Halaman ini diterjemahkan oleh Cloud Translation API.

Men-deploy cluster di edge

Tutorial ini memperkenalkan solusi siap pakai yang menggunakan Google Distributed Cloud (khusus software) di bare metal dan Config Sync untuk men-deploy cluster Kubernetes di edge dalam skala besar. Tutorial ini ditujukan untuk operator dan developer platform. Sebelum membaca dokumen ini, pastikan Anda memahami teknologi dan konsep berikut:

Playbook Ansible.
Deployment edge dan tantangannya.
Cara menggunakan Google Cloud project.
Men-deploy aplikasi web dalam container.
Antarmuka command line gcloud dan kubectl.

Dalam tutorial ini, Anda menggunakan virtual machine (VM) Compute Engine untuk mengemulasi node yang di-deploy di edge, dan contoh aplikasi point-of-sale sebagai beban kerja edge. Google Distributed Cloud khusus software dan Config Sync menyediakan pengelolaan dan kontrol terpusat untuk cluster edge Anda. Config Sync secara dinamis menarik konfigurasi baru dari GitHub dan menerapkan kebijakan serta konfigurasi ini ke cluster Anda.

Arsitektur deployment edge

Deployment edge retail adalah cara yang baik untuk menggambarkan arsitektur yang digunakan dalam deployment cluster bare metal biasa.

Toko retail fisik adalah titik interaksi terdekat antara unit bisnis perusahaan dan konsumen. Sistem software di dalam toko harus menjalankan beban kerja, menerima update tepat waktu, dan melaporkan metrik penting secara terpisah dari sistem pengelolaan pusat perusahaan. Selain itu, sistem software ini harus didesain agar dapat diperluas ke lebih banyak lokasi toko pada masa mendatang. Meskipun semua deployment cluster bare metal memenuhi semua persyaratan ini untuk sistem software toko, profil edge memungkinkan kasus penggunaan penting: deployment di lingkungan dengan resource hardware terbatas, seperti bagian depan toko retail.

Diagram berikut menunjukkan deployment cluster bare metal yang menggunakan profil edge di toko retail:

Deployment yang menggunakan profil edge di toko retail

Diagram di atas menunjukkan toko retail fisik yang umum. Toko memiliki perangkat smart seperti pembaca kartu, mesin point-of-sale, kamera, dan printer. Toko juga memiliki tiga perangkat keras komputasi fisik (berlabel Node 1, Node 2, dan Node 3). Semua perangkat ini terhubung ke switch jaringan pusat. Dengan demikian, ketiga perangkat komputasi tersebut terhubung satu sama lain melalui jaringan Layer 2. Perangkat komputasi yang terhubung dalam jaringan membentuk infrastruktur bare metal. Software Google Distributed Cloud berjalan di dalam masing-masing dari tiga perangkat komputasi. Perangkat ini juga memiliki penyimpanan disk sendiri dan dikonfigurasi untuk replikasi data di antara keduanya demi ketersediaan tinggi.

Diagram ini juga menunjukkan komponen utama berikut yang merupakan bagian dari deployment cluster bare metal:

Komponen yang ditandai sebagai MetalLB adalah load balancer yang dibundel.
Komponen Config Sync memungkinkan sinkronisasi status cluster dengan repositori sumber. Add-on opsional ini sangat direkomendasikan dan memerlukan penginstalan dan konfigurasi terpisah. Untuk mengetahui informasi selengkapnya tentang cara menyiapkan Config Sync dan nomenklatur yang berbeda, lihat dokumentasi Config Sync
Repositori root dan repositori namespace yang ditampilkan di bagian atas diagram di luar lokasi toko mewakili dua repositori sumber.

Perubahan pada cluster dikirim ke repositori sumber pusat ini. Deployment cluster di berbagai lokasi edge menarik update dari repositori sumber. Perilaku ini diwakili oleh panah yang menghubungkan dua repositori dalam diagram ke komponen Config Sync di dalam cluster yang berjalan di perangkat.
Komponen utama lain yang digambarkan sebagai bagian dari cluster adalah VM Runtime di GDC. VM Runtime di GDC memungkinkan menjalankan workload berbasis VM yang sudah ada di dalam cluster tanpa perlu melakukan containerisasi. Dokumentasi VM Runtime di GDC menjelaskan cara mengaktifkannya dan men-deploy workload VM Anda ke dalam cluster.
Komponen yang ditandai sebagai Aplikasi menunjukkan software yang di-deploy ke cluster oleh toko retail. Aplikasi point of sale yang terlihat di kios toko retail dapat menjadi salah satu contoh aplikasi tersebut.

Kotak di bagian bawah diagram mewakili banyak perangkat (seperti kios, tablet, atau kamera) di dalam toko retail, yang semuanya terhubung ke switch jaringan pusat. Jaringan lokal di dalam toko memungkinkan aplikasi yang berjalan di dalam cluster menjangkau perangkat ini.

Di bagian berikutnya, Anda akan melihat emulasi deployment toko retail ini di Google Cloud menggunakan VM Compute Engine. Emulasi ini adalah yang Anda gunakan dalam tutorial berikutnya untuk bereksperimen dengan cluster bare metal.

Deployment edge yang diemulasi di Google Cloud

Diagram berikut menggambarkan semua yang Anda siapkan di Google Cloud dalam tutorial ini. Diagram ini berkorelasi dengan diagram toko retail dari bagian sebelumnya. Deployment ini merepresentasikan lokasi edge yang diemulasi tempat aplikasi tempat penjualan di-deploy. Arsitektur juga menunjukkan beban kerja contoh aplikasi point of sale yang Anda gunakan dalam tutorial ini. Anda mengakses aplikasi tempat penjualan di dalam cluster dengan menggunakan browser web sebagai kios.

Arsitektur aplikasi point of sale dan cara di-deploy di dalam cluster yang berjalan di VM Compute Engine

Tiga virtual machine (VM) Compute Engine dalam diagram sebelumnya merepresentasikan hardware fisik (atau node) di lokasi edge yang umum. Hardware ini akan dihubungkan dengan switch jaringan untuk membentuk infrastruktur bare metal. Di lingkungan yang diemulasi di Google Cloud, VM ini terhubung satu sama lain melalui jaringan Virtual Private Cloud (VPC) default di project Google Cloud .

Dalam penginstalan cluster bare metal yang umum, Anda dapat mengonfigurasi load balancer Anda sendiri. Namun, untuk tutorial ini, Anda tidak menyiapkan load balancer eksternal. Sebagai gantinya, Anda menggunakan load balancer MetalLB yang dibundel. Load balancer MetalLB yang dibundel memerlukan konektivitas jaringan Lapisan 2 antar-node. Dengan demikian, konektivitas Layer 2 antara VM Compute Engine diaktifkan dengan membuat jaringan overlay VxLAN di atas jaringan Virtual Private Cloud (VPC) default.

Dalam persegi panjang berlabel "Jaringan overlay L2 (VxLAN)", komponen software yang berjalan di dalam tiga VM Compute Engine ditampilkan. Persegi panjang VxLAN ini mencakup deployment cluster, yang berisi namespace Kubernetes di dalam cluster. Semua komponen di dalam namespace Kubernetes ini membentuk aplikasi point of sale yang di-deploy ke dalam cluster. Aplikasi point of sale memiliki tiga microservice: API Server, Inventory, dan Payments. Semua komponen ini bersama-sama merepresentasikan satu "aplikasi" yang ditampilkan dalam diagram arsitektur peluncuran Edge sebelumnya.

Load balancer MetalLB yang dibundel cluster tidak dapat dijangkau secara langsung dari luar VM. Diagram ini menunjukkan proxy terbalik NGINX yang dikonfigurasi untuk berjalan di dalam VM guna merutekan traffic yang masuk ke VM Compute Engine ke load balancer. Hal ini hanya merupakan solusi sementara untuk tujuan tutorial ini, di mana node tepi diemulasi menggunakan Google Cloud VM Compute Engine. Di lokasi tepi yang sebenarnya, hal ini dapat dilakukan dengan konfigurasi jaringan yang tepat.

Tujuan

Gunakan VM Compute Engine untuk mengemulasi infrastruktur bare metal yang berjalan di lokasi edge.
Gunakan Google Distributed Cloud untuk membuat cluster di infrastruktur edge yang diemulasi.
Hubungkan dan daftarkan cluster dengan Google Cloud.
Deploy workload aplikasi point-of-sale contoh di cluster.
Gunakan konsol Google Cloud untuk memverifikasi dan memantau aplikasi point-of-sale yang beroperasi di lokasi edge.
Gunakan Config Sync untuk mengupdate aplikasi point-of-sale yang berjalan di cluster.

Sebelum memulai

Di konsol Google Cloud , pada halaman pemilih project, pilih atau buat Google Cloud project.

Catatan: Jika tidak berencana untuk menyimpan resource yang Anda buat dalam prosedur ini, buatlah project, bukan memilih project yang ada. Setelah menyelesaikan langkah ini, Anda dapat menghapus project, yang menghapus semua resource yang terkait dengan project ini.

Buka pemilihan project
Pastikan penagihan diaktifkan untuk project Cloud Anda. Pelajari cara memeriksa apakah penagihan telah diaktifkan pada suatu project.
Instal dan lakukan inisialisasi Google Cloud CLI.

Lakukan fork dan clone repositori anthos-samples

Semua skrip yang digunakan dalam tutorial ini disimpan di repositori anthos-samples. Struktur folder di bagian /anthos-bm-edge-deployment/acm-config-sink disusun sesuai dengan yang diharapkan oleh Config Sync. Clone repositori ini ke akun GitHub Anda sendiri sebelum melanjutkan ke langkah-langkah berikut.

Jika Anda belum memilikinya, buat akun di GitHub.
Buat token akses pribadi untuk digunakan dalam konfigurasi Config Sync. Hal ini diperlukan agar komponen Config Sync di cluster dapat melakukan autentikasi dengan akun GitHub Anda saat mencoba menyinkronkan perubahan baru.
1. Pilih cakupan public_repo saja.
2. Simpan token akses yang Anda buat di tempat yang aman untuk digunakan nanti.
Lakukan fork repositori anthos-samples ke akun GitHub Anda sendiri:
1. Buka repositori anthos-samples.
2. Klik ikon Fork di sudut kanan atas halaman.
3. Klik akun pengguna GitHub yang ingin Anda buat fork repositorinya. Anda akan otomatis dialihkan ke halaman dengan versi bercabang dari repositori anthos-samples.
Buka terminal di lingkungan lokal Anda.
Clone repositori yang di-fork dengan menjalankan perintah berikut, dengan GITHUB_USERNAME adalah nama pengguna untuk akun GitHub Anda:
```
git clone https://github.com/GITHUB_USERNAME/anthos-samples
cd anthos-samples/anthos-bm-edge-deployment
```
Catatan: Repositori sumber untuk solusi ini dan fork repositori Anda adalah repositori publik. Dokumen ini menunjukkan penggunaan token akses untuk meniru kasus penggunaan sebenarnya dengan repositori pribadi.

Menyiapkan lingkungan workstation

Untuk menyelesaikan deployment edge yang dijelaskan dalam dokumen ini, Anda memerlukan satu workstation dengan akses ke Internet dan alat berikut yang diinstal:

Docker
Alat antarmuka command line envsubst (biasanya sudah diinstal di Linux dan OS mirip Unix lainnya)

Jalankan semua perintah dalam tutorial di workstation yang Anda konfigurasi di bagian ini.

Di workstation Anda, lakukan inisialisasi variabel lingkungan di instance shell baru:

export PROJECT_ID="PROJECT_ID"
export REGION="us-central1"
export ZONE="us-central1-a"

# port on the admin Compute Engine instance you use to set up an nginx proxy
# this allows to reach the workloads inside the cluster via the VM IP
export PROXY_PORT="8082"

# should be a multiple of 3 since N/3 clusters are created with each having 3 nodes
export GCE_COUNT="3"

# url to the fork of: https://github.com/GoogleCloudPlatform/anthos-samples
export ROOT_REPO_URL="https://github.com/GITHUB_USERNAME/anthos-samples"

# this is the username used to authenticate to your fork of this repository
export SCM_TOKEN_USER="GITHUB_USERNAME"

# access token created in the earlier step
export SCM_TOKEN_TOKEN="ACCESS_TOKEN"

Ganti nilai berikut:

PROJECT_ID: ID project Google Cloud Anda.
GITHUB_USERNAME: nama pengguna GitHub Anda.
ACCESS_TOKEN: token akses pribadi yang Anda buat untuk repositori GitHub Anda.

Pertahankan nilai default untuk variabel lingkungan lainnya. Hal ini dijelaskan di bagian berikutnya.

Di workstation Anda, lakukan inisialisasi Google Cloud CLI:

gcloud config set project "${PROJECT_ID}"
gcloud services enable compute.googleapis.com

gcloud config set compute/region "${REGION}"
gcloud config set compute/zone "${ZONE}"

Di workstation Anda, buat Google Cloud akun layanan untuk instance Compute Engine. Skrip ini membuat file kunci JSON untuk akun layanan baru di <REPO_ROOT>/anthos-bm-edge-deployment/build-artifacts/consumer-edge-gsa.json. Skrip ini juga menyiapkan key ring dan kunci Cloud Key Management Service untuk enkripsi kunci pribadi SSH.

./scripts/create-primary-gsa.sh

Contoh berikut hanya sebagian dari skrip. Untuk melihat seluruh skrip, klik Lihat di GitHub.

# ...
EXISTS=$(gcloud iam service-accounts list \
  --filter="email=${GSA_EMAIL}" \
  --format="value(name, disabled)" \
  --project="${PROJECT_ID}")

if [[ -z "${EXISTS}" ]]; then
  echo "GSA [${GSA_EMAIL}]does not exist, creating it"

  # GSA does NOT exist, create
  gcloud iam service-accounts create ${GSA_NAME} \
    --description="GSA used on each Target machine to make gcloud commands" \
    --display-name="target-machine-gsa" \
    --project "${PROJECT_ID}"
else
  if [[ "${EXISTS}" =~ .*"disabled".* ]]; then
    # Found GSA is disabled, enable
    gcloud iam service-accounts enable "${GSA_EMAIL}" --project "${PROJECT_ID}"
  fi
  # otherwise, no need to do anything
fi
# ...

Menyediakan instance Compute Engine

Di bagian ini, Anda akan membuat VM Compute Engine tempat Google Distributed Cloud khusus software akan diinstal. Anda juga memverifikasi konektivitas ke VM ini sebelum melanjutkan ke bagian penginstalan.

Di workstation Anda, buat kunci SSH yang digunakan untuk komunikasi antara instance Compute Engine:
```
ssh-keygen -f ./build-artifacts/consumer-edge-machine
```

Enkripsi kunci pribadi SSH menggunakan Cloud Key Management Service:

gcloud kms encrypt \
    --key gdc-ssh-key \
    --keyring gdc-ce-keyring \
    --location global \
    --plaintext-file build-artifacts/consumer-edge-machine \
    --ciphertext-file build-artifacts/consumer-edge-machine.encrypted

Buat file konfigurasi lingkungan .envrc dan sumbernya. Setelah dibuat, periksa file .envrc untuk memastikan variabel lingkungan telah diganti dengan nilai yang benar.

envsubst < templates/envrc-template.sh > .envrc
source .envrc

Berikut adalah contoh file .envrc yang dihasilkan dengan mengganti variabel lingkungan dalam file templates/envrc-template.sh. Perhatikan bahwa baris yang diperbarui ditandai:

# GSA Key used for provisioning (result of running ./scripts/create-primary-gsa.sh)
LOCAL_GSA_FILE=$(pwd)/build-artifacts/consumer-edge-gsa.json
export LOCAL_GSA_FILE
# GCP Project ID
export PROJECT_ID="abm-edge-project"
# Bucket to store cluster snapshot information
export SNAPSHOT_GCS="abm-edge-project-cluster-snapshots"

# GCP Project Region (Adjust as desired)
export REGION="us-central1"
# GCP Project Zone (Adjust as desired)
export ZONE="us-central1-a"

# Gitlab Personal Access Token credentials (generated in Quick Start step 2)
export SCM_TOKEN_USER="LarryPage"
export SCM_TOKEN_TOKEN="oo901Sp-FHuzmz__dgl0393atkf69c8L"

# Default Root Repo setup for multiple locations
export ROOT_REPO_URL="https://github.com/LarryPage/anthos-samples"
export ROOT_REPO_BRANCH="main"
export ROOT_REPO_DIR="/anthos-bm-edge-deployment/acm-config-sink"

# OIDC Configuration (off by default)
export OIDC_CLIENT_ID="" # Optional, requires GCP API setup work
export OIDC_CLIENT_SECRET="" # Optional
export OIDC_USER="" # Optional
export OIDC_ENABLED="false" # Flip to true IF implementing OIDC on cluster

Buat instance Compute Engine:

./scripts/cloud/create-cloud-gce-baseline.sh -c "$GCE_COUNT" | \
    tee ./build-artifacts/gce-info

Menginstal cluster bare metal dengan Ansible

Skrip yang digunakan dalam panduan ini membuat cluster dalam grup yang terdiri dari tiga instance Compute Engine. Jumlah cluster yang dibuat dikontrol oleh variabel lingkungan GCE_COUNT. Misalnya, Anda menetapkan variabel lingkungan GCE_COUNT ke 6 untuk membuat dua cluster dengan masing-masing 3 instance VM. Secara default, variabel lingkungan GCE_COUNT disetel ke 3. Oleh karena itu, dalam panduan ini, satu cluster dengan 3 instance Compute Engine akan dibuat. Instance VM diberi nama dengan awalan cnuc- yang diikuti dengan angka. Instance VM pertama dari setiap cluster bertindak sebagai workstation admin yang memicu penginstalan. Cluster juga diberi nama yang sama dengan VM workstation admin (misalnya, cnuc-1, cnuc-4, cnuc-7).

Playbook Ansible melakukan hal berikut:

Mengonfigurasi instance Compute Engine dengan alat yang diperlukan, seperti docker, bmctl, gcloud, dan nomos.
Menginstal cluster bare metal di instance Compute Engine yang dikonfigurasi.
Membuat cluster mandiri bernama cnuc-1.
Mendaftarkan cluster cnuc-1 dengan Google Cloud.
Menginstal Config Sync ke cluster cnuc-1.
Mengonfigurasi Config Sync untuk menyinkronkan dengan konfigurasi cluster yang berada di anthos-bm-edge-deployment/acm-config-sink di repositori yang di-fork.
Membuat Login token untuk cluster.

Selesaikan langkah-langkah berikut untuk menyiapkan dan memulai proses penginstalan:

Di workstation Anda, buat image Docker yang digunakan untuk penginstalan. Image ini memiliki semua alat yang diperlukan untuk proses penginstalan, seperti Ansible, Python, dan Google Cloud CLI.

gcloud builds submit --config docker-build/cloudbuild.yaml docker-build/

Jika build berhasil dijalankan, build akan menghasilkan output seperti berikut:

...
latest: digest: sha256:99ded20d221a0b2bcd8edf3372c8b1f85d6c1737988b240dd28ea1291f8b151a size: 4498
DONE
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
ID                                    CREATE_TIME                DURATION  SOURCE                                                                                         IMAGES                                                  STATUS
2238baa2-1f41-440e-a157-c65900b7666b  2022-08-17T19:28:57+00:00  6M53S     gs://my_project_cloudbuild/source/1660764535.808019-69238d8c870044f0b4b2bde77a16111d.tgz  gcr.io/my_project/consumer-edge-install (+1 more)  SUCCESS

Buat file inventaris Ansible dari template:

envsubst < templates/inventory-cloud-example.yaml > inventory/gcp.yaml

Jalankan skrip penginstalan yang memulai container Docker dari image yang dibuat sebelumnya. Secara internal, skrip menggunakan Docker untuk membuat container dengan pemasangan volume ke direktori kerja saat ini. Setelah berhasil menyelesaikan skrip ini, Anda harus berada di dalam container Docker yang dibuat. Anda memicu penginstalan Ansible dari dalam container ini.

./install.sh

Jika berhasil dijalankan, skrip akan menghasilkan output seperti berikut:

...
Check the values above and if correct, do you want to proceed? (y/N): y
Starting the installation
Pulling docker install image...

==============================
Starting the docker container. You will need to run the following 2 commands (cut-copy-paste)
==============================
1: ./scripts/health-check.sh
2: ansible-playbook all-full-install.yaml -i inventory
3: Type 'exit' to exit the Docker shell after installation
==============================
Thank you for using the quick helper script!
(you are now inside the Docker shell)

Dari dalam container Docker, verifikasi akses ke instance Compute Engine:

./scripts/health-check.sh

Jika berhasil dijalankan, skrip akan menghasilkan output seperti berikut:

...
cnuc-2 | SUCCESS => {"ansible_facts": {"discovered_interpreter_python": "/usr/bin/python3"},"changed": false,"ping": "pong"}
cnuc-3 | SUCCESS => {"ansible_facts": {"discovered_interpreter_python": "/usr/bin/python3"},"changed": false,"ping": "pong"}
cnuc-1 | SUCCESS => {"ansible_facts": {"discovered_interpreter_python": "/usr/bin/python3"},"changed": false,"ping": "pong"}

Dari dalam container Docker, jalankan playbook Ansible untuk menginstal cluster bare metal di instance Compute Engine:

Setelah selesai, Anda akan melihat Login Token untuk cluster yang dicetak di layar.

ansible-playbook all-full-install.yaml -i inventory | tee ./build-artifacts/ansible-run.log

Jika penginstalan berhasil dijalankan, outputnya akan terlihat seperti berikut:

...
TASK [abm-login-token : Display login token] **************************************************************************
ok: [cnuc-1] => {
    "msg": "eyJhbGciOiJSUzI1NiIsImtpZCI6Imk2X3duZ3BzckQyWmszb09sZHFMN0FoWU9mV1kzOWNGZzMyb0x2WlMyalkifQ.eymljZS1hY2NvdW
iZXJuZXRlcy5pby9zZXJ2aWNlYWNjb3VudC9zZWNyZXQubmFtZSI6ImVkZ2Etc2EtdG9rZW4tc2R4MmQiLCJrdWJlcm5ldGVzLmlvL3NlcnZpY2VhY2Nvd
4CwanGlof6s-fbu8"
}
skipping: [cnuc-2]
skipping: [cnuc-3]

PLAY RECAP ***********************************************************************************************************
cnuc-1                     : ok=205  changed=156  unreachable=0    failed=0    skipped=48   rescued=0    ignored=12
cnuc-2                     : ok=128  changed=99   unreachable=0    failed=0    skipped=108  rescued=0    ignored=2
cnuc-3                     : ok=128  changed=99   unreachable=0    failed=0    skipped=108  rescued=0    ignored=2

Login ke cluster di konsol Google Cloud

Setelah playbook Ansible berjalan hingga selesai, cluster mandiri akan diinstal di dalam VM Compute Engine. Cluster ini juga terdaftar ke Google Cloud, menggunakan Agen Connect. Namun, untuk melihat detail tentang cluster ini, Anda harus login ke cluster dari konsol Google Cloud .

Untuk login ke cluster, selesaikan langkah-langkah berikut:

Salin token dari output playbook Ansible di bagian sebelumnya.

Catatan: Jika Anda tidak lagi memiliki akses ke output konsol, periksa file log di ./build-artifacts/ansible-run.log untuk mendapatkan token Anda. Anda juga dapat menjalankan playbook ansible berikut untuk mengambil token lagi: ansible-playbook all-get-login-tokens.yaml -i inventory
Di konsol Google Cloud , buka halaman Kubernetes clusters dan gunakan token yang disalin untuk login ke cluster cnuc-1.

Buka halaman cluster Kubernetes
1. Dalam daftar cluster, klik Tindakan di samping cluster cnuc-1, lalu klik Login.
2. Pilih Token dan tempel token yang disalin.
3. Klik Login.
Di konsol Google Cloud , buka halaman Config di bagian Features.

Buka Config

Di tab Paket, periksa kolom Status sinkronisasi di tabel cluster. Verifikasi bahwa statusnya adalah Disinkronkan. Status Disinkronkan menunjukkan bahwa Config Sync telah berhasil menyinkronkan konfigurasi GitHub Anda dengan cluster yang di-deploy, cnuc-1.

dtk

Mengonfigurasi proxy untuk traffic eksternal

Cluster yang diinstal pada langkah sebelumnya menggunakan load balancer yang dipaketkan bernama MetalLB. Layanan load balancer ini hanya dapat diakses melalui alamat IP Virtual Private Cloud (VPC). Untuk merutekan traffic yang masuk melalui IP eksternalnya ke load balancer yang di-bundle, siapkan layanan proxy terbalik di host admin (cnuc-1). Layanan proxy terbalik ini memungkinkan Anda menjangkau Server API aplikasi point of sale melalui IP eksternal host admin (cnuc-1).

Skrip penginstalan di langkah-langkah sebelumnya menginstal NGINX di host admin beserta file konfigurasi contoh. Perbarui file ini untuk menggunakan alamat IP layanan load balancer dan mulai ulang NGINX.

Di workstation Anda, gunakan SSH untuk login ke workstation admin:
```
ssh -F ./build-artifacts/ssh-config abm-admin@cnuc-1
```
Dari dalam workstation admin, siapkan reverse proxy NGINX untuk merutekan traffic ke layanan load balancer Server API. Dapatkan alamat IP layanan Kubernetes jenis Load balancer:
```
ABM_INTERNAL_IP=$(kubectl get services api-server-lb -n pos | awk '{print $4}' | tail -n 1)
```

Perbarui file konfigurasi template dengan alamat IP yang diambil:

sudo sh -c "sed 's/<K8_LB_IP>/${ABM_INTERNAL_IP}/g' \
    /etc/nginx/nginx.conf.template > /etc/nginx/nginx.conf"

Mulai ulang NGINX untuk memastikan konfigurasi baru diterapkan:
```
sudo systemctl restart nginx
```

Periksa dan verifikasi status laporan server NGINX "active (running)":

sudo systemctl status nginx

Jika NGINX berhasil berjalan, output-nya akan terlihat seperti contoh berikut:

● nginx.service - A high performance web server and a reverse proxy server
    Loaded: loaded (/lib/systemd/system/nginx.service; enabled; vendor preset: enabled)
    Active: active (running) since Fri 2021-09-17 02:41:01 UTC; 2s ago
    Docs: man:nginx(8)
    Process: 92571 ExecStartPre=/usr/sbin/nginx -t -q -g daemon on; master_process on; (code=exited, status=0/SUCCESS)
    Process: 92572 ExecStart=/usr/sbin/nginx -g daemon on; master_process on; (code=exited, status=0/SUCCESS)
Main PID: 92573 (nginx)
    Tasks: 17 (limit: 72331)
    Memory: 13.2M
    CGroup: /system.slice/nginx.service
            ├─92573 nginx: master process /usr/sbin/nginx -g daemon on; master_process on;
            ├─92574 nginx: worker process
            ├─92575 nginx: worker process
            ├─92577 nginx: ....
            ...
            ...

Keluar dari sesi SSH ke workstation admin:
```
exit
```
Keluar dari sesi shell ke dalam container Docker. Setelah keluar dari instance admin, Anda masih berada di dalam container Docker yang digunakan untuk penginstalan:
```
exit
```

Mengakses aplikasi tempat penjualan

Dengan penyiapan proxy eksternal, Anda dapat mengakses aplikasi yang berjalan di dalam cluster. Untuk mengakses aplikasi point of sale contoh, selesaikan langkah-langkah berikut.

Di workstation Anda, dapatkan alamat IP eksternal instance Compute Engine admin dan akses UI aplikasi point of sale:

EXTERNAL_IP=$(gcloud compute instances list \
    --project ${PROJECT_ID} \
    --filter="name:cnuc-1" \
    --format="get(networkInterfaces[0].accessConfigs[0].natIP)")
echo "Point the browser to: ${EXTERNAL_IP}:${PROXY_PORT}"

Jika berhasil dijalankan, skrip akan menghasilkan output seperti berikut:

Point the browser to: 34.134.194.84:8082

Buka browser web Anda dan buka alamat IP yang ditampilkan di output perintah sebelumnya. Anda dapat mengakses dan menguji aplikasi contoh tempat penjualan, seperti yang ditunjukkan dalam screenshot contoh berikut:

Menggunakan Config Sync untuk memperbarui Server API

Aplikasi contoh dapat diupgrade ke versi yang lebih baru dengan memperbarui file konfigurasi di repositori root. Config Sync mendeteksi update dan otomatis melakukan perubahan pada cluster Anda. Dalam contoh ini, repositori root adalah repositori anthos-samples yang Anda clone di awal panduan ini. Untuk melihat cara aplikasi titik penjualan contoh dapat melalui deployment upgrade ke versi yang lebih baru, selesaikan langkah-langkah berikut.

Di workstation Anda, perbarui kolom image untuk mengubah versi Server API dari v1 menjadi v2. Konfigurasi YAML untuk deployment ada di file di anthos-bm-edge-deployment/acm-config-sink/namespaces/pos/api-server.yaml.
```
containers:
- name: api-server
  image: us-docker.pkg.dev/anthos-dpe-abm-edge-pos/abm-edge-pos-images/api-server:v1
```

Tambahkan, lakukan commit, dan kirim perubahan ke repositori yang Anda buat fork-nya:

git add acm-config-sink/namespaces/pos/api-server.yaml
git commit -m "chore: updated api-server version to v2"
git push

Di konsol Google Cloud , buka halaman Config Sync untuk memeriksa Status spesifikasi Konfigurasi. Verifikasi bahwa statusnya adalah Disinkronkan.

Buka halaman Config Sync
Di konsol Google Cloud , buka halaman Kubernetes Engine Workloads untuk memverifikasi bahwa Deployment telah diupdate.

Buka halaman Workloads Kubernetes Engine
Jika status Deployment adalah OK, arahkan browser Anda ke alamat IP dari bagian sebelumnya untuk melihat aplikasi point of sale. Perhatikan bahwa versi di judul menampilkan "V2", yang menunjukkan bahwa perubahan aplikasi Anda telah di-deploy, seperti yang ditunjukkan pada screenshot contoh berikut:

Anda mungkin harus melakukan refresh paksa pada tab browser untuk melihat perubahan.

Pembersihan

Untuk menghindari biaya yang tidak perlu, hapus resource yang digunakan untuk panduan ini setelah Anda selesai menggunakannya. Google Cloud Anda dapat menghapus resource ini secara manual, atau menghapus project Google Cloud , yang juga akan menghapus semua resource. Selain itu, Anda mungkin juga ingin menghapus perubahan yang dilakukan di workstation lokal:

Workstation lokal

File berikut harus diupdate untuk menghapus perubahan yang dilakukan oleh skrip penginstalan.

Hapus alamat IP VM Compute Engine yang ditambahkan ke file /etc/hosts.
Hapus konfigurasi SSH untuk cnuc-* di file ~/.ssh/config.
Hapus sidik jari VM Compute Engine dari file ~/.ssh/known_hosts.

Hapus Project

Jika Anda membuat project khusus untuk prosedur ini, hapus Google Cloud project dari konsol Google Cloud .

Perhatian: Menghapus project memiliki efek berikut:

Semua hal dalam project akan dihapus. Jika menggunakan project yang sudah ada untuk tugas dalam dokumen ini, saat Anda menghapusnya, pekerjaan lain yang telah Anda lakukan dalam project tersebut juga akan terhapus.
Project ID kustom hilang. Saat membuat project ini, Anda mungkin telah membuat project ID kustom yang ingin digunakan di masa mendatang. Untuk mempertahankan URL yang menggunakan project ID, seperti URL appspot.com, hapus resource yang dipilih di dalam project, bukan menghapus seluruh project.

Jika Anda berencana mempelajari beberapa arsitektur, tutorial atau panduan memulai, dengan menggunakan kembali project dapat membantu Anda agar tidak melampaui batas kuota project.

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.

Manual

Jika Anda menggunakan project yang ada untuk prosedur ini, lakukan hal berikut:

Membatalkan pendaftaran semua cluster Kubernetes dengan nama yang diawali dengan cnuc-.
Menghapus semua VM Compute Engine dengan nama yang diawali dengan cnuc-.
Hapus bucket Cloud Storage dengan nama yang diawali dengan abm-edge-boot.
Hapus Aturan Firewall allow-pod-ingress dan allow-pod-egress.
Hapus rahasia Secret Manager install-pub-key.

Apa langkah selanjutnya?

Anda dapat memperluas panduan ini dengan menambahkan lokasi tepi lainnya. Menetapkan variabel lingkungan GCE_COUNT ke 6 dan menjalankan kembali langkah-langkah yang sama dari bagian sebelumnya akan membuat tiga instance Compute Engine baru (cnuc-4, cnuc-5, cnuc-6) dan cluster mandiri baru bernama cnuc-4.

Anda juga dapat mencoba mengupdate konfigurasi cluster di repositori yang di-fork untuk menerapkan berbagai versi aplikasi tempat penjualan secara selektif ke dua cluster, cnuc-1 dan cnuc-4, menggunakan ClusterSelectors.

Untuk mengetahui detail tentang setiap langkah dalam panduan ini dan skrip yang terlibat, lihat repositori anthos-samples.

Men-deploy cluster di edge Tetap teratur dengan koleksi Simpan dan kategorikan konten berdasarkan preferensi Anda.

Arsitektur deployment edge

Deployment edge yang diemulasi di Google Cloud

Tujuan

Sebelum memulai

Lakukan fork dan clone repositori anthos-samples

Menyiapkan lingkungan workstation

Menyediakan instance Compute Engine

Menginstal cluster bare metal dengan Ansible

Login ke cluster di konsol Google Cloud

Mengonfigurasi proxy untuk traffic eksternal

Mengakses aplikasi tempat penjualan

Menggunakan Config Sync untuk memperbarui Server API

Pembersihan

Workstation lokal

Hapus Project

Manual

Apa langkah selanjutnya?

Men-deploy cluster di edge