Tutoriel: Déployer une VM existante dans un cluster GKE Enterprise à l'aide de l'environnement d'exécution des VM sur Google Distributed Cloud

Ce document fournit un guide par étapes pour déployer une charge de travail basée sur une machine virtuelle (VM) dans GKE sur Bare Metal à l'aide de l'environnement d'exécution de VM sur Google Distributed Cloud. La charge de travail utilisée dans ce guide est l'exemple d'application de point de vente. Cette application représente un terminal de vente type qui s'exécute sur le matériel sur site d'un magasin de détail.

Dans ce document, vous allez migrer cette application depuis une VM vers un cluster GKE sur Bare Metal et accéder à l'interface Web de l'application. Pour migrer une VM existante vers le cluster, vous devez d'abord créer une image disque de cette VM. Ensuite, l'image doit être hébergée dans un dépôt auquel le cluster peut accéder. Enfin, l'URL de cette image peut être utilisée pour créer la VM. L'environnement d'exécution des VM sur Google Distributed Cloud s'attend à ce que les images soient au format qcow2. Si vous fournissez un autre type d'image, elle est automatiquement convertie au format qcow2. Pour éviter les conversions répétitives et permettre la réutilisation, vous pouvez convertir une image de disque virtuel et héberger l'image qcow2.

Ce document utilise une image préparée d'une instance de VM Compute Engine dans laquelle la charge de travail s'exécute en tant que service systemd. Vous pouvez suivre la même procédure pour déployer votre propre application.

Objectifs

Activer l'environnement d'exécution des VM sur Google Distributed Cloud et installer le plug-in virtctl
Déployer la charge de travail basée sur des VM
Se connecter à la VM et vérifier l'état de l'application
Accéder à la charge de travail basée sur des VM

Avant de commencer

Pour ce document, vous avez besoin des ressources suivantes:

Un accès à un cluster GKE sur Bare Metal version 1.12.0 ou ultérieure créé à l'aide du guide Exécuter GKE sur une solution Bare Metal sur des VM Compute Engine avec un équilibreur de charge manuel. Ce document configure les ressources réseau pour que vous puissiez accéder à la charge de travail exécutée dans la VM via un navigateur. Si vous n'avez pas besoin de ce comportement, vous pouvez suivre ce document en utilisant n'importe quel GKE sur Bare Metal.
Une station de travail qui répond aux exigences suivantes :
- peut accéder à votre cluster via la CLI bmctl.
- a accès à votre cluster via la CLI kubectl ;

Activer l'environnement d'exécution des VM sur Google Distributed Cloud et installer le plug-in `virtctl`

La définition de ressource personnalisée (CRD, Custom Resource Definition) de l'environnement d'exécution des VM sur Google Distributed Cloud fait partie de tous les clusters GKE sur Bare Metal depuis la version 1.10. Une instance de la ressource personnalisée VMRuntime est déjà créée lors de l'installation. Toutefois, il est désactivé par défaut.

Activez l'environnement d'exécution des VM sur Google Distributed Cloud:
```
sudo bmctl enable vmruntime --kubeconfig KUBECONFIG_PATH
```
- KUBECONFIG_PATH: chemin d'accès au fichier de configuration Kubernetes du cluster d'utilisateur GKE Enterprise
Vérifiez que VMRuntime est activé:
```
kubectl wait --for=jsonpath='{.status.ready}'=true vmruntime vmruntime
```
La préparation de l'élément VMRuntime peut prendre quelques minutes. Si elle n'est pas prête, vérifiez plusieurs fois avec un court délai. L'exemple de résultat suivant montre que VMRuntime est prêt:
```
vmruntime.vm.cluster.gke.io/vmruntime condition met
```

Installez le plug-in virtctl pour kubectl:

sudo -E bmctl install virtctl

L'exemple de résultat suivant montre que le processus d'installation du plug-in virtctl est terminé:

Please check the logs at bmctl-workspace/log/install-virtctl-20220831-182135/install-virtctl.log
[2022-08-31 18:21:35+0000] Install virtctl succeeded

Vérifiez l'installation du plug-in virtctl:

kubectl virt

L'exemple de résultat suivant montre que le plug-in virtctl peut être utilisé avec kubectl:

Available Commands:
  addvolume         add a volume to a running VM
  completion        generate the autocompletion script for the specified shell
  config            Config subcommands.
  console           Connect to a console of a virtual machine instance.
  create            Create subcommands.
  delete            Delete  subcommands.
...

Déployer la charge de travail basée sur des VM

Lorsque vous déployez une VM dans GKE sur une solution Bare Metal, l'environnement d'exécution de VM sur Google Distributed Cloud attend une image de VM. Cette image sert de disque de démarrage pour la VM déployée.

Dans ce tutoriel, vous allez migrer une charge de travail basée sur des VM Compute Engine vers un cluster GKE sur Bare Metal. Cette VM Compute Engine a été créée, et l'exemple d'application de point de vente (PoS) a été configuré pour s'exécuter en tant que service systemd. Une image disque de cette VM et la charge de travail de l'application PoS ont été créées dans Google Cloud. Cette image a ensuite été exportée dans un bucket Cloud Storage en tant qu'image qcow2. Vous allez utiliser cette image qcow2 préparée à l'avance dans les étapes suivantes.

Le code source de ce document est disponible dans le dépôt GitHub anthos-samples. Vous allez utiliser les ressources de ce dépôt pour effectuer les étapes suivantes.

Déployez un StatefulSet MySQL. L'application de point de vente s'attend à se connecter à une base de données MySQL pour stocker les informations d'inventaire et de paiement. Le dépôt de point de vente contient un exemple de fichier manifeste qui déploie un StatefulSet MySQL, configure un ConfigMap associé et un Service Kubernetes. Le ConfigMap définit les identifiants de l'instance MySQL, qui sont les mêmes identifiants transmis à l'application de point de vente.
```
kubectl apply -f https://raw.githubusercontent.com/GoogleCloudPlatform/point-of-sale/main/k8-manifests/common/mysql-db.yaml
```
Déployez la charge de travail de VM à l'aide de l'image qcow2 préparée à l'avance:
```
kubectl virt create vm pos-vm \
    --boot-disk-size=80Gi \
    --memory=4Gi \
    --vcpu=2 \
    --image=https://storage.googleapis.com/pos-vm-images/pos-vm.qcow2
```
Cette commande crée un fichier YAML nommé d'après la VM (google-virtctl/pos-vm.yaml). Vous pouvez inspecter le fichier pour voir la définition des éléments VirtualMachine et VirtualMachineDisk. Au lieu d'utiliser le plug-in virtctl, vous auriez pu déployer la charge de travail de la VM à l'aide des définitions du modèle de ressources Kubernetes (KRM), comme indiqué dans le fichier YAML créé.

Lorsque la commande s'exécute correctement, elle produit un résultat semblable à l'exemple suivant, qui explique les différentes ressources créées:
```
Constructing manifest for vm "pos-vm":
Manifest for vm "pos-vm" is saved to /home/tfadmin/google-virtctl/pos-vm.yaml
Applying manifest for vm "pos-vm"
Created gvm "pos-vm"
```
Vérifiez l'état de création de la VM.

La ressource VirtualMachine est identifiée par la ressource vm.cluster.gke.io/v1.VirtualMachine dans l'environnement d'exécution des VM sur Google Distributed Cloud. La forme abrégée est gvm.

Lorsque vous créez une VM, les deux ressources suivantes sont créées:
- Un VirtualMachineDisk est le disque persistant dans lequel le contenu de l'image de VM est importé.
- Une VirtualMachine est l'instance de VM elle-même. Le DataVolume est installé sur la VirtualMachine (Machine virtuelle) avant le démarrage de la VM.
Vérifiez l'état du VirtualMachineDisk. VirtualMachineDisk crée une ressource DataVolume en interne. L'image de VM est importée dans l'élément DataVolume installé dans la VM:
```
kubectl get datavolume
```
L'exemple de résultat suivant montre le début de l'importation de l'image:
```
NAME              PHASE             PROGRESS   RESTARTS   AGE
pos-vm-boot-dv    ImportScheduled   N/A                   8s
```
Vérifiez l'état du VirtualMachine. VirtualMachine est à l'état Provisioning jusqu'à ce que DataVolume soit complètement importé:
```
kubectl get gvm
```
L'exemple de résultat suivant montre le VirtualMachine en cours de provisionnement:
```
NAME      STATUS         AGE     IP
pos-vm    Provisioning   1m
```
Attendez que l'image de VM soit complètement importée dans DataVolume. Continuez à surveiller la progression de l'importation de l'image:
```
kubectl get datavolume -w
```
L'exemple de résultat suivant montre l'image disque en cours d'importation:
```
NAME              PHASE              PROGRESS   RESTARTS   AGE
pos-vm-boot-dv   ImportInProgress   0.00%                 14s
...
...
pos-vm-boot-dv   ImportInProgress   0.00%                 31s
pos-vm-boot-dv   ImportInProgress   1.02%                 33s
pos-vm-boot-dv   ImportInProgress   1.02%                 35s
...
```
Une fois l'importation terminée et le DataVolume créé, l'exemple de sortie suivant affiche le PHASE de Succeeded :
```
kubectl get datavolume
```
```
NAME              PHASE             PROGRESS   RESTARTS   AGE
pos-vm-boot-dv    Succeeded         100.0%                14m18s
```
Remarque :La durée de l'importation dépend de la taille de l'image de VM utilisée. L'image de VM Compute Engine présentée dans ce document fait environ 5 Go et peut prendre jusqu'à 15 minutes pour être importée.
Vérifiez que VirtualMachine a bien été créé:
```
kubectl get gvm
```
Si la création a réussi, STATUS affiche RUNNING, comme illustré dans l'exemple suivant, ainsi que l'adresse IP de la VM:
```
NAME      STATUS    AGE     IP
pos-vm    Running   40m     192.168.3.250
```

Se connecter à la VM et vérifier l'état de l'application

L'image utilisée pour la VM inclut l'exemple d'application de point de vente. L'application est configurée pour démarrer automatiquement au démarrage en tant que service systemd. Vous pouvez voir les fichiers de configuration des services systemd dans le répertoire pos-systemd-services.

Connectez-vous à la console de la VM. Exécutez la commande suivante et appuyez sur Enter lorsque le message Successfully connected to pos-vm… s'affiche:
```
kubectl virt console pos-vm
```
Cette commande génère l'exemple de sortie suivant, qui vous invite à saisir les identifiants:
```
Successfully connected to pos-vm console. The escape sequence is ^]

pos-from-public-image login:
```
Utilisez le compte utilisateur et le mot de passe suivants. Ce compte a été configuré dans la VM d'origine à partir de laquelle l'image de l'environnement d'exécution de la VM sur la machine virtuelle Google Distributed Cloud a été créée.
- Nom d'utilisateur de connexion: abmuser
- Mot de passe : abmworks

Vérifiez l'état des services de l'application de point de vente. L'application de point de vente comprend trois services: l'API, l'inventaire et les paiements. Ces services s'exécutent tous en tant que services système.

Les trois services se connectent tous via localhost. Cependant, l'application se connecte à la base de données MySQL à l'aide d'un service mysql-db Kubernetes créé lors de l'étape précédente. Ce comportement signifie que la VM est automatiquement connectée au même réseau que Pods et Services, ce qui permet une communication fluide entre les charges de travail de la VM et d'autres applications conteneurisées. Aucune action supplémentaire n'est requise pour rendre la ressource Kubernetes Services accessible à partir des VM déployées à l'aide de l'environnement d'exécution des VM Anthos.

sudo systemctl status pos*

L'exemple de résultat suivant affiche l'état des trois services et du service système racine, pos.service:

● pos_payments.service - Payments service of the Point of Sale Application
    Loaded: loaded (/etc/systemd/system/pos_payments.service; enabled; vendor >
    Active: active (running) since Tue 2022-06-21 18:55:30 UTC; 1h 10min ago
  Main PID: 750 (payments.sh)
      Tasks: 27 (limit: 4664)
    Memory: 295.1M
    CGroup: /system.slice/pos_payments.service
            ├─750 /bin/sh /pos/scripts/payments.sh
            └─760 java -jar /pos/jars/payments.jar --server.port=8083

● pos_inventory.service - Inventory service of the Point of Sale Application
    Loaded: loaded (/etc/systemd/system/pos_inventory.service; enabled; vendor>
    Active: active (running) since Tue 2022-06-21 18:55:30 UTC; 1h 10min ago
  Main PID: 749 (inventory.sh)
      Tasks: 27 (limit: 4664)
    Memory: 272.6M
    CGroup: /system.slice/pos_inventory.service
            ├─749 /bin/sh /pos/scripts/inventory.sh
            └─759 java -jar /pos/jars/inventory.jar --server.port=8082

● pos.service - Point of Sale Application
    Loaded: loaded (/etc/systemd/system/pos.service; enabled; vendor preset: e>
    Active: active (exited) since Tue 2022-06-21 18:55:30 UTC; 1h 10min ago
  Main PID: 743 (code=exited, status=0/SUCCESS)
      Tasks: 0 (limit: 4664)
    Memory: 0B
    CGroup: /system.slice/pos.service

Jun 21 18:55:30 pos-vm systemd[1]: Starting Point of Sale Application...
Jun 21 18:55:30 pos-vm systemd[1]: Finished Point of Sale Application.

● pos_apiserver.service - API Server of the Point of Sale Application
    Loaded: loaded (/etc/systemd/system/pos_apiserver.service; enabled; vendor>
    Active: active (running) since Tue 2022-06-21 18:55:31 UTC; 1h 10min ago
  Main PID: 751 (api-server.sh)
      Tasks: 26 (limit: 4664)
    Memory: 203.1M
    CGroup: /system.slice/pos_apiserver.service
            ├─751 /bin/sh /pos/scripts/api-server.sh
            └─755 java -jar /pos/jars/api-server.jar --server.port=8081

Quittez la VM. Pour quitter la connexion à la console, utilisez la séquence d'échappement ^] en appuyant sur Ctrl + ].

Accéder à la charge de travail basée sur des VM

Si votre cluster a été configuré en suivant le guide Exécuter GKE sur une solution Bare Metal sur des VM Compute Engine avec un équilibreur de charge manuel, une ressource Ingress appelée pos-ingress a déjà été créée. Cette ressource achemine le trafic de l'adresse IP publique de l'équilibreur de charge d'entrée vers le service de serveur d'API de l'exemple d'application de point de vente.

Si votre cluster ne contient pas cette ressource Ingress, créez-la en appliquant le fichier manifeste suivant:

kubectl apply -f https://raw.githubusercontent.com/GoogleCloudPlatform/anthos-samples/main/anthos-bm-gcp-terraform/resources/manifests/pos-ingress.yaml

anthos-bm-gcp-terraform/resources/manifests/pos-ingress.yaml

Afficher sur GitHub

apiVersion: networking.k8s.io/v1
kind: Ingress
metadata:
  name: pos-ingress
spec:
  rules:
  - http:
      paths:
      - path: /
        pathType: Prefix
        backend:
          service:
            name: api-server-svc
            port:
              number: 8080

Créez une Service Kubernetes qui achemine le trafic vers la VM. La ressource Ingress achemine le trafic vers ce Service:

kubectl apply -f https://raw.githubusercontent.com/GoogleCloudPlatform/anthos-samples/main/anthos-vmruntime/pos-service.yaml

L'exemple de résultat suivant confirme la création d'un service:

service/api-server-svc created

anthos-vmruntime/pos-service.yaml

Afficher sur GitHub

apiVersion: v1
kind: Service
metadata:
  name: api-server-svc
spec:
  selector:
    kubevirt/vm: pos-vm
  ports:
  - protocol: TCP
    port: 8080
    targetPort: 8081

Obtenez l'adresse IP publique de l'équilibreur de charge Ingress. L'équilibreur de charge Ingress achemine le trafic en fonction des règles de ressources Ingress. Vous disposez déjà d'une règle pos-ingress pour transférer les requêtes au serveur d'API Service. Ce Service transfère les requêtes à la VM:
```
INGRESS_IP=$(kubectl get ingress/pos-ingress -o jsonpath='{.status.loadBalancer.ingress[0].ip}')
echo $INGRESS_IP
```
L'exemple de résultat suivant montre l'adresse IP de l'équilibreur de charge Ingress:
```
172.29.249.159 # you might have a different IP address
```
Accédez à l'application en utilisant l'adresse IP de l'équilibreur de charge Ingress dans un navigateur. Les captures d'écran suivantes montrent un kiosque de point de vente simple avec deux articles. Vous pouvez cliquer plusieurs fois sur les articles si vous souhaitez en commander plusieurs, puis passer une commande à l'aide du bouton Payer. Cette expérience montre que vous avez déployé avec succès une charge de travail traditionnelle basée sur des VM dans un cluster Anthos à l'aide de l'environnement d'exécution des VM sur Google Distributed Cloud.

UI de l'application de point de vente — Interface utilisateur de l'application de point de vente (cliquez sur l'image pour l'agrandir)

Effectuer un nettoyage

Vous pouvez supprimer toutes les ressources créées dans ce tutoriel, ou ne supprimer que la VM et conserver les ressources réutilisables. La section Supprimer une VM dans GKE sur Bare Metal explique en détail les options disponibles.

Tout supprimer

Supprimez l'environnement d'exécution de VM sur Google Distributed Cloud VirtualMachine ainsi que toutes les ressources:

kubectl virt delete vm pos-vm --all

L'exemple de résultat suivant confirme la suppression:

vm "pos-vm" used the following resources:
    gvm: pos-vm
    VirtualMachineDisk: pos-vm-boot-dv
Start deleting the resources:
    Deleted gvm "pos-vm".
    Deleted VirtualMachineDisk "pos-vm-boot-dv".

Supprimer uniquement la VM

Si vous supprimez uniquement la VM, le VirtualMachineDisk créé sera conservé. Cela permet de réutiliser cette image de VM et de gagner du temps sur l'importation de l'image lors de la création d'une VM.
```
kubectl virt delete vm pos-vm
```
L'exemple de résultat suivant confirme la suppression:
```
vm "pos-vm" used the following resources:
    gvm: pos-vm
    VirtualMachineDisk: pos-vm-boot-dv
Start deleting the resources:
    Deleted gvm "pos-vm".
```

Étapes suivantes

La VM d'origine utilisée dans ce guide est une instance Compute Engine qui exécute Ubuntu 20.04 LTS. L'image de cette VM est accessible au public via le bucket Cloud Storage pos-vm-images. Pour en savoir plus sur la configuration de la VM et sur la création de son image, consultez les instructions fournies dans le dépôt du point de vente.
Lorsque vous créez une VM dans un cluster Anthos à l'aide de la commande kubectl virt create vm pos-vm, un fichier YAML portant le nom de la VM (google-virtctl/pos-vm.yaml) est créé. Vous pouvez inspecter le fichier pour voir la définition de VirtualMachine et de VirtualMachineDisk. Au lieu d'utiliser le plug-in virtctl, vous pouvez déployer une VM à l'aide de définitions KRM, comme indiqué dans le fichier YAML créé.