的主张。

这展示了什么,以及没有展示什么

这是一台主机,而非大规模集群基准测试,我们将其呈现为:证据表明 Odysseus 能够在一个真实的、多服务、安全敏感型工作负载(该工作负载与一个不相关的多租户 SaaS 后端并行运行)下保持稳定——而并非是对上限的主张。关于该平台控制平面运行在真正独立基础设施上的情况,请参阅 多云验证 页面。

这些数字和结论是如何得出的

  1. 容器计数直接取自该网站运行主机上的 docker ps,测量于2026年8月21日:docker ps -a --format '{{.Names}}' | wc -l 为总数,以及通过租户名称前缀过滤器获得的两个工作负载计数。它们并非取自设计文档或任一技术栈的早期描述。同一天独立重新运行一次:总数为123,两个工作负载分别为23和36,未变。
  2. 工作负载 A 和工作负载 B 的具体容器名称(即工作器列表、透明日志组件、以及 SaaS 后端的服务列表)均读取自同一 docker ps 输出,而非假设自架构文档,因此我们未将无法找到的正在运行的名称列为实际存在。
  3. 控制平面内存在此页面上未重新测量。此处引用的是来自主页自身注明日期和方法学脚注的数据,并以当日的现场检查作为佐证,而非作为第二次独立测量。
  4. 主机运行时间和 CPU 核心/RAM 数据来源于在运行容器计数时,在同一主机上同时运行的 uptime、nproc 和 free -h。