Salah satu cara untuk meningkatkan performa aplikasi berbasis container adalah dengan meningkatkan mengelompokkan resource dengan menambah node atau menambahkan resource, seperti CPU atau memori, ke {i>node<i} Anda. Namun, pendekatan ini bisa menjadi mahal. Menyesuaikan cluster Anda Node untuk performa yang lebih baik membantu Anda mengoptimalkan pemanfaatan resource untuk workload dengan cara yang hemat biaya. Dokumen ini menjelaskan cara menggunakan Operator Penyesuaian Performa untuk menyesuaikan worker node guna mengoptimalkan performa workload untuk Google Distributed Cloud.
Untuk mendapatkan hasil maksimal dari perangkat keras dan perangkat lunak yang mendasarinya, berbagai jenis aplikasi, terutama aplikasi berperforma tinggi, mendapatkan manfaat dari node tuning setelan seperti berikut:
- CPU khusus untuk workload yang sensitif terhadap performa
- CPU yang dicadangkan untuk Service dan Daemon Kubernetes standar
- Ukuran halaman memori ditingkatkan dengan 1 GiB (gibibyte) atau 2 MiB halaman besar (mebibyte)
- Distribusi beban kerja berdasarkan arsitektur sistem, seperti multi-core prosesor dan NUMA
Dengan Performance Tuning Operator, Anda mengonfigurasi setelan performa level node dengan membuat Resource kustom Kubernetes yang menerapkan konfigurasi performa. Berikut adalah manfaat:
Antarmuka konfigurasi tunggal dan terpadu: Dengan Operator Penyesuaian Performa, Anda dapat memperbarui satu atau manifes
PerformanceTuningProfile
lainnya yang dapat diterapkan ke node pekerja dengan pemilih node. Anda tidak perlu mengkonfigurasi setiap {i>node<i} satu per satu dengan beberapa konfigurasi dan setelan kebijakan. Pendekatan ini memungkinkan Anda mengelola konfigurasi tingkat node, dan tingkat container secara terpadu.Persistensi dan keandalan: Anda juga mendapatkan semua keandalan yang Kubernetes menyediakan arsitektur dengan ketersediaan tinggi.
PerformanceTuningProfile
resource kustom dapat diperbarui kapan saja Anda mau dan setelannya tetap ada di seluruh operasi cluster utama, seperti upgrade.
Performance Tuning Operator bekerja dengan mengorkestrasi Kubernetes terkait performa berikut ini dan fitur dan alat sistem operasi (OS):
Untuk mencegah konflik, saat Anda menggunakan Operator Penyesuaian Performa, sebaiknya jangan gunakan alat dan fitur Kubernetes dan OS yang disebutkan sebelumnya secara independen.
Prasyarat dan batasan
Berikut adalah prasyarat dan batasan untuk menggunakan Operator Penyesuaian Performa:
Khusus Red Hat Enterprise Linux (RHEL): Performance Tuning Operator didukung untuk node menjalankan versi yang didukung Khusus RHEL.
Cluster pengguna atau hybrid dengan worker node: Operator Penyesuaian Performa didukung untuk penggunaan dengan worker node hanya di cluster pengguna atau hybrid. Menggunakan Operator Penyesuaian Performa untuk melakukan tuning node bidang kontrol tidak didukung. Operator Penyesuaian Performa menggunakan pemilih node untuk menentukan cara menerapkan profil tuning. Untuk memastikan bahwa profil tuning diterapkan hanya pada node pekerja,
nodeSelector
di setiap profil khusus resource harus menyertakan label node pekerja standarnode-role.kubernetes.io/worker: ""
. JikanodeSelector
dalam profil tuning yang cocok dengan label pada node bidang kontrol, node itu tidak dan kondisi error ditetapkan. Untuk informasi selengkapnya tentang error kondisi Anda, lihat Memeriksa status. Pastikan cluster Anda beroperasi dengan benar sebelum menginstal Operator Penyesuaian Performa dan menerapkan profil penyesuaian.TuneD 2.22.0: Operator Penyesuaian Performa mengharuskan TuneD versi 2.22.0 diinstal sebelumnya dalam worker node yang ingin Anda tuning. Untuk informasi tambahan tentang TuneD, termasuk petunjuk penginstalan, lihat Memulai TuneD dalam dokumentasi Red Hat Enterprise Linux. Operator Penyesuaian Performa menggunakan TuneD dengan Profil
cpu-partitioning
. Jika Anda tidak memiliki profil ini, Anda dapat menginstal dengan perintah berikut:dnf install -y tuned-profiles-cpu-partitioning
Persyaratan resource beban kerja: Untuk mendapatkan hasil maksimal dari penyesuaian performa, Anda harus memiliki pemahaman yang baik tentang kebutuhan memori dan CPU (batas dan permintaan resource) untuk workload Anda.
Resource node yang tersedia: Temukan resource CPU dan memori untuk node. Anda bisa mendapatkan detail informasi CPU dan memori untuk node Anda di File
/proc/cpuinfo
dan/proc/meminfo
masing-masing. Anda juga dapat menggunakankubectl get nodes
untuk mengambil jumlah resource komputasi dan memori (status.allocatable
) yang dimiliki node pekerja yang tersedia untuk Pod.Memerlukan pengosongan: Sebagai bagian dari proses penyesuaian, Operator Penyesuaian Performa akan melakukan pengurasan terlebih dahulu node, lalu menerapkan profil penyesuaian. Akibatnya, node dapat melaporkan Status
NotReady
selama tuning performa. Sebaiknya gunakan strategi update berkelanjutan (spec.updateStrategy.type: rolling
), bukan update batch untuk meminimalkan ketidaktersediaan workload.Memerlukan reboot: Agar perubahan penyesuaian node dapat diterapkan, Operator Penyesuaian Performa memulai ulang node setelah menerapkan profil penyesuaian.
Menginstal Operator Penyesuaian Performa
Operator Penyesuaian Performa terutama terdiri dari dua pengontrol (Deployment dan DaemonSet)
yang berinteraksi satu sama lain untuk
menyesuaikan node berdasarkan setelan profil Anda.
Operator Penyesuaian Performa tidak diinstal dengan Google Distributed Cloud, secara default. Anda mendownload
manifes Operator Penyesuaian Performa dari Cloud Storage dan Anda menggunakan kubectl apply
untuk
membuat resource Performance Tuning Operator di cluster Anda.
Untuk mengaktifkan penyesuaian performa dengan nilai default untuk cluster Anda:
Buat direktori
performance-tuning
di workstation admin Anda.Dari direktori
performance-tuning
, download paket Performance Tuning Operator versi terbaru dari bucket rilis Cloud Storage:gcloud storage cp gs://anthos-baremetal-release/node-performance-tuning/0.1.0-gke.47 . --recursive
File yang didownload mencakup manifes untuk
performance-tuning-operator
Deployment dan DaemonSetnodeconfig-controller-manager
. Manifes untuk fungsi terkait, seperti role-based access control (RBAC) dan kontrol akses dinamis, juga disertakan.Sebagai pengguna root, terapkan semua manifes Performance Tuning Operator secara rekursif ke pengguna Anda (atau hibrida):
kubectl apply -f performance-tuning --recursive –-kubeconfig USER_KUBECONFIG
Setelah Deployment dan DaemonSet dibuat dan dijalankan, adalah dengan mengedit dan menerapkan manifes
PerformanceTuningProfile
.
Meninjau persyaratan resource untuk workload Anda
Sebelum dapat menyesuaikan node, Anda perlu memahami komputasi dan memori persyaratan resource dari workload Anda. Jika worker node Anda memiliki resource, node dapat disesuaikan untuk memberikan jaminan memori ( sangat banyak) untuk workload Anda dalam class Kualitas Layanan (QoS) yang terjamin.
Kubernetes menetapkan class QoS ke setiap Pod, berdasarkan pada batasan resource yang Anda tetapkan untuk container terkait. Kubernetes kemudian menggunakan class QoS untuk menentukan cara menjadwalkan Pod dan container dan mengalokasikan resource ke workload Anda. Untuk memanfaatkan sepenuhnya Penyesuaian node untuk workload Anda, workload Anda harus memiliki resource CPU atau memori setelan permintaan atau batasan.
Agar dapat diberi class QoS yang dijamin, Pod Anda harus memenuhi persyaratan berikut persyaratan:
- Untuk setiap Container di Pod:
- Menentukan nilai untuk kedua permintaan resource memori
(
spec.containers[].resources.requests.memory
) dan batas (spec.containers[].resources.limits.memory
). - Nilai batas memori harus sama dengan nilai permintaan memori.
- Menentukan nilai untuk kedua permintaan resource CPU
(
spec.containers[].resources.requests.cpu
) dan batas (spec.containers[].resources.limits.cpu
). - Nilai batas CPU harus sama dengan nilai permintaan CPU.
- Menentukan nilai untuk kedua permintaan resource memori
(
Cuplikan spesifikasi Pod berikut menunjukkan setelan resource CPU yang memenuhi persyaratan kelas QoS yang dijamin:
spec:
containers:
- name: sample-app
image: images.my-company.example/app:v4
resources:
requests:
memory: "128Mi"
cpu: "2"
limits:
memory: "128Mi"
cpu: "2"
...
Saat Anda mengambil detail pod dengan kubectl get pods
, bagian status
harus menyertakan class QoS yang ditetapkan seperti yang ditunjukkan pada contoh berikut:
apiVersion: v1
kind: Pod
metadata:
creationTimestamp: "2023-09-22T21:05:23Z"
generateName: my-deployment-6fdd69987d-
labels:
app: metrics
department: sales
pod-template-hash: 6fdd69987d
name: my-deployment-6fdd69987d-7kv42
namespace: default
...
spec:
containers:
...
status:
conditions:
- lastProbeTime: null
lastTransitionTime: "2023-09-22T21:05:23Z"
status: "True"
type: Initialized
...
qosClass: BestEffort
startTime: "2023-09-22T21:05:23Z"
Untuk informasi selengkapnya tentang class QoS, lihat Class Kualitas Layanan Pod dalam dokumentasi Kubernetes. Untuk instruksi mengonfigurasi Pod dan container-nya agar diberi class QoS. Lihat Mengonfigurasi Kualitas Layanan untuk Pod
Persyaratan CPU
Saat menyesuaikan node, Anda dapat menentukan kumpulan core CPU yang dicadangkan
(spec.cpu.reservedCPUs
) untuk menjalankan daemon sistem Kubernetes seperti kubelet
dan runtime container. Kumpulan CPU cadangan yang
sama menjalankan sistem operasi
daemon, seperti sshd
dan udev
. Sisa inti CPU di
dialokasikan sebagai terisolasi. CPU yang terisolasi dimaksudkan untuk terikat CPU
yang membutuhkan waktu CPU khusus
tanpa gangguan dari
aplikasi atau interupsi dari
jaringan atau perangkat lain.
Untuk menjadwalkan Pod pada CPU terisolasi dari sebuah node pekerja:
Mengonfigurasi Pod untuk mendapatkan kualitas layanan (QoS) yang terjamin.
Persyaratan dan batas CPU harus ditentukan dalam bilangan bulat. Jika Anda menentukan resource CPU parsial dalam spesifikasi Pod, seperti
cpu: 0.5
ataucpu: 250m
(250 millicores), penjadwalan tidak dapat dijamin.
Persyaratan memori
Saat menyesuaikan node dengan Performance Tuning Operator, Anda dapat membuat sangat banyak dan mengaitkannya dengan {i>node <i}akses memori non-uniform (NUMA) pada komputer. Berdasarkan Pod dan Setelan node, Pod dapat dijadwalkan dengan NUMA afinitas node.
Membuat profil penyesuaian performa
Setelah menginstal Operator Penyesuaian Performa, Anda hanya berinteraksi dengan cluster yang menjalankan
workload Anda. Anda membuat resource kustom PerformanceTuningProfile
secara langsung
di cluster pengguna atau cluster hibrida, bukan di cluster admin. Masing-masing
Resource PerformanceTuningProfile
berisi kumpulan parameter yang menentukan
konfigurasi performa yang
diterapkan ke sebuah node.
nodeSelector
di resource menentukan node yang akan
tempat profil tuning diterapkan. Untuk menerapkan profil ke node, Anda menempatkan
label pasangan nilai kunci yang sesuai pada node. Profil penyesuaian diterapkan ke
node yang memiliki semua label yang ditentukan di kolom nodeSelector
.
Anda dapat membuat beberapa resource PerformanceTuningProfile
dalam sebuah cluster. Jika
lebih dari satu profil cocok dengan simpul yang diberikan, maka kondisi kesalahan ditetapkan dalam
status
dari resource kustom PerformanceTuningProfile
. Untuk selengkapnya
informasi tentang bagian status
, lihat Memeriksa status.
Tetapkan namespace untuk resource kustom PerformanceTuningProfile
Anda ke
kube-system
.
Untuk menyesuaikan satu atau beberapa worker node:
Edit manifes
PerformanceTuningProfile
.Untuk informasi tentang setiap kolom dalam manifes dan manifes contoh, lihat referensi resource
PerformanceTuningProfile
.(Opsional) Untuk Node pekerja tempat Anda menerapkan profil, tambahkan label agar cocok dengan pasangan nilai kunci
spec.nodeSelector
.Jika tidak ada pasangan nilai kunci
spec.nodeSelector
yang ditentukan dalam Sumber daya khususPerformanceTuningProfile
, profil diterapkan ke semua node pekerja.Terapkan manifes ke cluster Anda.
kubectl apply -f PROFILE_MANIFEST --kubeconfig KUBECONFIG
Ganti kode berikut:
PROFILE_MANIFEST
: jalur file manifes untuk elemen kustomPerformanceTuningProfile
resource AndaKUBECONFIG
: jalur file {i>cluster kubeconfig<i}.
Menghapus profil penyesuaian
Untuk mereset node ke status aslinya dan belum disesuaikan:
Hapus resource kustom
PerformanceTuningProfile
dari cluster.Perbarui atau hapus label pada node agar tidak dipilih oleh node tuning profil, lagi.
Jika Anda memiliki beberapa profil tuning yang terkait dengan node, ulangi metode langkah-langkah sebelumnya, sesuai kebutuhan.
Menjeda profil penyesuaian
Jika perlu melakukan pemeliharaan pada cluster, Anda dapat menjeda untuk sementara
penyesuaian dengan mengedit resource kustom PerformanceTuningProfile
. Saran dari kami
Anda menjeda tuning sebelum melakukan operasi cluster penting, seperti
upgrade cluster.
Aplikasi profil yang gagal adalah kasus lain saat Anda mungkin menjeda tuning. Jika proses tuning gagal, {i>controller<i} mungkin akan terus mencoba menyesuaikan node, yang dapat menyebabkan node dimulai ulang berulang kali. Jika Anda mengamati status node yang beralih antara status ready dan not ready, jeda sehingga Anda dapat memulihkan status yang rusak.
Untuk menjeda tuning:
Mengedit manifes resource kustom
PerformanceTuningProfile
yang akan disetelspec.paused
untuktrue
.Gunakan
kubectl apply
untuk mengupdate resource.
Saat penyesuaian performa dijeda, pengontrol Operator Penyesuaian Performa menghentikan semua operasional bisnis. Menjeda akan mencegah risiko operasi pengontrol Operator Penyesuaian Performa yang bertentangan dengan operasi pengontrol Google Distributed Cloud.
Referensi resource PerformanceTuningProfile
Bagian ini menjelaskan setiap kolom di PerformanceTuningProfile
resource kustom. Resource ini digunakan untuk membuat profil penyesuaian untuk satu atau
lebih banyak node cluster. Semua kolom dalam resource dapat berubah setelah
pembuatan profil. Profil harus berada dalam namespace kube-system
.
Contoh manifes profil numa
berikut untuk node dengan 8 core CPU
menentukan alokasi resource berikut:
4 core CPU (
0-3
) dicadangkan untuk overhead sistem Kubernetes.4 core CPU (
4-7
) disisihkan hanya untuk workload.Secara default, memori node dibagi menjadi halaman 2-MiB, bukan halaman standar 4‐Ki.
10 halaman memori berukuran 1 GiB disisihkan untuk digunakan oleh NUMA node 0.
5 halaman memori berukuran 2 MiB disisihkan untuk digunakan oleh NUMA node 1.
Topology Manager menggunakan kebijakan upaya terbaik untuk menjadwalkan beban kerja.
apiVersion: anthos.gke.io/v1alpha1
kind: PerformanceTuningProfile
metadata:
name: numa
namespace: kube-system
spec:
cpu:
isolatedCPUs: 4-7
reservedCPUs: 0-3
defaultHugepagesSize: 2M
nodeSelector:
app: database
node-role.kubernetes.io/worker: ""
pages:
- count: 10
numaNode: 0
size: 1G
- count: 5
numaNode: 1
size: 2M
topologyManagerPolicy: best-effort
Anda dapat mengambil resource kustom PerformanceTuningProfile
terkait
dari grup anthos.gke.io
dalam cluster Anda. Resource kustom
diinstal setelah anotasi fitur pratinjau ditambahkan ke
resource cluster yang dikelola sendiri.
Konfigurasi CPU
Properti | Deskripsi |
---|---|
cpu.reservedCPUs |
Wajib. Dapat diubah. String. Kolom ini menentukan
serangkaian inti CPU untuk
cadangan untuk daemon sistem Kubernetes, seperti kubelet, container
runtime, dan detektor masalah node. Inti CPU ini juga digunakan untuk
daemon sistem operasi (OS), seperti sshd dan
udev .
Isian |
cpu.isolatedCPUs |
Opsional. Dapat diubah. String. Kolom cpu.isolatedCPUs
menentukan kumpulan CPU yang digunakan secara eksklusif untuk
menggunakan berbagai aplikasi obrolan. CPU Manager menjadwalkan container pada CPU yang tidak direservasi
berdasarkan Kubernetes
Class Kualitas Layanan (QoS).
Untuk memastikan beban kerja berjalan pada CPU yang terisolasi,
mengonfigurasi Pod dengan class QoS yang dijamin dan
menetapkan resource CPU ke Pod atau Container.
Untuk penjadwalan Pod yang dijamin, Anda harus menentukan unit CPU bilangan bulat, bukan
resource CPU parsial (cpu: "0.5" ).
apiVersion: v1 kind: Pod ... spec: containers: ... resources: limits: cpu: "1" requests: cpu: "1" ... Memaksimalkan CPU terisolasi untuk workload dapat memberikan performa terbaik
manfaat produk. Kolom ini mengambil daftar
nomor CPU atau rentang nomor CPU.
Pastikan daftar CPU tidak tumpang tindih dengan daftar yang ditentukan dengan
|
cpu.balanceIsolated |
Opsional. Dapat diubah. Boolean. Default: true . Kolom ini
menentukan apakah kumpulan CPU Isolated memenuhi syarat atau tidak
untuk load balancing
beban kerja di seluruh CPU. Jika Anda menetapkan kolom ini ke
false , workload Anda harus menetapkan setiap thread secara eksplisit
ke CPU tertentu untuk mendistribusikan
beban ke seluruh CPU. Dengan CPU eksplisit
tugas, Anda mendapatkan kinerja yang paling
terprediksi untuk jaminan
workload interaktif, tetapi akan menambah
kompleksitas pada beban kerja Anda. |
cpu.globallyEnableIRQLoadBalancing |
Wajib. Dapat diubah. Boolean. Default: true . Kolom ini
menentukan apakah akan mengaktifkan load balancing permintaan interupsi (IRQ) atau tidak
untuk set CPU yang terisolasi. |
Konfigurasi memori
Properti | Deskripsi |
---|---|
defaultHugePageSize |
Opsional. Dapat diubah. Enumerasi: 1G atau 2M .
Kolom ini menentukan ukuran halaman besar default dalam parameter booting kernel.
Halaman besar dialokasikan pada saat booting, sebelum memori terfragmentasi.
Penting untuk diperhatikan bahwa menyetel ukuran {i>default<i} berukuran besar ke 1G
akan menghapus 2 juta folder terkait dari node. Ukuran {i>default<i} untuk
halaman besar
1G mencegah Anda mengonfigurasi 2 juta halaman besar dalam node.
|
pages |
Opsional. Dapat diubah. Bilangan bulat. Bidang ini menentukan jumlah halaman yang sangat besar untuk dibuat pada saat {i>booting<i}. Bidang ini menerima susunan halaman. Periksa memori yang tersedia untuk node Anda sebelum menetapkan {i>largepages<i}. Jangan minta lebih banyak halaman besar daripada yang diperlukan dan tidak mencadangkan semua memori untuk halaman besar, keduanya. Workload Anda juga memerlukan memori standar. |
Pilihan Node
Properti | Deskripsi |
---|---|
nodeSelector |
Wajib. Dapat diubah. Kolom ini selalu memerlukan worker Kubernetes
label node, node-role.kubernetes.io/worker:"" , yang memastikan
bahwa penyesuaian performa hanya dilakukan pada worker node. Bidang ini memerlukan
label node opsional sebagai pasangan nilai kunci. Label pasangan nilai kunci
digunakan untuk memilih worker node tertentu dengan label yang cocok. Jika
nodeSelector label cocok dengan label pada node pekerja, yaitu
profil performa diterapkan ke node tersebut. Jika Anda tidak menentukan
label nilai kunci di profil Anda, ini diterapkan ke semua node pekerja di
.
Misalnya, ... spec: nodeSelector: app: database node-role.kubernetes.io/worker: "" ... |
Konfigurasi Kubelet
Properti | Deskripsi |
---|---|
topologyManagerPolicy |
Opsional. Dapat diubah. Enumerasi: none , best-effort ,
restricted , atau single-numa-node . Default: best-effort .
Kolom ini menentukan Kubernetes
Kebijakan Pengelola Topologi
untuk mengalokasikan resource ke workload Anda, berdasarkan kualitas yang ditetapkan
(QoS). Untuk mengetahui informasi selengkapnya tentang
ditugaskan, lihat
Mengonfigurasi Kualitas Layanan untuk Pod.
|
Operasi profil
Properti | Deskripsi |
---|---|
paused |
Opsional. Dapat diubah. Boolean. Tetapkan paused ke
true untuk mencegah pengontrol DaemonSet untuk sementara
menyesuaikan node yang dipilih. |
updateStrategy |
Opsional. Dapat diubah. Menentukan strategi untuk menerapkan penyesuaian perubahan konfigurasi ke node yang dipilih. |
updateStrategy.rollingUpdateMaxUnavailalble |
Opsional. Dapat diubah. Bilangan bulat. Default: 1 . Menentukan atribut
jumlah maksimum {i>node<i} yang
dapat di-tuning pada saat yang sama. Kolom ini
hanya berlaku jika type ditetapkan ke rolling . |
updateStrategy.type |
Opsional. Dapat diubah. Enumerasi: batch atau rolling .
Default: rolling . Menentukan cara menerapkan pembaruan profil
ke node yang dipilih. Jika Anda ingin menerapkan update ke semua node yang dipilih
di saat yang sama, tetapkan type ke batch . Secara {i>default<i},
pembaruan diluncurkan secara berurutan
ke setiap {i>node<i}, satu per satu. |
Periksa status
Setelah resource kustom PerformanceTuningProfile
dibuat atau diperbarui,
pengontrol menyesuaikan node yang dipilih berdasarkan konfigurasi yang disediakan dalam
resource Anda Untuk memeriksa status PerformanceTuningProfile
, kami mengekspos
kolom berikut di Status
:
Properti | Deskripsi |
---|---|
conditions |
Kondisi mewakili pengamatan terbaru yang tersedia dari status resource profil saat ini. |
conditions.lastTransitionTime |
Selalu dikembalikan. String (dalam format tanggal-waktu). Terakhir kali kondisi bertransisi dari satu status ke status lainnya. Waktu ini biasanya menunjukkan kapan kondisi yang mendasarinya berubah. Jika waktu itu tidak diketahui, maka waktu yang digunakan menunjukkan waktu kolom API berubah. |
conditions.message |
Opsional. String. Pesan yang dapat dibaca manusia yang menunjukkan detail tentang dalam proses transisi. Kolom ini mungkin kosong. |
conditions.observedGeneration |
Opsional. Bilangan bulat. Jika ditetapkan, kolom ini akan mewakili metadata.generation
yang menjadi dasar penetapan kondisi. Misalnya, jika metadata.generation
adalah 12 , tetapi status.condition[x].observedGeneration
9 , kondisinya sudah tidak berlaku terkait kondisi saat ini
status instance. |
conditions.reason |
Wajib. String. Alasan transisi kondisi terakhir. |
conditions.status |
Wajib. Status kondisi: True , False , atau
Unknown . |
conditions.type |
Wajib. Jenis adalah jenis kondisi: Stalled atau
Reconciling . |
readyNodes |
Jumlah node yang profil penyesuaiannya berhasil diterapkan. |
reconcilingNodes |
Jumlah simpul yang dipilih (atau yang dipilih sebelumnya) yang ada dalam
direkonsiliasi dengan profil tuning terbaru oleh
nodeconfig-controller-manager DaemonSet. |
selectedNodes |
Jumlah catatan yang telah dipilih. Yaitu, jumlah
yang cocok dengan pemilih node untuk
Resource kustom PerformanceTuningProfile . |