Menyesuaikan performa node

Pratinjau

Produk atau fitur ini tunduk pada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum di Persyaratan Khusus Layanan. Produk dan fitur pra-GA tersedia "sebagaimana adanya" dan mungkin memiliki dukungan terbatas. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.

Salah satu cara untuk meningkatkan performa aplikasi berbasis container adalah dengan meningkatkan resource cluster dengan menambahkan node atau menambahkan resource, seperti CPU atau memori, ke node Anda. Namun, pendekatan ini bisa menjadi mahal. Menyesuaikan Node cluster untuk performa yang lebih baik membantu Anda mengoptimalkan penggunaan resource untuk workload secara hemat biaya. Dokumen ini menjelaskan cara menggunakan Operator Penyesuaian Performa untuk menyesuaikan node pekerja guna mengoptimalkan performa workload untuk Google Distributed Cloud.

Untuk mendapatkan hasil maksimal dari hardware dan software yang mendasarinya, berbagai jenis aplikasi, terutama aplikasi berperforma tinggi, akan diuntungkan dengan menyesuaikan setelan node seperti berikut:

• CPU khusus untuk workload yang sensitif terhadap performa
• CPU yang dicadangkan untuk Daemon dan Layanan Kubernetes standar
• Ukuran halaman memori yang ditingkatkan dengan hugepage 1 GiB (gibibyte) atau 2 MiB (mebibyte)
• Distribusi workload berdasarkan arsitektur sistem, seperti prosesor multi-core dan NUMA

Dengan Operator Penyesuaian Performa, Anda mengonfigurasi setelan performa tingkat node dengan membuat resource kustom Kubernetes yang menerapkan konfigurasi performa. Berikut adalah manfaatnya:

• Antarmuka konfigurasi tunggal dan terpadu: Dengan Performance Tuning Operator, Anda memperbarui satu atau beberapa manifes PerformanceTuningProfile yang dapat diterapkan ke node pekerja dengan pemilih node. Anda tidak perlu mengonfigurasi setiap node satu per satu dengan beberapa setelan konfigurasi dan kebijakan. Pendekatan ini memungkinkan Anda mengelola konfigurasi tingkat node dan tingkat container dengan cara yang tunggal dan terpadu.

• Persistensi dan keandalan: Anda juga mendapatkan semua keandalan yang disediakan Kubernetes dengan arsitektur ketersediaan tingginya. Resource kustom PerformanceTuningProfile dapat diupdate kapan saja Anda mau dan setelannya tetap ada di seluruh operasi cluster utama, seperti upgrade.

Operator Penyesuaian Performa bekerja dengan mengorkestrasi fitur dan alat Kubernetes dan sistem operasi (OS) terkait performa berikut:

• Memory Manager
• CPU Manager
• Topology Manager
• TuneD

Untuk mencegah konflik, saat Anda menggunakan Operator Penyesuaian Performa, sebaiknya jangan gunakan alat dan fitur Kubernetes dan OS yang disebutkan sebelumnya secara terpisah.

Prasyarat dan batasan

Berikut adalah prasyarat dan batasan untuk menggunakan Operator Penyesuaian Performa:

• Khusus Red Hat Enterprise Linux (RHEL): Operator Penyesuaian Performa didukung untuk node yang menjalankan versi RHEL yang didukung saja.

• Cluster pengguna atau hybrid dengan node pekerja: Operator Penyesuaian Performa didukung untuk digunakan dengan node pekerja di cluster pengguna atau hybrid saja. Penggunaan Operator Penyesuaian Performa untuk menyesuaikan node bidang kontrol tidak didukung. Operator Penyesuaian Performa menggunakan pemilih node untuk menentukan cara menerapkan profil penyesuaian. Untuk memastikan profil penyetelan diterapkan hanya ke worker node, nodeSelector di setiap resource kustom profil harus menyertakan label worker node standar node-role.kubernetes.io/worker: "". Jika nodeSelector dalam profil penyesuaian cocok dengan label pada node bidang kontrol, node tersebut tidak disesuaikan dan kondisi error akan ditetapkan. Untuk mengetahui informasi selengkapnya tentang kondisi error, lihat Periksa status. Pastikan cluster Anda beroperasi dengan benar sebelum menginstal Operator Penyesuaian Performa dan menerapkan profil penyesuaian.

• TuneD 2.22.0: Operator Penyesuaian Performa memerlukan TuneD versi 2.22.0 untuk diinstal sebelumnya di node pekerja yang ingin Anda sesuaikan. Untuk mengetahui 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 tidak memiliki profil ini, Anda dapat menginstalnya dengan perintah berikut:

  dnf install -y tuned-profiles-cpu-partitioning
  

• Persyaratan resource workload: Untuk mendapatkan hasil maksimal dari penyesuaian performa, Anda harus memahami dengan baik persyaratan memori dan CPU (permintaan dan batas resource) untuk workload Anda.

• Resource node yang tersedia: Temukan resource CPU dan memori untuk node Anda. Anda bisa mendapatkan informasi CPU dan memori mendetail untuk node di file /proc/cpuinfo dan /proc/meminfo masing-masing. Anda juga dapat menggunakan kubectl get nodes untuk mengambil jumlah resource komputasi dan memori (status.allocatable) yang dimiliki worker node yang tersedia untuk Pod.

• Memerlukan pengurasan: Sebagai bagian dari proses penyesuaian, Operator Penyesuaian Performa akan menguras node terlebih dahulu, lalu menerapkan profil penyesuaian. Akibatnya, node dapat melaporkan status NotReady selama penyesuaian performa. Sebaiknya gunakan strategi update bertahap (spec.updateStrategy.type: rolling) daripada update batch untuk meminimalkan ketidaktersediaan workload.

• Memerlukan mulai ulang: Agar perubahan penyesuaian node 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 menggunakan kubectl apply untuk membuat resource Operator Penyesuaian Performa di cluster Anda.

Untuk mengaktifkan penyesuaian performa dengan nilai default untuk cluster Anda:

1. Buat direktori performance-tuning di workstation admin Anda.

2. Dari direktori performance-tuning, download paket Performance Tuning Operator 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 Deployment performance-tuning-operator dan DaemonSet nodeconfig-controller-manager. Manifest untuk fungsi terkait, seperti role-based access control (RBAC) dan kontrol penerimaan dinamis, juga disertakan.

3. Sebagai pengguna root, terapkan semua manifes Performance Tuning Operator secara rekursif ke cluster pengguna (atau hybrid) Anda:

   kubectl apply -f performance-tuning --recursive –-kubeconfig USER_KUBECONFIG
   

   Setelah Deployment dan DaemonSet dibuat dan berjalan, satu-satunya interaksi Anda adalah mengedit dan menerapkan manifes PerformanceTuningProfile.

Tinjau persyaratan resource untuk workload Anda

Sebelum dapat menyesuaikan node, Anda harus memahami persyaratan resource komputasi dan memori workload Anda. Jika worker node Anda memiliki resource yang memadai, node dapat disetel untuk menyediakan memori yang dijamin (standar dan hugepage) untuk workload Anda dalam class Quality of Service (QoS) yang dijamin.

Kubernetes menetapkan class QoS ke setiap Pod Anda, berdasarkan batasan resource yang Anda tentukan untuk container terkait. Kemudian, Kubernetes menggunakan class QoS untuk menentukan cara menjadwalkan Pod dan penampung Anda serta mengalokasikan resource ke beban kerja Anda. Untuk memanfaatkan sepenuhnya Penyesuaian node untuk beban kerja Anda, beban kerja Anda harus memiliki setelan permintaan atau batas resource CPU atau memori.

Agar diberi kelas QoS terjamin, Pod Anda harus memenuhi persyaratan berikut:

• Untuk setiap Container di Pod:
  • Tentukan nilai untuk permintaan resource memori (spec.containers[].resources.requests.memory) dan batas (spec.containers[].resources.limits.memory).
  • Nilai batas memori harus sama dengan nilai permintaan memori.
  • Tentukan nilai untuk permintaan resource CPU (spec.containers[].resources.requests.cpu) dan batas (spec.containers[].resources.limits.cpu).
  • Nilai batas CPU harus sama dengan nilai permintaan CPU.

Cuplikan spesifikasi Pod berikut menunjukkan setelan resource CPU yang memenuhi persyaratan class QoS terjamin:

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 dalam 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 mengetahui informasi selengkapnya tentang class QoS, lihat Class Kualitas Layanan Pod dalam dokumentasi Kubernetes. Untuk mengetahui petunjuk tentang cara mengonfigurasi Pod dan penampung agar diberi kelas QoS, lihat Mengonfigurasi Kualitas Layanan untuk Pod

Persyaratan CPU

Saat menyetel node, Anda dapat menentukan serangkaian core CPU yang dicadangkan (spec.cpu.reservedCPUs) untuk menjalankan daemon sistem Kubernetes seperti kubelet dan runtime container. Kumpulan CPU yang dicadangkan yang sama ini juga menjalankan daemon sistem operasi, seperti sshd dan udev. Sisa core CPU pada dialokasikan sebagai terisolasi. CPU yang terisolasi ditujukan untuk aplikasi terikat CPU, yang memerlukan waktu CPU khusus tanpa gangguan dari aplikasi lain atau interupsi dari jaringan atau perangkat lain.

Untuk menjadwalkan Pod pada CPU yang diisolasi dari node pekerja:

• Konfigurasi Pod untuk 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 atau cpu: 250m (250 mili-core), penjadwalan tidak dapat dijamin.

Persyaratan memori

Saat menyetel node dengan Operator Penyetelan Performa, Anda dapat membuat halaman besar dan mengaitkannya dengan node akses memori non-seragam (NUMA) di mesin. Berdasarkan setelan Pod dan Node, Pod dapat dijadwalkan dengan afinitas NUMA-node.

Membuat profil penyesuaian performa

Setelah menginstal Performance Tuning Operator, Anda hanya berinteraksi dengan cluster yang menjalankan workload Anda. Anda membuat resource kustom PerformanceTuningProfile secara langsung di cluster pengguna atau cluster hybrid, bukan di cluster admin. Setiap resource PerformanceTuningProfile berisi serangkaian parameter yang menentukan konfigurasi performa yang diterapkan ke node.

nodeSelector dalam resource menentukan node yang menerapkan profil penyesuaian. Untuk menerapkan profil ke node, Anda menempatkan label key-value pair yang sesuai di node. Profil penyetelan diterapkan ke node yang memiliki semua label yang ditentukan di kolom nodeSelector.

Anda dapat membuat beberapa resource PerformanceTuningProfile dalam cluster. Jika lebih dari satu profil cocok dengan node tertentu, kondisi error akan ditetapkan di status resource kustom PerformanceTuningProfile. Untuk mengetahui informasi selengkapnya tentang bagian status, lihat Periksa status.

Tetapkan namespace untuk resource kustom PerformanceTuningProfile Anda ke kube-system.

Untuk menyesuaikan satu atau beberapa node pekerja:

1. Edit manifes PerformanceTuningProfile.

   Untuk mengetahui informasi tentang setiap kolom dalam manifes dan contoh manifes, lihat referensi resource PerformanceTuningProfile.

2. (Opsional) Untuk Node pekerja tempat Anda menerapkan profil, tambahkan label agar cocok dengan pasangan nilai kunci spec.nodeSelector.

   Jika tidak ada key-value pair spec.nodeSelector yang ditentukan dalam resource kustom PerformanceTuningProfile, profil akan diterapkan ke semua node pekerja.

3. Terapkan manifes ke cluster Anda.

   kubectl apply -f PROFILE_MANIFEST --kubeconfig KUBECONFIG
   

   Ganti kode berikut:

   • PROFILE_MANIFEST: jalur file manifes untuk resource kustom PerformanceTuningProfile.
   • KUBECONFIG: jalur file kubeconfig cluster.

Menghapus profil penyetelan

Untuk mereset node ke status aslinya yang belum disetel:

1. Hapus resource kustom PerformanceTuningProfile dari cluster.

2. Perbarui atau hapus label pada node agar tidak dipilih oleh profil penyesuaian lagi.

Jika Anda memiliki beberapa profil penyetelan yang terkait dengan node, ulangi langkah-langkah sebelumnya sesuai kebutuhan.

Menjeda profil penyetelan

Jika perlu melakukan pemeliharaan pada cluster, Anda dapat menjeda penyetelan untuk sementara dengan mengedit resource kustom PerformanceTuningProfile. Sebaiknya Anda menjeda penyesuaian sebelum melakukan operasi cluster penting, seperti upgrade cluster.

Penerapan profil yang tidak berhasil adalah kasus lain yang dapat menyebabkan Anda menjeda penyesuaian. Jika proses penyesuaian tidak berhasil, pengontrol dapat terus mencoba menyesuaikan node, yang dapat menyebabkan node dimulai ulang berulang kali. Jika Anda mengamati status node beralih antara status siap dan tidak siap, jeda penyesuaian sehingga Anda dapat memulihkan dari status rusak.

Untuk menjeda penyetelan:

1. Edit manifes resource kustom PerformanceTuningProfile untuk menetapkan spec.paused ke true.

2. Gunakan kubectl apply untuk memperbarui resource.

Saat penyesuaian performa dijeda, pengontrol Operator Penyesuaian Performa akan menghentikan semua operasinya. Menjeda mencegah risiko operasi pengontrol Performance Tuning Operator berkonflik dengan operasi pengontrol Google Distributed Cloud.

Referensi resource PerformanceTuningProfile

Bagian ini menjelaskan setiap kolom di resource kustom PerformanceTuningProfile. Resource ini digunakan untuk membuat profil penyesuaian untuk satu atau beberapa node cluster Anda. Semua kolom dalam resource dapat diubah setelah pembuatan profil. Profil harus berada di namespace kube-system.

Contoh manifes profil numa berikut untuk node dengan 8 core CPU menentukan alokasi resource berikut:

• 4 inti CPU (0-3) dicadangkan untuk overhead sistem Kubernetes.

• 4 inti CPU (4-7) dicadangkan hanya untuk workload.

• Memori node dibagi menjadi halaman 2‑MiB secara default, bukan halaman 4‑Ki standar.

• 10 halaman memori berukuran 1 GiB dicadangkan untuk digunakan oleh node NUMA 0.

• 5 halaman memori berukuran 2 MiB disisihkan untuk digunakan oleh node NUMA 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 definisi resource kustom PerformanceTuningProfile terkait dari grup anthos.gke.io di cluster Anda. Definisi resource kustom diinstal setelah anotasi fitur pratinjau ditambahkan ke resource cluster yang dikelola sendiri.

Konfigurasi CPU

Properti	Deskripsi
cpu.reservedCPUs	Wajib. Dapat berubah. String. Kolom ini menentukan sekumpulan core CPU yang akan dicadangkan untuk daemon sistem Kubernetes, seperti kubelet, runtime container, dan node problem detector. Inti CPU ini juga digunakan untuk daemon sistem sistem operasi (OS), seperti sshd dan udev. Kolom cpu.reservedCPUs mengambil daftar nomor CPU atau rentang nomor CPU. Pastikan daftar CPU tidak tumpang-tindih dengan daftar yang ditentukan dengan cpu.isolatedCPUs. Gabungan CPU yang tercantum dalam kedua kolom ini harus mencakup semua CPU untuk node.
cpu.isolatedCPUs	Opsional. Dapat berubah. String. Kolom cpu.isolatedCPUs menentukan sekumpulan CPU yang digunakan secara eksklusif untuk aplikasi yang sensitif terhadap performa. Pengelola CPU menjadwalkan container hanya pada CPU yang tidak dicadangkan, sesuai dengan kelas Kualitas Layanan (QoS) Kubernetes. Untuk memastikan bahwa beban kerja berjalan di CPU yang terisolasi, konfigurasi Pod dengan class QoS terjamin dan tetapkan 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 memberikan manfaat performa terbaik. Kolom ini menggunakan daftar jumlah CPU atau rentang jumlah CPU. Pastikan daftar CPU tidak tumpang-tindih dengan daftar yang ditentukan dengan cpu.reservedCPUs dan gabungan daftar di kedua kolom ini mencakup semua CPU untuk node.
cpu.balanceIsolated	Opsional. Dapat berubah. Boolean. Default: true. Kolom ini menentukan apakah set CPU Terisolasi memenuhi syarat untuk load balancing otomatis workload di seluruh CPU atau tidak. Jika Anda menyetel kolom ini ke false, beban kerja Anda harus menetapkan setiap thread secara eksplisit ke CPU tertentu untuk mendistribusikan beban di seluruh CPU. Dengan penetapan CPU eksplisit, Anda mendapatkan performa yang paling dapat diprediksi untuk workload yang dijamin, tetapi hal ini menambah kompleksitas pada workload Anda.
cpu.globallyEnableIRQLoadBalancing	Wajib. Dapat berubah. Boolean. Default: true. Kolom ini menentukan apakah akan mengaktifkan load balancing permintaan interupsi (IRQ) untuk set CPU terisolasi atau tidak.

Konfigurasi memori

Properti	Deskripsi
defaultHugePageSize	Opsional. Dapat berubah. Enumerasi: 1G atau 2M. Kolom ini menentukan ukuran hugepage default dalam parameter booting kernel. Hugepage dialokasikan pada waktu booting, sebelum memori terfragmentasi. Penting untuk diperhatikan bahwa menyetel ukuran default hugepages ke 1G akan menghapus semua folder terkait 2M dari node. Ukuran hugepage default sebesar 1G mencegah Anda mengonfigurasi hugepage 2M di node.
pages	Opsional. Dapat berubah. Bilangan bulat. Kolom ini menentukan jumlah hugepage yang akan dibuat saat waktu booting. Kolom ini menerima array halaman. Periksa memori yang tersedia untuk node Anda sebelum menentukan hugepage. Jangan meminta lebih banyak halaman besar dari yang diperlukan dan jangan mencadangkan semua memori untuk halaman besar. Workload Anda juga memerlukan memori standar.

Pemilihan Node

Properti

Deskripsi

nodeSelector

Wajib. Dapat berubah. Kolom ini selalu memerlukan label node pekerja Kubernetes, node-role.kubernetes.io/worker:"", yang memastikan bahwa penyesuaian performa hanya dilakukan pada node pekerja. Kolom ini menggunakan label node opsional sebagai key-value pair. Label pasangan nilai kunci digunakan untuk memilih node pekerja tertentu dengan label yang cocok. Jika label nodeSelector cocok dengan label pada node pekerja, profil performa diterapkan ke node tersebut. Jika Anda tidak menentukan label nilai kunci dalam profil, label tersebut akan diterapkan ke semua node pekerja dalam cluster. Misalnya, nodeSelector berikut menentukan bahwa profil penyetelan hanya diterapkan ke node pekerja dengan label app: database yang cocok: ... spec: nodeSelector: app: database node-role.kubernetes.io/worker: "" ...

Konfigurasi Kubelet

Properti

Deskripsi

topologyManagerPolicy

Opsional. Dapat berubah. Enumerasi: none, best-effort, restricted, atau single-numa-node. Default: best-effort. Kolom ini menentukan kebijakan Pengelola Topologi Kubernetes yang digunakan untuk mengalokasikan resource untuk workload Anda, berdasarkan kelas kualitas layanan (QoS) yang ditetapkan. Untuk mengetahui informasi selengkapnya tentang cara menetapkan kelas QoS, lihat Mengonfigurasi Kualitas Layanan untuk Pod.

Operasi profil

Properti	Deskripsi
paused	Opsional. Dapat berubah. Boolean. Setel paused ke true untuk mencegah sementara pengontrol DaemonSet menyesuaikan node yang dipilih.
updateStrategy	Opsional. Dapat berubah. Menentukan strategi untuk menerapkan perubahan konfigurasi penyesuaian ke node yang dipilih.
updateStrategy.rollingUpdateMaxUnavailalble	Opsional. Dapat berubah. Bilangan bulat. Default: 1. Menentukan jumlah maksimum node yang dapat disesuaikan secara bersamaan. Kolom ini hanya berlaku jika type ditetapkan ke rolling.
updateStrategy.type	Opsional. Dapat berubah. Enumerasi: batch atau rolling. Default: rolling. Menentukan cara menerapkan update profil ke node yang dipilih. Jika Anda ingin menerapkan update ke semua node yang dipilih secara bersamaan, setel type ke batch. Secara default, update diluncurkan secara berurutan ke setiap node, satu per satu.

Periksa status

Setelah resource kustom PerformanceTuningProfile dibuat atau diperbarui, pengontrol menyesuaikan node yang dipilih berdasarkan konfigurasi yang diberikan dalam resource. Untuk memeriksa status PerformanceTuningProfile, kami mengekspos kolom berikut di Status:

Properti	Deskripsi
conditions	Kondisi mewakili pengamatan terbaru yang tersedia tentang status saat ini dari resource profil.
conditions.lastTransitionTime	Selalu ditampilkan. String (dalam format tanggal-waktu). Terakhir kali kondisi bertansisi dari satu status ke status lainnya. Waktu ini biasanya menunjukkan kapan kondisi yang mendasarinya berubah. Jika waktu tersebut tidak diketahui, waktu menunjukkan kapan kolom API berubah.
conditions.message	Opsional. String. Pesan yang dapat dibaca manusia yang menunjukkan detail tentang transisi. Kolom ini mungkin kosong.
conditions.observedGeneration	Opsional. Bilangan bulat. Jika ditetapkan, kolom ini menunjukkan metadata.generation yang menjadi dasar penetapan kondisi. Misalnya, jika metadata.generation adalah 12, tetapi status.condition[x].observedGeneration adalah 9, kondisi tidak berlaku lagi terkait status instance saat ini.
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 berhasil menerapkan profil penyesuaian.
reconcilingNodes	Jumlah node yang dipilih (atau sebelumnya dipilih) yang sedang dalam proses mencocokkan dengan profil penyesuaian terbaru oleh DaemonSet nodeconfig-controller-manager.
selectedNodes	Jumlah catatan yang telah dipilih. Artinya, jumlah node yang cocok dengan pemilih node untuk resource kustom PerformanceTuningProfile ini.

Langkah berikutnya

• Menyiapkan jaringan SR-IOV
• performa etcd