Instructivo: Implementa una VM existente en un clúster de GKE en Bare Metal con el entorno de ejecución de VM en GDC

---

En este documento, se proporciona una guía paso a paso para implementar una carga de trabajo basada en una máquina virtual (VM) en Google Distributed Cloud con el entorno de ejecución de VM en GDC. La carga de trabajo que se usa en esta guía es la aplicación de punto de venta de muestra. Esta aplicación representa una terminal de punto de venta típica que se ejecuta en hardware local en una tienda minorista.

En este documento, debes migrar esta aplicación de una VM a un clúster de GKE en Bare Metal y acceder al frontend web de la aplicación. Para migrar una VM existente al clúster, primero se debe crear una imagen de disco de esa VM. Luego, la imagen debe estar alojada en un repositorio al que el clúster pueda acceder. Por último, la URL de esa imagen se puede usar para crear la VM. El entorno de ejecución de VM en GDC espera que las imágenes estén en formato qcow2. Si proporcionas un tipo de imagen diferente, se convierte automáticamente al formato qcow2. Para evitar la conversión repetitiva y habilitar la reutilización, puedes convertir una imagen de disco virtual y alojar la imagen qcow2.

En este documento, se usa una imagen ya preparada de una instancia de VM de Compute Engine en la que la carga de trabajo se ejecuta como un servicio systemd. Puedes seguir estos mismos pasos para implementar tu propia aplicación.

Objetivos

• Habilita el entorno de ejecución de la VM en GDC y, luego, instala el complemento virtctl.
• Implementa la carga de trabajo basada en VM
• Accede a la VM y verifica el estado de la aplicación
• Accede a la carga de trabajo basada en VM

Antes de comenzar

Para completar este documento, necesitas los siguientes recursos:

• Acceso a un clúster de Google Distributed Cloud versión 1.12.0 o superior que se creó mediante la guía Ejecuta Google Distributed Cloud en VMs de Compute Engine con un balanceador de cargas manual. En este documento, se configuran los recursos de red para que puedas acceder a la carga de trabajo que se ejecuta dentro de la VM a través de un navegador. Si no necesitas ese comportamiento, puedes seguir este documento usando cualquier Google Distributed Cloud.
• Una estación de trabajo que cumpla con los siguientes requisitos:
  • Tiene acceso a tu clúster con la CLI de bmctl.
  • Tiene acceso a tu clúster mediante la CLI de kubectl.

Habilita el entorno de ejecución de VM en GDC y, luego, instala el complemento virtctl

El entorno de ejecución de VM en la definición de recurso personalizado (CRD) de GDC es parte de todos los clústeres de GKE en Bare Metal desde la versión 1.10. Ya se creó una instancia del recurso personalizado VMRuntime después de la instalación. Sin embargo, está inhabilitado de forma predeterminada.

1. Habilita el entorno de ejecución de VM en GDC:

   sudo bmctl enable vmruntime --kubeconfig KUBECONFIG_PATH
   

   • KUBECONFIG_PATH: Es la ruta de acceso al archivo de configuración de Kubernetes del clúster de usuario de Google Distributed Cloud.

2. Valida que VMRuntime esté habilitado:

   kubectl wait --for=jsonpath='{.status.ready}'=true vmruntime vmruntime
   

   Es posible que VMRuntime tarde unos minutos en estar listo. Si no está listo, verifica varias veces con demoras breves. En el siguiente resultado de ejemplo, se muestra que VMRuntime está listo:

   vmruntime.vm.cluster.gke.io/vmruntime condition met
   

3. Instala el complemento virtctl para kubectl:

   sudo -E bmctl install virtctl
   

   En el siguiente resultado de ejemplo, se muestra que se completó el proceso de instalación del complemento virtctl:

   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
   

4. Verifica la instalación del complemento virtctl:

   kubectl virt
   

   En el siguiente resultado de ejemplo, se muestra que el complemento virtctl está disponible para usarse con 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.
   ...
   

Implementa la carga de trabajo basada en VM

Cuando implementas una VM en Google Distributed Cloud, el entorno de ejecución de VM en GDC espera una imagen de VM. Esta imagen funciona como disco de arranque para la VM implementada.

En este instructivo, migrarás una carga de trabajo basada en VM de Compute Engine a un clúster de GKE en Bare Metal. Se creó esta VM de Compute Engine y se configuró la aplicación de punto de venta (PoS) de muestra para que se ejecute como un servicio systemd. En Google Cloud, se creó una imagen de disco de esta VM junto con la carga de trabajo de la aplicación de PoS. Luego, esta imagen se exportó a un bucket de Cloud Storage como una imagen de qcow2. Usa esta imagen de qcow2 ya preparada en los siguientes pasos.

Nota: Aunque en este documento usamos una VM de Compute Engine, los pasos para crear una imagen de disco de una VM varían según el entorno o la plataforma en los que se ejecuta la VM existente. Puedes crear una imagen de disco de las VM existentes si deseas seguir los pasos de este documento con tu propia imagen personalizada.

El código fuente de este documento está disponible en el repositorio de GitHub anthos-samples. Usas recursos de este repositorio para completar los pasos siguientes.

1. Implementa un StatefulSet de MySQL. La aplicación de punto de venta espera conectarse a una base de datos de MySQL para almacenar información de pago y de inventario. El repositorio del punto de venta tiene un manifiesto de muestra que implementa un StatefulSet de MySQL, configura un ConfigMap asociado y un Service de Kubernetes. ConfigMap define las credenciales para la instancia de MySQL, que son las mismas credenciales que se pasan a la aplicación de punto de venta.

   kubectl apply -f https://raw.githubusercontent.com/GoogleCloudPlatform/point-of-sale/main/k8-manifests/common/mysql-db.yaml
   

2. Implementa la carga de trabajo de la VM mediante la imagen de qcow2 ya preparada:

   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
   

   Este comando crea un archivo YAML con el nombre de la VM (google-virtctl/pos-vm.yaml). Puedes inspeccionar el archivo para ver la definición de VirtualMachine y VirtualMachineDisk. En lugar de usar el complemento virtctl, podrías haber implementado la carga de trabajo de la VM con las definiciones del modelo de recursos de Kubernetes (KRM), como se ve en el archivo YAML creado.

   Cuando el comando se ejecuta de forma correcta, produce un resultado como el siguiente ejemplo, que explica los diferentes recursos que se crearon:

   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"
   

3. Verifica el estado de creación de la VM.

   El recurso VirtualMachine se identifica con el recurso vm.cluster.gke.io/v1.VirtualMachine en el entorno de ejecución de VM en GDC. La forma abreviada es gvm.

   Cuando creas una VM, se generan los dos recursos siguientes:

   • Un VirtualMachineDisk es el disco persistente en el que se importa el contenido de la imagen de VM.
   • Una VirtualMachine es la instancia de VM en sí. DataVolume se activa en VirtualMachine antes de que se inicie la VM.

   Verifica el estado de VirtualMachineDisk. VirtualMachineDisk crea de forma interna un recurso DataVolume. La imagen de VM se importa en DataVolume, que se activa en la VM:

   kubectl get datavolume
   

   En el siguiente resultado de ejemplo, se muestra el inicio de la importación de imágenes:

   NAME              PHASE             PROGRESS   RESTARTS   AGE
   pos-vm-boot-dv    ImportScheduled   N/A                   8s
   

4. Verifica el estado de VirtualMachine. VirtualMachine está en el estado Provisioning hasta que DataVolume se importe por completo:

   kubectl get gvm
   

   En el siguiente resultado de ejemplo, se muestra el aprovisionamiento de VirtualMachine:

   NAME      STATUS         AGE     IP
   pos-vm    Provisioning   1m
   

5. Espera a que la imagen de VM se importe por completo a DataVolume. Sigue mirando el progreso mientras se importa la imagen:

   kubectl get datavolume -w
   

   En el siguiente resultado de ejemplo, se muestra la imagen de disco que se importa:

   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
   ...
   

   Cuando se completa la importación y se crea el DataVolume, el siguiente resultado de ejemplo muestra el PHASE de Succeeded :

   kubectl get datavolume
   

   NAME              PHASE             PROGRESS   RESTARTS   AGE
   pos-vm-boot-dv    Succeeded         100.0%                14m18s
   

   Nota: El tiempo de importación depende del tamaño de la imagen de VM que se use. La imagen de VM de Compute Engine de este documento es de aproximadamente 5 GB y tarda hasta 15 minutos en importarse.

6. Confirma que VirtualMachine se haya creado correctamente:

   kubectl get gvm
   

   Si la creación se realizó correctamente, STATUS muestra RUNNING, como se ve en el siguiente ejemplo, junto con la dirección IP de la VM:

   NAME      STATUS    AGE     IP
   pos-vm    Running   40m     192.168.3.250
   

Conéctate a la VM y verifica el estado de la aplicación

La imagen que se usa para la VM incluye la aplicación de muestra de punto de venta. La aplicación está configurada para iniciarse de forma automática en el arranque como un servicio systemd. Puedes ver los archivos de configuración de los servicios systemd en el directorio pos-systemd-services.

1. Conéctate a la consola de la VM. Ejecuta el siguiente comando y presiona Intro⏎ cuando veas el mensaje Successfully connected to pos-vm…:

   kubectl virt console pos-vm
   

   Este comando produce el siguiente resultado de ejemplo que te solicita que ingreses los login details:

   Successfully connected to pos-vm console. The escape sequence is ^]
   
   pos-from-public-image login:
   

   Usa la siguiente cuenta de usuario y contraseña. Esta cuenta se configuró dentro de la VM original a partir de la cual se creó la imagen para el entorno de ejecución de VM en GDC VirtualMachine.

   • Nombre de usuario de acceso: abmuser
   • Contraseña: abmworks

2. Comprueba el estado de los servicios de aplicación del punto de venta. La aplicación de punto de venta incluye tres servicios: API, Inventario y Pagos. Todos estos servicios se ejecutan como servicios del sistema.

   Los tres servicios se conectan entre sí a través de localhost. Sin embargo, la aplicación se conecta a la base de datos MySQL mediante un Service de Kubernetes mysql-db que se creó en el paso anterior. Este comportamiento significa que la VM se conecta de forma automática a la misma red que Pods y Services, lo que permite una comunicación sin interrupciones entre las cargas de trabajo de VM y otras aplicaciones en contenedores. No tienes que realizar ninguna acción adicional para que el Services de Kubernetes esté disponible desde las VM implementadas con el entorno de ejecución de VM en GDC.

   sudo systemctl status pos*
   

   En el siguiente resultado de ejemplo, se muestra el estado de los tres servicios y el servicio del sistema raíz, 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
   

3. Sal de la VM. Para salir de la conexión de la consola, presiona Ctrl + ] para usar la secuencia de escape ^].

Accede a la carga de trabajo basada en VM

Si el clúster se configuró mediante la guía Ejecuta Google Distributed Cloud en VM de Compute Engine con el balanceador de cargas manual, ya tiene un recurso Ingress llamado pos-ingress creado. Este recurso enruta el tráfico desde la dirección IP externa del balanceador de cargas de Ingress hasta el servicio de servidor de API de la aplicación de muestra del punto de venta.

1. Si tu clúster no tiene este recurso Ingress, créalo mediante la aplicación del siguiente manifiesto:

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

   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

2. Crea un Service de Kubernetes que enrute el tráfico a la VM. El recurso Ingress enruta el tráfico a este Service:

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

   El siguiente resultado de ejemplo confirma la creación de un Service:

   service/api-server-svc created
   

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

3. Obtén la dirección IP externa del balanceador de cargas Ingress. El balanceador de cargas Ingress enruta el tráfico en función de las reglas del recurso Ingress. Ya tienes una regla pos-ingress para reenviar solicitudes al servidor de la API Service. Esta Service reenvía las solicitudes a la VM:

   INGRESS_IP=$(kubectl get ingress/pos-ingress -o jsonpath='{.status.loadBalancer.ingress[0].ip}')
   echo $INGRESS_IP
   

   En el siguiente resultado de ejemplo, se muestra la dirección IP del balanceador de cargas Ingress:

   172.29.249.159 # you might have a different IP address
   

4. Accede a la aplicación con la dirección IP del balanceador de cargas Ingress en un navegador. En las siguientes capturas de pantalla de ejemplo, se muestra el kiosco de punto de venta simple con dos elementos. Puedes hacer clic en los artículos más de una vez si quieres pedir varios y realizar un pedido con el botón Pagar. Esta experiencia demuestra que implementaste de forma correcta una carga de trabajo basada en VM en un clúster de Google Distributed Cloud con VM Runtime en GDC.

IU de la aplicación de punto de venta (haz clic en la imagen para ampliar)

Limpia

Puedes borrar todos los recursos creados en este instructivo o borrar solo la VM y conservar recursos reutilizables. En Borra una VM en Google Distributed Cloud, se explican en detalle las opciones disponibles.

Borrar todo

• Borra el entorno de ejecución de VM en GDC VirtualMachine junto con todos los recursos:

  kubectl virt delete vm pos-vm --all
  

  El siguiente resultado de ejemplo confirma la eliminación:

  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".
  

Borrar solo la VM

• Si borras solo la VM, se conservan las VirtualMachineDisk que se crean. Esto permite volver a usar esta imagen de VM y ahorra el tiempo dedicado a importar la imagen cuando se crea una VM nueva.

  kubectl virt delete vm pos-vm
  

  El siguiente resultado de ejemplo confirma la eliminación:

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

¿Qué sigue?

• La VM original que se usa en esta guía es una instancia de Compute Engine que ejecuta Ubuntu 20.04 LTS. La imagen de esta VM es de acceso público a través del bucket pos-vm-images de Cloud Storage. Para obtener más información sobre cómo se configuró la VM y se creó su imagen, consulta las instrucciones en el repositorio del punto de venta.
• Cuando creas una VM en un clúster de Google Distributed Cloud con el comando kubectl virt create vm pos-vm, se crea un archivo YAML con el nombre de la VM (google-virtctl/pos-vm.yaml). Puedes inspeccionar el archivo para ver la definición de VirtualMachine y VirtualMachineDisk. En lugar de usar el complemento virtctl, puedes implementar una VM mediante definiciones de KRM, como se ve en el archivo YAML creado.