Docker Offload Performance Tests

Este projeto implementa uma metodologia justa para comparar a performance entre Docker Local e Docker Offload (Build Cloud), eliminando interferências de cache e garantindo condições equivalentes.

sequenceDiagram
    participant Usuário
    participant Script(run_fair_tests.sh)
    participant Docker Local
    participant Docker Offload
    participant Serviço (heavy_runner)
    participant Python Script (heavy_task.py)

    Usuário->>Script(run_fair_tests.sh): Executa script de teste justo
    Script(run_fair_tests.sh)->>Docker Local: Limpa cache e ambiente
    Script(run_fair_tests.sh)->>Docker Local: Executa build e run (docker-compose)
    Docker Local->>Serviço (heavy_runner): Inicia container
    Serviço (heavy_runner)->>Python Script (heavy_task.py): Executa tarefa pesada
    Python Script (heavy_task.py)->>Serviço (heavy_runner): Retorna tempo/resultados
    Serviço (heavy_runner)->>Docker Local: Finaliza execução
    Script(run_fair_tests.sh)->>Docker Offload: Limpa cache e ambiente
    Script(run_fair_tests.sh)->>Docker Offload: Executa build e run (docker-compose)
    Docker Offload->>Serviço (heavy_runner): Inicia container (na nuvem)
    Serviço (heavy_runner)->>Python Script (heavy_task.py): Executa tarefa pesada
    Python Script (heavy_task.py)->>Serviço (heavy_runner): Retorna tempo/resultados
    Serviço (heavy_runner)->>Docker Offload: Finaliza execução
    Script(run_fair_tests.sh)->>Usuário: Gera relatório comparativo

Loading

🎯 Objetivo

Realizar uma comparação verdadeiramente justa entre:

• Docker Local: Execução em hardware local sem offload
• Docker Offload: Execução na nuvem usando Docker Build Cloud

🚀 Execução dos Testes

Para executar os testes, utilize o script run_fair_tests.sh que automatiza todo o processo de limpeza, execução e geração de relatórios.

./run_fair_tests.sh

O script irá:

1. ✅ Limpar todo cache antes dos testes
2. 🏠 Executar teste local (contexto default)
3. 🧹 Limpar ambiente entre testes
4. ☁️ Executar teste cloud (contexto docker-cloud)
5. 📊 Gerar relatório comparativo

O projeto usa uma tarefa computacional intensiva em Python que executa:

• Operações matemáticas (sin, cos, sqrt)
• Loop de 100 milhões de iterações (configurável)
• Medição precisa de tempo de execução

Configurar Intensidade

# No docker-compose.yaml
environment:
  ITERATIONS: "200000000"  # Para teste mais pesado

🔧 Pré-requisitos

1. Docker Desktop com Docker Offload habilitado
2. Docker Build Cloud configurado
3. Python 3 (para verificação local)
4. bc para cálculos (já disponível no sistema)

Verificar Configuração

# Verificar contextos Docker
docker context ls

# Verificar contexto ativo
docker context show

# Verificar Build Cloud
docker buildx ls

📊 Resultados Esperados

Com a metodologia justa, esperamos medir:

Diferenças Reais

• 🖥️ Hardware: CPU/RAM cloud vs local
• 🌐 Overhead: Rede e transferência de dados
• ⚡ Otimizações: Runtime Docker otimizado na nuvem
• 🏗️ Build: Performance sem cache para ambos

Formato dos Resultados

• CSV: docs/test_results.csv com dados brutos
• Terminal: Relatório em tempo real com percentuais
• Comparação: Diferença percentual automática

🎯 Cenários de Uso Ideais

Docker Offload é especialmente vantajoso para:

1. CPU Intensivo: Como demonstrado nos testes
2. Builds Pesados: Projetos com muitas dependências
3. Hardware Limitado: Laptops, VMs, ambientes restritos
4. Equipes: Cache compartilhado entre desenvolvedores
5. CI/CD: Builds paralelos e escaláveis

🚀 Executar Testes Agora

# Executa testes imediatamente
./run_fair_tests.sh

# Monitora resultados em tempo real
# Arquivos gerados:
# - test_results.csv (dados)
# - Output detalhado no terminal

---

Para mais informações sobre Docker Offload, consulte o documento principal docs/docker-offload.md.