Questa pagina è stata tradotta dall'API Cloud Translation.

Test di carico distribuito con Google Kubernetes Engine

Last reviewed 2024-08-13 UTC

Questo documento spiega come utilizzare Google Kubernetes Engine (GKE) per eseguire il deployment di un framework di test di carico distribuito che utilizza più container per creare traffico per una semplice API basata su REST. Test di caricamento di questo documento un'applicazione web di cui è stato eseguito il deployment in App Engine che espone endpoint di tipo REST rispondere alle richieste HTTP POST in arrivo.

Puoi utilizzare lo stesso pattern per creare framework di test di carico per una serie di scenari e applicazioni, come sistemi di messaggistica, sistemi di gestione degli stream di dati e sistemi di database.

Obiettivi

Definisci le variabili di ambiente per controllare la configurazione del deployment.
Creare un cluster GKE.
Esegui un test di carico.
Facoltativamente, fai lo scale up del numero di utenti o estendi il pattern ad altri casi d'uso.

Costi

In questo documento utilizzi i seguenti componenti fatturabili di Google Cloud:

App Engine
Artifact Registry
Cloud Build
Cloud Storage
Google Kubernetes Engine

Per generare una stima dei costi basata sull'utilizzo previsto, utilizza il Calcolatore prezzi. I nuovi utenti di Google Cloud potrebbero essere idonei per una prova gratuita.

Prima di iniziare

Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Go to project selector

Make sure that billing is enabled for your Google Cloud project.

Enable the App Engine, Artifact Registry, Cloud Build, Compute Engine, Resource Manager, Google Kubernetes Engine, and Identity and Access Management APIs.

Enable the APIs

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Go to project selector

Make sure that billing is enabled for your Google Cloud project.

Enable the App Engine, Artifact Registry, Cloud Build, Compute Engine, Resource Manager, Google Kubernetes Engine, and Identity and Access Management APIs.

Enable the APIs

Una volta completate le attività descritte in questo documento, puoi evitare la fatturazione continua eliminando le risorse che hai creato. Per ulteriori informazioni, consulta la pagina Pulizia.

Grant roles to your user account. Run the following command once for each of the following IAM roles: roles/serviceusage.serviceUsageAdmin, roles/container.admin, roles/appengine.appAdmin, roles/appengine.appCreator, roles/artifactregistry.admin, roles/resourcemanager.projectIamAdmin, roles/compute.instanceAdmin.v1, roles/iam.serviceAccountUser, roles/cloudbuild.builds.builder, roles/iam.serviceAccountAdmin
```
gcloud projects add-iam-policy-binding PROJECT_ID --member="USER_IDENTIFIER" --role=ROLE
```
- Replace PROJECT_ID with your project ID.
- Replace USER_IDENTIFIER with the identifier for your user account. For example, user:myemail@example.com.
- Replace ROLE with each individual role.

Carico di lavoro di esempio

Il seguente diagramma mostra un esempio di carico di lavoro in cui le richieste passano dal client all'applicazione.

Richieste che passano dal client all'applicazione.

Per modellare questa interazione, puoi usare Locust, uno strumento di test del carico distribuito basato su Python in grado di distribuire richieste in più percorsi di destinazione. Ad esempio, Locust può distribuire le richieste ai percorsi target /login e /metrics. Il carico di lavoro viene modellato come insieme di attività in Locust.

Architettura

Questa architettura prevede due componenti principali:

L'immagine container Docker di Locust.
Il meccanismo di orchestrazione e gestione dei container.

L'immagine del container Docker Locust contiene il software Locust. Il Dockerfile, che ricevi quando cloni il repository GitHub che accompagna il presente documento, utilizza una base l'immagine Python e include script per avviare il servizio Locust ed eseguire attività di machine learning. Per approssimare i client reali, ogni attività Locust viene ponderata. Per Esempio: la registrazione avviene una volta per mille richieste totali del cliente.

GKE offre l'orchestrazione e la gestione dei container. Con GKE, puoi specificare il numero di nodi contenitore che costituiscono la base del tuo framework di test di carico. Puoi anche organizzare i worker di test di carico nei pod e specificare quanti pod di GKE per continuare a funzionare.

Per eseguire il deployment delle attività di test di carico:

Esegui il deployment di un'istanza principale di test di carico, definita da Locust come master.
Esegui il deployment di un gruppo di worker per i test di carico. Con questi worker per i test di carico, puoi creare una quantità significativa di traffico a scopo di test.

Il seguente diagramma mostra l'architettura che dimostra i test di carico utilizzando un'applicazione di esempio. Il pod master gestisce l'interfaccia web utilizzata per gestire e monitorare i test di carico. I pod worker generano il traffico delle richieste REST per l'applicazione in fase di test e inviano le metriche al master.

Il pod principale gestisce l'interfaccia web utilizzata per eseguire e monitorare i test di carico. I pod worker generano il traffico di richieste REST per l'applicazione in fase di test.

Informazioni sul master dei test di carico

Il master Locust è il punto di contatto per l'esecuzione delle attività di test di carico. La La configurazione principale della locusta specifica diversi elementi, tra cui il valore predefinito porte utilizzate dal container:

8089 per l'interfaccia web
5557 e 5558 per la comunicazione con i lavoratori

Queste informazioni vengono utilizzate in seguito per configurare i worker Locust.

Esegui il deployment di un servizio per assicurarti che le porte necessarie siano accessibili agli altri pod all'interno del cluster tramite hostname:port. Queste porte sono a cui è possibile fare riferimento anche tramite un nome porta descrittivo.

Questo servizio consente ai worker Locust di rilevare e comunicare in modo affidabile con il master, anche se il master non funziona e viene sostituito da un nuovo pod dal deployment.

Viene implementato un secondo servizio con l'annotazione necessaria per creare un bilanciatore del carico di rete passthrough interno che rende accessibile il servizio dell'applicazione web Locust ai client esterni al cluster che utilizzano la stessa rete VPC e si trovano nella stessa regione Google Cloud del cluster.

Dopo aver eseguito il deployment del master Locust, puoi aprire l'interfaccia web utilizzando Indirizzo IP interno di cui è stato eseguito il provisioning dal bilanciatore del carico di rete passthrough interno. Dopo aver eseguito il deployment di Locust worker, puoi avviare la simulazione ed esaminare le statistiche aggregate l'interfaccia web di Locust.

Informazioni sui worker per i test di carico

I worker Locust eseguono le attività di test di carico. Utilizzi un singolo deployment per creare più pod. I pod sono distribuiti nel cluster Kubernetes. Ogni pod utilizza variabili di ambiente per controllare le informazioni di configurazione, come come nome host del sistema sottoposto a test e del nome host del master Locust.

Il seguente diagramma mostra la relazione tra la locusta master e la Lavoratori di locuste.

Il master Locust si trova nella parte superiore di una gerarchia con più worker sottostanti.

Inizializzare le variabili comuni

Devi definire diverse variabili che controllano dove vengono implementati gli elementi dell'infrastruttura.

Apri Cloud Shell:

Apri Cloud Shell

Esegui tutti i comandi di terminale in questo documento da Cloud Shell.
Imposta le variabili di ambiente che richiedono la personalizzazione:
```
export GKE_CLUSTER=GKE_CLUSTER
export AR_REPO=AR_REPO
export REGION=REGION
export ZONE=ZONE
export SAMPLE_APP_LOCATION=SAMPLE_APP_LOCATION
```
Sostituisci quanto segue:
- GKE_CLUSTER: il nome del tuo cluster GKE.
- AR_REPO: il nome del tuo Repository Artifact Registry
- REGION: la regione in cui il cluster GKE e il repository Artifact Registry saranno creato
- ZONE: la zona della tua regione in cui verrà creata l'istanza Compute Engine
- SAMPLE_APP_LOCATION: la località (regionale) in cui verrà eseguita il deployment dell'applicazione App Engine di esempio
I comandi dovrebbero essere simili all'esempio seguente:
```
export GKE_CLUSTER=gke-lt-cluster
export AR_REPO=dist-lt-repo
export REGION=us-central1
export ZONE=us-central1-b
export SAMPLE_APP_LOCATION=us-central
```

Imposta le seguenti variabili di ambiente aggiuntive:

export GKE_NODE_TYPE=e2-standard-4
export GKE_SCOPE="https://www.googleapis.com/auth/cloud-platform"
export PROJECT=$(gcloud config get-value project)
export SAMPLE_APP_TARGET=${PROJECT}.appspot.com

Imposta la zona predefinita in modo da non dover specificare questi valori nei comandi successivi:
```
gcloud config set compute/zone ${ZONE}
```

Crea un cluster GKE

Crea un account di servizio con le autorizzazioni minime richieste dal cluster:

gcloud iam service-accounts create dist-lt-svc-acc
gcloud projects add-iam-policy-binding  ${PROJECT} --member=serviceAccount:dist-lt-svc-acc@${PROJECT}.iam.gserviceaccount.com --role=roles/artifactregistry.reader
gcloud projects add-iam-policy-binding  ${PROJECT} --member=serviceAccount:dist-lt-svc-acc@${PROJECT}.iam.gserviceaccount.com --role=roles/container.nodeServiceAccount

Crea il cluster GKE:

gcloud container clusters create ${GKE_CLUSTER} \
--service-account=dist-lt-svc-acc@${PROJECT}.iam.gserviceaccount.com \
--region ${REGION} \
--machine-type ${GKE_NODE_TYPE} \
--enable-autoscaling \
--num-nodes 3 \
--min-nodes 3 \
--max-nodes 10 \
--scopes "${GKE_SCOPE}"

Connettiti al cluster GKE:

gcloud container clusters get-credentials ${GKE_CLUSTER} \
   --region ${REGION} \
   --project ${PROJECT}

Configura l'ambiente

Clona il repository di esempio da GitHub:

git clone https://github.com/GoogleCloudPlatform/distributed-load-testing-using-kubernetes

Cambia la tua directory di lavoro nel repository clonato:
```
cd distributed-load-testing-using-kubernetes
```

Crea l'immagine container

Crea un repository Artifact Registry:

gcloud artifacts repositories create ${AR_REPO} \
    --repository-format=docker  \
    --location=${REGION} \
    --description="Distributed load testing with GKE and Locust"

Crea l'immagine container e archiviala nel tuo repository Artifact Registry:

export LOCUST_IMAGE_NAME=locust-tasks
export LOCUST_IMAGE_TAG=latest
gcloud builds submit \
    --tag ${REGION}-docker.pkg.dev/${PROJECT}/${AR_REPO}/${LOCUST_IMAGE_NAME}:${LOCUST_IMAGE_TAG} \
    docker-image

L'immagine Docker locust associata incorpora un'attività di test che chiama il metodo Endpoint /login e /metrics nell'applicazione di esempio. In questo un set di attività di test di esempio, il rispettivo rapporto due endpoint saranno da 1 a 999.


class MetricsTaskSet(TaskSet):
    _deviceid = None

    def on_start(self):
        self._deviceid = str(uuid.uuid4())

    @task(1)
    def login(self):
        self.client.post(
            '/login', {"deviceid": self._deviceid})

    @task(999)
    def post_metrics(self):
        self.client.post(
            "/metrics", {"deviceid": self._deviceid, "timestamp": datetime.now()})


class MetricsLocust(FastHttpUser):
    tasks = {MetricsTaskSet}

Verifica che l'immagine Docker sia nel repository Artifact Registry:

gcloud artifacts docker images list ${REGION}-docker.pkg.dev/${PROJECT}/${AR_REPO} | \
    grep ${LOCUST_IMAGE_NAME}

L'output è simile al seguente:

Listing items under project PROJECT, location REGION, repository AR_REPO

REGION-docker.pkg.dev/PROJECT/AR_REPO/locust-tasks  sha256:796d4be067eae7c82d41824791289045789182958913e57c0ef40e8d5ddcf283  2022-04-13T01:55:02  2022-04-13T01:55:02

Esegui il deployment dell'applicazione di esempio

Crea ed esegui il deployment di sample-webapp come App Engine:

gcloud app create --region=${SAMPLE_APP_LOCATION}
gcloud app deploy sample-webapp/app.yaml \
--project=${PROJECT}

Quando richiesto, digita y per procedere con il deployment.

L'output è simile al seguente:

File upload done.
Updating service [default]...done.
Setting traffic split for service [default]...done.
Deployed service [default] to [https://PROJECT.appspot.com]

L'applicazione App Engine di esempio implementa gli endpoint /login e /metrics:

@app.route('/login',  methods=['GET', 'POST'])
def login():
    deviceid = request.values.get('deviceid')
    return '/login - device: {}\n'.format(deviceid)

@app.route('/metrics',  methods=['GET', 'POST'])
def metrics():
    deviceid = request.values.get('deviceid')
    timestamp = request.values.get('timestamp')

    return '/metrics - device: {}, timestamp: {}\n'.format(deviceid, timestamp)

Esegui il deployment dei pod Locust master e worker

Sostituisci i valori variabile di ambiente per host, progetto e nei parametri locust-master-controller.yaml e locust-worker-controller.yaml file e creerai il cluster di Locust master e Deployment worker:

envsubst < kubernetes-config/locust-master-controller.yaml.tpl | kubectl apply -f -
envsubst < kubernetes-config/locust-worker-controller.yaml.tpl | kubectl apply -f -
envsubst < kubernetes-config/locust-master-service.yaml.tpl | kubectl apply -f -

Verifica i deployment di Locust:

kubectl get pods -o wide

L'output è simile al seguente:

NAME                             READY   STATUS    RESTARTS   AGE   IP           NODE
locust-master-87f8ffd56-pxmsk    1/1     Running   0          1m    10.32.2.6    gke-gke-load-test-default-pool-96a3f394
locust-worker-58879b475c-279q9   1/1     Running   0          1m    10.32.1.5    gke-gke-load-test-default-pool-96a3f394
locust-worker-58879b475c-9frbw   1/1     Running   0          1m    10.32.2.8    gke-gke-load-test-default-pool-96a3f394
locust-worker-58879b475c-dppmz   1/1     Running   0          1m    10.32.2.7    gke-gke-load-test-default-pool-96a3f394
locust-worker-58879b475c-g8tzf   1/1     Running   0          1m    10.32.0.11   gke-gke-load-test-default-pool-96a3f394
locust-worker-58879b475c-qcscq   1/1     Running   0          1m    10.32.1.4    gke-gke-load-test-default-pool-96a3f394

Verifica i servizi:

kubectl get services

L'output è simile al seguente:

NAME                TYPE           CLUSTER-IP      EXTERNAL-IP   PORT(S)             AGE
kubernetes          ClusterIP      10.87.240.1     <none>        443/TCP             12m
locust-master       ClusterIP      10.87.245.22    <none>        5557/TCP,5558/TCP    1m
locust-master-web   LoadBalancer   10.87.246.225   <pending>     8089:31454/TCP       1m

Esegui un loop di monitoraggio mentre viene eseguito il provisioning dell'indirizzo IP interno del bilanciatore del carico di rete passthrough interno (indirizzo IP esterno di GKE) per il servizio dell'applicazione web master Locust:
```
kubectl get svc locust-master-web --watch
```
Premi Ctrl+C per uscire dal loop di visualizzazione dopo aver eseguito il provisioning di un indirizzo EXTERNAL-IP.

Connettiti al frontend web di Locust

Utilizza l'interfaccia web principale di Locust per eseguire le attività di test di carico sul sistema in test.

Prendi nota dell'indirizzo IP del bilanciatore del carico interno del servizio host web:

export INTERNAL_LB_IP=$(kubectl get svc locust-master-web  \
                               -o jsonpath="{.status.loadBalancer.ingress[0].ip}") && \
                               echo $INTERNAL_LB_IP

A seconda della configurazione di rete, puoi collegarti all'applicazione web Locust tramite l'indirizzo IP di cui è stato eseguito il provisioning in due modi:
- Routing di rete. Se la rete è configurata in modo da consentire il routing dalla workstation a rete VPC del progetto, puoi accedere direttamente l'indirizzo IP del bilanciatore del carico di rete passthrough interno dalla tua workstation.
- Proxy e tunnel SSH. Se non esiste una route di rete tra la tua workstation e la tua rete VPC, puoi indirizzare il traffico all'indirizzo IP del bilanciatore del carico di rete passthrough interno creando un'istanza Compute Engine con un proxy nginx e un tunnel SSH tra la workstation e l'istanza.

Routing di rete

Se è presente un percorso per il traffico di rete tra la workstation e la tua Rete VPC del progetto Google Cloud, apri il browser e poi apri l'interfaccia web Locust Master. Per aprire l'interfaccia di Locust, vai a seguente URL:

http://INTERNAL_LB_IP:8089

Sostituisci INTERNAL_LB_IP con l'URL e l'indirizzo IP che hai annotato nel passaggio precedente.

Proxy e tunnel SSH

Imposta una variabile di ambiente con il nome dell'istanza.
```
export PROXY_VM=locust-nginx-proxy
```

Avvia un'istanza con un container Docker ngnix configurato per eseguire il proxy Porta dell'applicazione web Locust 8089 sul bilanciatore del carico di rete passthrough interno:

gcloud compute instances create-with-container ${PROXY_VM} \
   --zone ${ZONE} \
   --container-image gcr.io/cloud-marketplace/google/nginx1:latest \
   --container-mount-host-path=host-path=/tmp/server.conf,mount-path=/etc/nginx/conf.d/default.conf \
   --metadata=startup-script="#! /bin/bash
     cat <<EOF  > /tmp/server.conf
     server {
         listen 8089;
         location / {
             proxy_pass http://${INTERNAL_LB_IP}:8089;
         }
     }
EOF"

Apri un tunnel SSH da Cloud Shell all'istanza proxy:

gcloud compute ssh --zone ${ZONE} ${PROXY_VM} \
                 -- -N -L 8089:localhost:8089

Fai clic sull'icona Anteprima web (), e seleziona Cambia porta dalle opzioni elencate.
Nella finestra di dialogo Cambia porta di anteprima, inserisci 8089 nel campo Numero porta e seleziona Cambia e visualizza anteprima.

A breve si aprirà una scheda del browser con l'interfaccia web di Locust.

Esegui un test di carico di base sull'applicazione di esempio

Dopo aver aperto il frontend di Locust nel browser, viene visualizzata una finestra di dialogo che può essere utilizzata per avviare un nuovo test di carico.
Specifica il Numero di utenti totale (contemporaneità massima) come 10. e la tasso di spesa (utenti iniziati al secondo) come 5 utenti per secondo.
Fai clic su Avvia lo swarming per avviare la simulazione.

Dopo l'inizio delle richieste, le statistiche iniziano ad aggregarsi per le metriche di simulazione, come il numero di richieste e richieste al secondo, come mostrato nell'immagine seguente:
Visualizza il servizio di cui è stato eseguito il deployment e altre metriche dal Console Google Cloud.

Nota: dopo il test in cluster, la dashboard di App Engine potrebbe impiegare diversi minuti per mostrare le metriche.
Dopo aver osservato il comportamento dell'applicazione in test, fai clic su Interrompi per terminare il test.

(Facoltativo) Fai lo scale up del numero di utenti

Se vuoi testare l'aumento del carico sull'applicazione, puoi aggiungere utenti. Prima di poter aggiungere utenti simulati, devi assicurarti che siano presenti per supportare l'aumento del carico. Con Google Cloud puoi aggiungere di pod dei worker locust nel deployment senza rieseguire il deployment dei pod esistenti, purché tu disponga delle risorse VM sottostanti per supportare un numero maggiore di i pod. Il cluster GKE iniziale inizia con 3 nodi e può eseguire la scalabilità automatica fino a 10 nodi.

Scala il pool di pod di worker Locust a 20.
```
kubectl scale deployment/locust-worker --replicas=20
```
Il deployment e l'avvio dei nuovi pod richiedono alcuni minuti.

Se vedi un Pod non pianificabile devi aggiungere altri nodi al cluster. Per maggiori dettagli, consulta la sezione Modificare le dimensioni di un cluster GKE.

Dopo l'avvio dei pod, torna all'interfaccia web Locust master e riavvia il caricamento test.

Estendi il pattern

Per estendere questo pattern, puoi creare nuove attività Locust o persino passare a una un diverso framework di test del carico.

Puoi personalizzare le metriche che raccogli. Ad esempio, potresti voler misurare le richieste al secondo, monitorare la latenza di risposta con l'aumento del carico o controllare le percentuali di errore di risposta e i tipi di errori.

Per informazioni, consulta Cloud Monitoring documentazione.

Esegui la pulizia

Per evitare che al tuo account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questo documento, elimina il progetto che contiene le risorse oppure mantieni il progetto ed elimina le singole risorse.

Elimina il progetto

Attenzione: l'eliminazione di un progetto ha i seguenti effetti:

L'intero contenuto del progetto viene eliminato. Se hai utilizzato un progetto esistente per le attività descritte in questo documento, quando lo elimini elimini anche tutto il lavoro svolto nel progetto.
Gli ID progetto personalizzati non sono più disponibili. Quando hai creato questo progetto, potresti aver creato un ID progetto personalizzato che vuoi utilizzare in futuro. Per conservare gli URL che utilizzano l'ID progetto, ad esempio un appspot.com URL, elimina le risorse selezionate all'interno del progetto anziché eliminare l'intero progetto.

Se intendi esplorare più architetture, tutorial o guide rapide, il riuso dei progetti può aiutarti a non superare i limiti di quota.

In the Google Cloud console, go to the Manage resources page.
Go to Manage resources
In the project list, select the project that you want to delete, and then click Delete.
In the dialog, type the project ID, and then click Shut down to delete the project.

Elimina il cluster GKE

Se non vuoi eliminare l'intero progetto, esegui il seguente comando per eliminare il cluster GKE:

   gcloud container clusters delete ${GKE_CLUSTER} --region ${REGION}

Passaggi successivi

Building Scalable and Resilient Web Applications (Creazione di applicazioni web scalabili e resilienti).
Rivedi GKE documentazione in modo più dettagliato.
Prova tutorial su GKE.
Per altre architetture di riferimento, diagrammi e best practice, visita il Centro architetture di Google Cloud.