Menyesuaikan performa node

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 standar node-role.kubernetes.io/worker: "". Jika nodeSelector 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 menggunakan kubectl 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:

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

  2. 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 DaemonSet nodeconfig-controller-manager. Manifes untuk fungsi terkait, seperti role-based access control (RBAC) dan kontrol akses dinamis, juga disertakan.

  3. 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.

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 atau cpu: 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:

  1. Edit manifes PerformanceTuningProfile.

    Untuk informasi tentang setiap kolom dalam manifes dan manifes contoh, 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 pasangan nilai kunci spec.nodeSelector yang ditentukan dalam Sumber daya khusus PerformanceTuningProfile, profil 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 elemen kustom PerformanceTuningProfile resource Anda
    • KUBECONFIG: jalur file {i>cluster kubeconfig<i}.

Menghapus profil penyesuaian

Untuk mereset node ke status aslinya dan belum disesuaikan:

  1. Hapus resource kustom PerformanceTuningProfile dari cluster.

  2. 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:

  1. Mengedit manifes resource kustom PerformanceTuningProfile yang akan disetel spec.paused untuk true.

  2. 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.reservedCPUs mengambil daftar nomor CPU atau rentang jumlah CPU tertentu. Pastikan daftar CPU tidak tumpang tindih dengan daftar yang ditentukan dengan cpu.isolatedCPUs. Penyatuan CPU yang tercantum dalam kedua kolom ini harus menyertakan semua CPU untuk node.

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.reservedCPUs dan bahwa gabungan daftar dalam kedua yang mencakup semua CPU untuk node tersebut.

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, nodeSelector berikut menetapkan bahwa profil penyesuaian hanya diterapkan ke node pekerja dengan pencocokan app: database label:

...
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.

Langkah selanjutnya