Comme tout cluster Kubernetes, l'évolutivité des clusters Google Distributed Cloud présente de nombreuses dimensions interdépendantes. L'objectif de ce document est de vous aider à comprendre les dimensions clés que vous pouvez ajuster pour augmenter la capacité de vos clusters sans perturber vos charges de travail.
Comprendre les limites
Google Distributed Cloud est un système complexe doté d'une grande surface d'intégration. De nombreuses dimensions affectent l'évolutivité du cluster. Par exemple, le nombre de nœuds ne représente qu'une des nombreuses dimensions sur lesquelles Google Distributed Cloud peut évoluer. Les autres dimensions incluent le nombre total de pods et de services. Beaucoup de ces dimensions, telles que le nombre de pods par nœud et le nombre de nœuds par cluster, sont liées. Pour en savoir plus sur les dimensions ayant un effet sur l'évolutivité, consultez la section Seuils d'évolutivité de Kubernetes dans la section "Scalability Special Interest Group (SIG)" du dépôt de la communauté Kubernetes sur GitHub.
Les limites d'évolutivité sont également sensibles à la configuration du matériel et des nœuds sur lesquels votre cluster s'exécute. Les limites décrites dans ce document sont validées dans un environnement probablement différent du vôtre. Par conséquent, vous risquez de ne pas reproduire les mêmes nombres lorsque l'environnement sous-jacent est le facteur limitant.
Pour en savoir plus sur les limites qui s'appliquent à vos clusters Google Distributed Cloud, consultez la page Quotas et limites.
Préparer le scaling
Lorsque vous préparez le scaling de vos clusters Google Distributed Cloud, tenez compte des exigences et des limites décrites dans les sections suivantes.
Exigences concernant le processeur et la mémoire du nœud du plan de contrôle
Le tableau suivant présente les configurations de processeur et de mémoire recommandées pour les nœuds de plan de contrôle des clusters exécutant des charges de travail de production:
| Nombre de nœuds de cluster | Processeurs recommandés pour le plan de contrôle | Mémoire de plan de contrôle recommandée |
|---|---|---|
| 1-50 | 8 cœurs | 32 Gio |
| 51 à 100 | 16 cœurs | 64 Gio |
Nombre de pods et de services
Le nombre de pods et de services que vous pouvez avoir dans vos clusters est contrôlé par les paramètres suivants:
clusterNetwork.pods.cidrBlocksspécifie le nombre de pods autorisés dans votre cluster.nodeConfig.podDensity.maxPodsPerNodespécifie le nombre maximal de pods pouvant s'exécuter sur un seul nœud.clusterNetwork.services.cidrBlocksspécifie le nombre de services autorisés dans votre cluster.
CIDR des pods et nombre maximal de nœuds
Le nombre total d'adresses IP réservées aux pods de votre cluster est l'un des facteurs limitants du scaling à la hausse de votre cluster. Associé au nombre maximal de pods par nœud, ce paramètre détermine le nombre maximal de nœuds que vous pouvez avoir dans votre cluster avant de risquer d'épuiser les adresses IP de vos pods.
Réfléchissez aux éléments suivants :
Le nombre total d'adresses IP réservées aux pods de votre cluster est spécifié par
clusterNetwork.pods.cidrBlocks, qui accepte une plage d'adresses IP spécifiées dans la notation CIDR. Par exemple, la valeur préremplie192.168.0.0/16spécifie une plage de 65 536 adresses IP de192.168.0.0à192.168.255.255.Le nombre maximal de pods pouvant s'exécuter sur un seul nœud est spécifié avec
nodeConfig.podDensity.maxPodsPerNode.En fonction du paramètre de nombre maximal de pods par nœud, Google Distributed Cloud provisionne environ deux fois plus d'adresses IP au nœud. Les adresses IP supplémentaires permettent d'éviter la réutilisation accidentelle des adresses IP de pods en peu de temps.
En divisant le nombre total d'adresses IP de pods par le nombre d'adresses IP de pods provisionnées sur chaque nœud, vous obtenez le nombre total de nœuds que vous pouvez avoir dans votre cluster.
Par exemple, si le CIDR de votre pod est 192.168.0.0/17, vous avez un total de 32 768 adresses IP (2(32-17) = 215 = 32 768). Si vous définissez le nombre maximal de pods par nœud sur 250, Google Distributed Cloud provisionne une plage d'environ 500 adresses IP, ce qui équivaut à peu près à un bloc CIDR /23 (2(32-23) = 29 = 512).
Dans ce cas, le nombre maximal de nœuds est donc de 64 (215 adresses/cluster divisées par 29 adresses/nœud = 2(15-9) nœuds/cluster = 26 = 64 nœuds/cluster).
clusterNetwork.pods.cidrBlocks et nodeConfig.podDensity.maxPodsPerNode sont immuables. Vous devez donc planifier soigneusement la croissance future de votre cluster afin d'éviter de manquer de capacité de nœuds. Pour connaître les valeurs maximales recommandées pour le nombre de pods par cluster, le nombre de pods par nœud et le nombre de nœuds par cluster sur la base des tests, consultez la section Limites.
CIDR des services
Le CIDR de vos services peut être mis à jour pour ajouter des services à mesure que vous faites évoluer votre cluster. En revanche, vous ne pouvez pas réduire la plage CIDR des services. Pour en savoir plus, consultez la section Augmenter la portée du réseau pour le service.
Ressources réservées aux daemons système
Par défaut, Google Distributed Cloud réserve automatiquement des ressources sur un nœud pour les daemons système, tels que sshd ou udev. Les ressources de processeur et de mémoire sont réservées sur un nœud pour les daemons système afin que ces daemons disposent des ressources dont ils ont besoin. Sans cette fonctionnalité, les pods peuvent potentiellement consommer la plupart des ressources d'un nœud, ce qui empêche les daemons système d'accomplir leurs tâches.
Plus précisément, Google Distributed Cloud réserve 80 millicores de processeur (80 mCPU) et 280 mébioctets (280 Mio) de mémoire sur chaque nœud pour les daemons système. Notez que l'unité de processeur mCPU signifie millième de cœur. Par conséquent, 80/1 000 ou 8 % d'un cœur sur chaque nœud sont réservés aux daemons système. La quantité de ressources réservées est faible et n'a pas d'impact significatif sur les performances des pods. Cependant, le kubelet sur un nœud peut expulser des pods si leur utilisation du processeur ou de la mémoire dépasse les quantités qui leur sont allouées.
Mise en réseau avec MetalLB
Vous pouvez augmenter le nombre de haut-parleurs MetalLB pour répondre aux aspects suivants:
Bande passante: toute la bande passante du cluster pour les services d'équilibrage de charge dépend du nombre de haut-parleurs et de la bande passante de chaque nœud de haut-parleur. L'augmentation du trafic réseau nécessite davantage de locuteurs.
Tolérance aux pannes: davantage de haut-parleurs réduisent l'impact global d'une défaillance d'un seul haut-parleur.
MetalLB nécessite des connectivités de couche 2 entre les nœuds d'équilibrage de charge. Dans ce cas, vous pouvez être limité par le nombre de nœuds dotés d'une connectivité de couche 2 sur lesquels vous pouvez installer des enceintes MetalLB.
Planifiez soigneusement le nombre de haut-parleurs MetalLB que vous souhaitez avoir dans votre cluster et déterminez le nombre de nœuds de couche 2 dont vous avez besoin. Pour en savoir plus, consultez la page Problèmes d'évolutivité MetalLB.
Par ailleurs, lorsque vous utilisez le mode d'équilibrage de charge groupé, les nœuds du plan de contrôle doivent également se trouver sous le même réseau de couche 2. L'équilibrage de charge manuel ne présente pas cette restriction. Pour en savoir plus, consultez la page Mode d'équilibrage de charge manuel.
Exécuter de nombreux nœuds, pods et services
L'ajout de nœuds, de pods et de services permet d'effectuer un scaling à la hausse de votre cluster. Les sections suivantes couvrent certains paramètres et configurations supplémentaires que vous devez prendre en compte lorsque vous augmentez le nombre de nœuds, de pods et de services dans votre cluster. Pour en savoir plus sur les limites de ces dimensions et sur leurs relations, consultez la section Limites.
Créer un cluster sans kube-proxy
Pour créer un cluster hautes performances pouvant évoluer à la hausse afin d'utiliser un grand nombre de services et de points de terminaison, nous vous recommandons de créer le cluster sans kube-proxy. Sans kube-proxy, le cluster utilise GKE Dataplane V2 en mode kube-proxy-replacement. Ce mode évite la consommation de ressources requise pour gérer un grand ensemble de règles iptables.
Vous ne pouvez pas désactiver l'utilisation de kube-proxy pour un cluster existant. Cette configuration doit être définie lors de la création du cluster. Pour obtenir des instructions et plus d'informations, consultez la section Créer un cluster sans kube-proxy.
Configuration CoreDNS
Cette section décrit les aspects de CoreDNS qui affectent l'évolutivité de vos clusters.
DNS du pod
Par défaut, les clusters Google Distributed Cloud injectent aux pods un resolv.conf qui se présente comme suit:
nameserver KUBEDNS_CLUSTER_IP
search <NAMESPACE>.svc.cluster.local svc.cluster.local cluster.local c.PROJECT_ID.internal google.internal
options ndots:5
L'option ndots:5 signifie que les noms d'hôte comportant moins de cinq points ne sont pas considérés comme des noms de domaine complets. Le serveur DNS ajoute tous les domaines de recherche spécifiés avant de rechercher le nom d'hôte demandé à l'origine, ce qui ordonne les recherches comme suit lors de la résolution de google.com:
google.com.NAMESPACE.svc.cluster.localgoogle.com.svc.cluster.localgoogle.com.cluster.localgoogle.com.c.PROJECT_ID.internalgoogle.com.google.internalgoogle.com
Chacune des résolutions est effectuée pour IPv4 (enregistrement A) et IPv6 (enregistrement AAAA), ce qui génère 12 requêtes DNS pour chaque requête non FQDN, ce qui amplifie considérablement le trafic DNS. Pour atténuer ce problème, nous vous recommandons de déclarer le nom d'hôte à rechercher en tant que nom de domaine complet en ajoutant un point final (google.com.). Cette déclaration doit être effectuée au niveau de la charge de travail de l'application. Pour en savoir plus, consultez la page de manuel de resolv.conf.
IPv6
Si le cluster n'utilise pas IPv6, il est possible de réduire de moitié les requêtes DNS en éliminant la recherche d'enregistrement AAAA vers le serveur DNS en amont. Si vous avez besoin d'aide pour désactiver les recherches AAAA, contactez Cloud Customer Care.
Pool de nœuds dédié
En raison de la nature critique des requêtes DNS dans les cycles de vie des applications, nous vous recommandons d'utiliser des nœuds dédiés pour le déploiement de coredns. Ce déploiement relève d'un domaine de défaillance différent de celui des applications normales. Si vous avez besoin d'aide pour configurer des nœuds dédiés pour le déploiement coredns, contactez le Cloud Customer Care.
Problèmes d'évolutivité MetalLB
MetalLB s'exécute en mode actif-passif, ce qui signifie qu'à tout moment, une seule enceinte MetalLB diffuse une adresse IP virtuelle LoadBalancer spécifique.
Basculement
Avant la version 1.28.0 de Google Distributed Cloud, le basculement de MetalLB pouvait prendre beaucoup de temps et présenter un risque de fiabilité pour le cluster à grande échelle.
Limites de connexion
S'il existe une adresse IP virtuelle LoadBalancer spécifique, telle qu'un service d'entrée, qui s'attend à près de 30 000 connexions simultanées ou plus de celle-ci, il est probable que le nœud de haut-parleur qui gère l'adresse IP virtuelle épuise les ports disponibles. En raison d'une limitation de l'architecture, MetalLB n'est pas en mesure d'atténuer ce problème. Envisagez de passer à l'équilibrage de charge groupé avec BGP avant la création du cluster ou d'utiliser une autre classe d'entrée. Pour en savoir plus, consultez la section Configuration de l'entrée.
Haut-parleurs de l'équilibreur de charge
Par défaut, Google Distributed Cloud utilise le même pool de nœuds de l'équilibreur de charge pour le plan de contrôle et le plan de données. Si vous ne spécifiez pas de pool de nœuds de l'équilibreur de charge (loadBalancer.nodePoolSpec), le pool de nœuds du plan de contrôle (controlPlane.nodePoolSpec) est utilisé.
Pour augmenter le nombre de haut-parleurs lorsque vous utilisez le pool de nœuds du plan de contrôle pour l'équilibrage de charge, vous devez augmenter le nombre de machines du plan de contrôle. Pour les déploiements de production, nous vous recommandons d'utiliser trois nœuds de plan de contrôle afin d'assurer une haute disponibilité. Augmenter le nombre de nœuds du plan de contrôle au-delà de trois pour accueillir des locuteurs supplémentaires peut ne pas être une bonne utilisation de vos ressources.
Configuration de l'Ingress
Si vous prévoyez près de 30 000 connexions simultanées dans une seule adresse IP virtuelle de service LoadBalancer, il est possible que MetalLB ne puisse pas la prendre en charge.
Vous pouvez envisager d'exposer l'adresse IP virtuelle via d'autres mécanismes, tels que F5 BIG-IP. Vous pouvez également créer un cluster à l'aide de l'équilibrage de charge groupé avec BGP, qui ne présente pas la même limitation.
Ajuster les composants Cloud Logging et Cloud Monitoring
Dans les clusters de grande taille, en fonction des profils d'application et du modèle de trafic, les configurations de ressources par défaut pour les composants Cloud Logging et Cloud Monitoring peuvent ne pas être suffisantes. Pour savoir comment ajuster les demandes et les limites de ressources pour les composants d'observabilité, consultez la page Configurer les ressources des composants Stackdriver.
En particulier, les métriques kube-state-metrics dans les clusters comportant un grand nombre de services et de points de terminaison peuvent entraîner une utilisation excessive de la mémoire à la fois sur le kube-state-metrics lui-même et sur le gke-metrics-agent du même nœud. L'utilisation des ressources de "metrics-server" peut également évoluer en termes de nœuds, de pods et de services. Si vous rencontrez des problèmes de ressources sur ces composants, contactez
Cloud Customer Care.
Utiliser sysctl pour configurer votre système d'exploitation
Nous vous recommandons d'ajuster la configuration du système d'exploitation pour vos nœuds afin de l'adapter au cas d'utilisation de votre charge de travail. Les paramètres fs.inotify.max_user_watches et fs.inotify.max_user_instances qui contrôlent le nombre de ressources d'authentification ont souvent besoin d'être ajustés. Par exemple, si vous voyez des messages d'erreur comme les suivants, vous pouvez vérifier si ces paramètres doivent être réglés:
The configured user limit (128) on the number of inotify instances has been reached
ENOSPC: System limit for number of file watchers reached...
Le réglage varie généralement en fonction du type de charge de travail et de la configuration matérielle. Vous pouvez vous renseigner sur les bonnes pratiques spécifiques à l'OS auprès de votre fournisseur d'OS.
Bonnes pratiques
Cette section décrit les bonnes pratiques pour le scaling à la hausse de votre cluster.
Mettre à l'échelle une dimension à la fois
Pour minimiser les problèmes et faciliter le rollback des modifications, n'ajustez pas plus d'une dimension à la fois. L'augmentation simultanée de plusieurs dimensions peut entraîner des problèmes, même dans des clusters plus petits. Par exemple, si vous essayez de faire passer à 110 le nombre de pods planifiés par nœud et de faire passer le nombre de nœuds du cluster à 250, l'opération n'aboutira probablement pas, car le nombre de pods, le nombre de pods par nœud et le nombre de nœuds sont trop étendus.
Effectuer le scaling des clusters par étapes
Le scaling à la hausse d'un cluster peut nécessiter beaucoup de ressources. Pour réduire le risque d'échec des opérations de cluster ou d'interruption des charges de travail du cluster, nous vous déconseillons de créer de grands clusters avec de nombreux nœuds en une seule opération.
Créer des clusters hybrides ou autonomes sans nœuds de calcul
Si vous créez un grand cluster hybride ou autonome avec plus de 50 nœuds de calcul, il est préférable de créer d'abord un cluster à haute disponibilité avec des nœuds de plan de contrôle, puis d'effectuer un scaling progressif à la hausse. L'opération de création de cluster utilise un cluster d'amorçage qui n'est pas haute disponibilité et est donc moins fiable. Une fois le cluster haute disponibilité hybride ou autonome créé, vous pouvez l'utiliser pour effectuer un scaling à la hausse jusqu'à atteindre plus de nœuds.
Augmenter le nombre de nœuds de calcul par lot
Si vous étendez un cluster à davantage de nœuds de calcul, il est préférable de procéder par étapes. Nous vous recommandons de ne pas ajouter plus de 20 nœuds à la fois. Cela est particulièrement vrai pour les clusters qui exécutent des charges de travail critiques.
Activer l'extraction d'images en parallèle
Par défaut, kubelet extrait les images en série, les unes après les autres. Si vous disposez d'une mauvaise connexion en amont à votre serveur de registre d'images, une mauvaise extraction d'image peut bloquer la file d'attente pour un pool de nœuds donné.
Pour limiter ce problème, nous vous recommandons de définir serializeImagePulls sur false dans la configuration de kubelet personnalisée. Pour obtenir des instructions et plus d'informations, consultez la section Configurer les paramètres d'extraction d'image du kubelet.
L'activation de l'extraction d'images en parallèle peut entraîner des pics de consommation de bande passante réseau ou d'E/S sur le disque.
Affiner les demandes et les limites de ressources d'application
Dans les environnements densément empaquetés, les charges de travail d'application peuvent être évincées. Kubernetes utilise le mécanisme référencé pour classer les pods en cas d'éviction.
Pour paramétrer les ressources de votre conteneur, une bonne pratique consiste à utiliser la même quantité de mémoire pour les demandes et les limites de ressources, ainsi qu'à fixer une limite d'utilisation du processeur plus importante ou indéterminée. Pour en savoir plus, consultez la page Préparer des applications Kubernetes basées sur le cloud dans le centre d'architecture cloud.
Faire appel à un partenaire de stockage
Nous vous recommandons de faire appel à l'un des partenaires de stockage GDCV Ready pour les déploiements à grande échelle. Il est important de confirmer les informations suivantes auprès du partenaire de stockage concerné:
- Les déploiements de stockage respectent les bonnes pratiques concernant les aspects de stockage, tels que la haute disponibilité, le paramètre de priorité, les affinités de nœuds, ainsi que les demandes et les limites de ressources.
- La version de stockage est spécifiée avec la version Google Distributed Cloud spécifique.
- Le fournisseur de stockage peut supporter le déploiement à grande échelle que vous souhaitez déployer.
Configurer les clusters pour la haute disponibilité
Il est important d'auditer votre déploiement à grande échelle et de vous assurer que les composants critiques sont configurés pour la haute disponibilité autant que possible. Google Distributed Cloud accepte les options de déploiement haute disponibilité pour tous les types de clusters. Pour en savoir plus, consultez la page Choisir un modèle de déploiement. Pour obtenir des exemples de fichiers de configuration de cluster pour des déploiements haute disponibilité, consultez la section Exemples de configuration de cluster.
Il est également important d'auditer d'autres composants, y compris:
- Fournisseur de stockage
- Webhooks de cluster
Surveiller l'utilisation des ressources
Cette section fournit des recommandations de surveillance de base pour les clusters à grande échelle.
Surveillez de près les métriques d'utilisation
Il est essentiel de surveiller l'utilisation des nœuds et des composants système individuels, et de s'assurer qu'ils disposent d'une marge sûre et confortable. Pour connaître les fonctionnalités de surveillance standards disponibles par défaut, consultez la section Utiliser des tableaux de bord prédéfinis.
Surveiller la consommation de bande passante
Surveillez de près la consommation de bande passante pour vous assurer que le réseau n'est pas saturé, ce qui dégrade les performances de votre cluster.
Améliorer les performances d'etcd
La vitesse du disque est essentielle à la performance et à la stabilité d'etcd. Un disque lent augmente la latence des requêtes etcd, ce qui peut entraîner des problèmes de stabilité du cluster. Pour améliorer les performances du cluster, Google Distributed Cloud stocke les objets "Event" dans une instance etcd distincte et dédiée. L'instance etcd standard utilise /var/lib/etcd comme répertoire de données et le port 2379 pour les requêtes client. L'instance etcd-events utilise /var/lib/etcd-events comme répertoire de données et le port 2382 pour les requêtes client.
Nous vous recommandons d'utiliser un disque SSD pour vos magasins etcd. Pour des performances optimales, installez des disques distincts dans /var/lib/etcd et /var/lib/etcd-events. L'utilisation de disques dédiés garantit que les deux instances etcd ne partagent pas les E/S du disque.
La documentation etcd fournit des recommandations matérielles supplémentaires pour garantir des performances d'etcd optimales lors de l'exécution de vos clusters en production.
Pour vérifier les performances de votre etcd et de votre disque, utilisez les métriques de latence des E/S etcd suivantes dans l'explorateur de métriques :
etcd_disk_backend_commit_duration_seconds: la durée doit être inférieure à 25 millisecondes pour le 99e centile (p99).etcd_disk_wal_fsync_duration_seconds: la durée doit être inférieure à 10 millisecondes pour le 99e centile (p99).
Pour en savoir plus sur les performances d'etcd, consultez les sections Que signifie l'avertissement etcd : "L'application des entrées a pris trop de temps" ? et Que signifie l'avertissement etcd "échec d'envoi d'une pulsation à l'heure" ?.
Si vous avez besoin d'aide supplémentaire, contactez l'assistance Cloud Customer Care.