Autopilot est un mode de fonctionnement géré dans Google Kubernetes Engine (GKE). Cette page décrit les avantages du mode Autopilot et fournit des informations sur la planification des clusters, le déploiement des charges de travail et la configuration de la mise en réseau et de la sécurité. Les administrateurs, les architectes et les opérateurs peuvent utiliser ces informations pour prendre des décisions éclairées lorsqu'ils évaluent la façon dont le mode Autopilot de GKE s'aligne sur les exigences opérationnelles de leurs charges de travail conteneurisées.
Pour en savoir plus sur les différences entre les modes de fonctionnement dans GKE, consultez Comparer GKE Autopilot et Standard.
Qu'est-ce qu'Autopilot ?
GKE Autopilot est un mode de fonctionnement de GKE dans lequel Google gère la configuration de votre infrastructure, y compris vos nœuds, le scaling, la sécurité et d'autres paramètres préconfigurés. Le mode Autopilot est optimisé pour exécuter la plupart des charges de travail de production et provisionne des ressources de calcul en fonction de vos fichiers manifestes Kubernetes.
Vous pouvez exécuter un cluster entier en mode Autopilot afin que le cluster et toutes ses charges de travail suivent les bonnes pratiques et les recommandations de GKE concernant le scaling, la sécurité, les mises à niveau et la configuration des nœuds. Vous pouvez également exécuter des charges de travail spécifiques en mode Autopilot dans les clusters GKE Standard. Cette option vous permet d'utiliser Autopilot dans des environnements où vous avez encore besoin de contrôler manuellement votre infrastructure. Pour en savoir plus, consultez À propos des charges de travail en mode Autopilot dans GKE Standard.
Avantages
- Concentrez-vous sur vos applications : Google gère l'infrastructure, de sorte que vous pouvez vous concentrer sur la création et le déploiement de vos applications.
- Sécurité : les clusters Autopilot ont une configuration renforcée par défaut, avec de nombreux paramètres de sécurité activés par défaut. GKE applique automatiquement les correctifs de sécurité à vos nœuds lorsqu'ils sont disponibles, conformément à tous les calendriers de maintenance que vous avez configurés.
- Tarification : le modèle de tarification d'Autopilot simplifie les prévisions de facturation et l'attribution.
- Gestion des nœuds : Google gère les nœuds de calcul. Vous n'avez donc pas besoin de créer de nouveaux nœuds pour adapter vos charges de travail, ni de configurer des mises à niveau et des réparations automatiques.
- Scaling : lorsque vos charges de travail subissent une charge élevée et que vous ajoutez des pods pour gérer le trafic, par exemple avec l'autoscaling horizontal des pods de Kubernetes, GKE provisionne automatiquement de nouveaux nœuds pour ces pods, et développe automatiquement les ressources de vos nœuds existants en fonction des besoins.
- Planification : Autopilot gère la création de packages pour les pods à votre place. Vous n'avez donc pas besoin de réfléchir au nombre de pods en cours d'exécution sur chaque nœud. Vous pouvez contrôler davantage l'emplacement des pods à l'aide de mécanismes Kubernetes tels que la topologie d'affinité et de répartition des pods.
- Gestion des ressources : si vous déployez des charges de travail sans définir de valeurs de ressources telles que le processeur et la mémoire, Autopilot définit automatiquement les valeurs par défaut préconfigurées et modifie vos demandes de ressources au niveau de la charge de travail.
- Mise en réseau : Autopilot active par défaut certaines fonctionnalités de sécurité réseau, telles que le passage de tout le trafic réseau des pods par vos règles de pare-feu de cloud privé virtuel, même si le trafic est dirigé vers d'autres pods dans le cluster.
- Gestion des versions : tous les clusters Autopilot sont enregistrés dans une version disponible GKE, ce qui garantit que votre plan de contrôle et vos nœuds s'exécutent sur les dernières versions qualifiées dans cette version.
- Flexibilité gérée : si vos charges de travail comportent des exigences spécifiques en termes de matériel ou de ressources, telles que des GPU, vous pouvez définir ces exigences dans ComputeClasses. Lorsque vous demandez une ComputeClass dans votre charge de travail, GKE utilise vos exigences pour configurer les nœuds de vos pods. Vous n'avez pas besoin de configurer manuellement le matériel pour les nœuds ni pour les charges de travail individuelles.
- Réduction de la complexité opérationnelle : Autopilot réduit les frais d'administration de la plate-forme en supprimant la nécessité de surveiller en permanence les nœuds, le scaling et la planification des opérations.
Autopilot est fourni avec un contrat de niveau de service qui couvre à la fois le plan de contrôle et la capacité de calcul utilisée par vos pods.
À propos de la plate-forme de calcul optimisée pour les conteneurs Autopilot
Dans GKE version 1.32.3-gke.1927002 et ultérieures, Autopilot inclut une plate-forme de calcul optimisée pour les conteneurs spécialisée pour vos charges de travail. Cette plate-forme convient à la plupart des charges de travail à usage général qui ne nécessitent pas de matériel spécifique, comme les serveurs Web et les tâches par lot à intensité moyenne.
La plate-forme de calcul optimisée pour les conteneurs utilise des nœuds GKE Autopilot qui peuvent être redimensionnés de manière dynamique lors de l'exécution. Ils sont conçus pour évoluer à partir de fractions de processeur avec un minimum de perturbations. Ce redimensionnement dynamique réduit considérablement le temps nécessaire pour provisionner de la capacité à mesure que vos charges de travail évoluent. Pour améliorer la vitesse de scaling et de redimensionnement, GKE gère également un pool de capacité de calcul préprovisionnée qui peut être automatiquement allouée aux charges de travail en réponse à une augmentation des besoins en ressources.
La plate-forme de calcul optimisée pour les conteneurs offre les avantages suivants :
- La capacité de calcul correspond aux charges de travail : Autopilot ajuste de manière dynamique la capacité de calcul de la plate-forme de calcul optimisée pour les conteneurs en fonction de facteurs tels que le nombre de pods et la consommation de ressources. La capacité de calcul du cluster correspond donc aux besoins de vos charges de travail.
- Scalabilité rapide : lors des événements de scaling à la hausse, GKE peut redimensionner dynamiquement les nœuds existants pour accueillir plus de pods ou une consommation de ressources accrue. Ce provisionnement dynamique de la capacité signifie souvent que les nouveaux pods n'ont pas besoin d'attendre le démarrage de nouveaux nœuds.
Vous pouvez utiliser la plate-forme de calcul optimisée pour les conteneurs Autopilot de différentes manières :
- Clusters Autopilot : les pods qui ne sélectionnent pas de matériel spécifique utilisent cette plate-forme de calcul par défaut.
- Clusters Standard : vous pouvez placer des pods spécifiques sur la plate-forme de calcul optimisée pour les conteneurs en sélectionnant l'une des classes de calcul Autopilot intégrées.
Tarifs
La tarification Autopilot utilise différents modèles en fonction du type de matériel utilisé par vos pods :
Pods Autopilot à usage général : les types de pods suivants utilisent un modèle de facturation basé sur les pods et sont classés comme pods à usage général :
- Pods exécutés sur la plate-forme de calcul optimisée pour les conteneurs dans les clusters Autopilot ou Standard.
- Pods qui sélectionnent les ComputeClasses
BalancedouScale-Outintégrées dans les clusters Autopilot.
Pour en savoir plus, consultez la section "Charges de travail Autopilot à usage général" dans les tarifs de Google Kubernetes Engine.
Charges de travail Autopilot qui sélectionnent du matériel spécifique : les pods qui sélectionnent du matériel spécifique, comme des séries de machines Compute Engine ou des accélérateurs matériels, utilisent un modèle de facturation basé sur les nœuds. Dans ce modèle, vous payez le matériel sous-jacent et une prime de gestion des nœuds.
Pour en savoir plus, consultez la section "Charges de travail Autopilot qui sélectionnent du matériel spécifique" dans Tarifs de Google Kubernetes Engine.
Clusters et charges de travail Autopilot
GKE vous permet d'utiliser le mode Autopilot pour des clusters entiers ou pour des charges de travail spécifiques dans vos clusters Standard. Les clusters Autopilot sont la méthode recommandée pour utiliser GKE, car l'ensemble du cluster utilise par défaut les bonnes pratiques de Google.
Toutefois, certaines organisations ont des exigences en termes de contrôle manuel ou de flexibilité qui nécessitent l'utilisation d'un cluster GKE Standard. Dans ce cas, vous pouvez toujours utiliser Autopilot pour des charges de travail spécifiques dans vos clusters standards, ce qui vous permet de bénéficier de nombreuses fonctionnalités Autopilot au niveau de la charge de travail.
Les sections suivantes vous expliquent comment planifier et créer des clusters Autopilot. Si vous disposez d'un cluster Standard et que vous souhaitez exécuter certaines de vos charges de travail en mode Autopilot, consultez À propos des charges de travail en mode Autopilot dans GKE Standard.
Planifier vos clusters Autopilot
Avant de créer un cluster, planifiez et concevez votre architecture Google Cloud . Dans Autopilot, vous demandez du matériel dans les spécifications de votre charge de travail. GKE provisionne et gère l'infrastructure correspondante pour exécuter ces charges de travail. Par exemple, si vous exécutez des charges de travail de machine learning, vous demandez des accélérateurs matériels. Si vous développez des applications Android, vous demandez des processeurs Arm.
Planifiez et demandez des quotas pour votre projet ou votre organisation Google Cloud en fonction de l'échelle de vos charges de travail. GKE ne peut provisionner l'infrastructure de vos charges de travail que si votre projet dispose d'un quota suffisant pour ce matériel.
Tenez compte des facteurs suivants lors de la planification :
- Taille et échelle estimées du cluster
- Type de charge de travail
- Topologie et utilisation des clusters
- Mise en réseau et configuration
- Configuration de la sécurité
- Gestion et maintenance des clusters
- Déploiement et gestion des charges de travail
- Journalisation et surveillance
Les sections suivantes fournissent des informations et des ressources utiles à prendre en compte.
Mise en réseau
Lorsque vous créez un cluster Autopilot avec une mise en réseau publique, les charges de travail du cluster peuvent communiquer entre elles et avec Internet. Il s'agit du mode de mise en réseau par défaut. Google Cloud et Kubernetes fournissent diverses fonctionnalités et capacités de mise en réseau supplémentaires que vous pouvez utiliser en fonction de vos besoins, telles que des clusters avec mise en réseau privée.
La mise en réseau dans Kubernetes et dans le cloud est complexe. Avant de commencer à modifier les valeurs par défaut définies parGoogle Cloud , assurez-vous de connaître les concepts de base de la mise en réseau. Le tableau suivant fournit différentes ressources pour mieux comprendre la mise en réseau dans GKE en fonction de votre cas d'utilisation :
| Cas d'utilisation | Ressources |
|---|---|
| Comprendre le fonctionnement de la mise en réseau dans Kubernetes et GKE |
Après avoir étudié le modèle de mise en réseau, réfléchissez aux exigences de votre organisation concernant la mise en réseau et la sécurité du réseau. Choisissez les fonctionnalités de mise en réseau GKE et Google Cloud qui répondent à ces critères. |
| Planifier la configuration de mise en réseau GKE | Nous vous recommandons de comprendre les quotas de mise en réseau pour GKE, tels que les points de terminaison par service et les limites de requêtes API. Les ressources suivantes vous aideront à planifier des aspects spécifiques de votre configuration réseau :
|
| Exposer vos charges de travail |
|
| Exécuter des services connectés hautement disponibles dans plusieurs clusters | Utilisez des services multiclusters (MCS). |
| Équilibrer la charge du trafic entrant |
|
| Configurer la sécurité du réseau du cluster |
|
| Observer le trafic réseau Kubernetes | Par défaut, Autopilot utilise GKE Dataplane V2 pour les métriques et l'observabilité .
|
Scaling
L'exploitation efficace d'une plate-forme à grande échelle nécessite une planification et une réflexion approfondie. Vous devez tenir compte de l'évolutivité de votre conception, qui correspond à la capacité de vos clusters à se développer tout en respectant les objectifs de niveau de service (SLO). Pour obtenir des conseils détaillés à la fois pour les administrateurs de la plate-forme et pour les développeurs, consultez les consignes liées à la création de clusters évolutifs.
Vous devez également prendre en compte les quotas et limites de GKE, en particulier si vous envisagez d'exécuter de grands clusters avec des milliers de pods potentiellement.
Dans Autopilot, GKE effectue un scaling automatique de vos nœuds en fonction du nombre de pods présents dans le cluster. Si un cluster ne présente aucune charge de travail en cours d'exécution, Autopilot peut le réduire automatiquement à zéro nœud. Après le scaling à la baisse du cluster, aucun nœud ne reste dans le cluster et les pods système sont donc dans un état non programmable. Ce comportement est normal. Dans la plupart des clusters Autopilot nouvellement créés, vous remarquerez peut-être que la planification des premières charges de travail que vous déployez prend plus de temps. En effet, le nouveau cluster Autopilot démarre avec zéro nœud utilisable lors de sa création et attend que vous déployiez une charge de travail pour provisionner des nœuds supplémentaires.
Pour effectuer le scaling automatique du nombre de pods de votre cluster, utilisez un mécanisme tel que l'autoscaling horizontal des pods de Kubernetes, qui permet d'effectuer un scaling des pods en fonction des métriques intégrées de processeur et de mémoire, ou en fonction des métriques personnalisées de Cloud Monitoring. Pour apprendre à configurer le scaling en fonction de diverses métriques, consultez la section Optimiser l'autoscaling des pods en fonction des métriques.
Sécurité
Les clusters Autopilot activent et appliquent les bonnes pratiques et les paramètres de sécurité par défaut, y compris de nombreuses recommandations de la section Renforcer la sécurité des clusters et la Présentation de la sécurité GKE.
Si vous souhaitez en savoir plus sur les mesures de renforcement Autopilot et sur la mise en œuvre de vos exigences de sécurité spécifiques, consultez la section Mesures de sécurité dans Autopilot.
Créer un cluster
Une fois que vous avez planifié votre environnement et compris vos exigences, créez un cluster Autopilot. Les nouveaux clusters Autopilot sont des clusters régionaux dont l'adresse IP est accessible au public. Chaque cluster inclut des mesures de renforcement de base, ainsi qu'un scaling automatique et d'autres fonctionnalités. Pour obtenir la liste complète des fonctionnalités préconfigurées, consultez la section Comparer GKE Autopilot et Standard.
Si vous souhaitez créer le cluster sans accès aux adresses IP externes, configurez l'isolation de votre réseau.
Déployer des charges de travail en mode Autopilot
Vous pouvez exécuter des charges de travail Kubernetes compatibles en mode Autopilot pour que GKE gère le scaling, la planification efficace et l'infrastructure sous-jacente. Vous pouvez utiliser la plate-forme de calcul optimisée pour les conteneurs pour vos charges de travail à usage général ou sélectionner du matériel spécifique pour vos charges de travail à l'aide d'une ComputeClass.
Vous pouvez exécuter ces charges de travail Autopilot de l'une des manières suivantes :
- Déployez les charges de travail sur un cluster Autopilot.
- Sélectionnez une ComputeClass Autopilot lorsque vous déployez les charges de travail sur un cluster standard.
Pour accéder à un guide interactif dans la console Google Cloud concernant le déploiement et l'exposition d'une application dans un cluster Autopilot, cliquez sur Visite guidée :
Le tableau suivant présente certaines exigences courantes et fournit des recommandations sur la marche à suivre :
| Cas d'utilisation | Ressources |
|---|---|
| Contrôler les propriétés des nœuds individuels lors du scaling d'un cluster | Créez une ComputeClass personnalisée et demandez-la dans le fichier manifeste de votre charge de travail. Pour en savoir plus, consultez À propos des ComputeClasses personnalisées. |
| Exécuter des charges de travail Autopilot dans un cluster Standard | Utilisez une ComputeClass Autopilot dans le cluster Standard. Pour en savoir plus, consultez À propos des charges de travail en mode Autopilot dans GKE Standard. |
| Exécuter des charges de travail Arm | Demandez une série de machines dotées de processeurs Arm dans une ComputeClass ou dans le fichier manifeste de votre charge de travail. Pour en savoir plus, consultez À propos des ComputeClasses personnalisées. |
| Exécuter des charges de travail d'IA/ML accélérées | Demandez des GPU dans une ComputeClass ou dans le fichier manifeste de votre charge de travail. Pour en savoir plus sur la demande de GPU dans le fichier manifeste de votre charge de travail, consultez Déployer des charges de travail GPU dans Autopilot. |
| Exécutez des charges de travail tolérantes aux pannes, telles que les tâches par lot, à moindre coût. |
Vous pouvez utiliser n'importe quelle classe de calcul ou configuration matérielle avec les pods Spot. |
| Exécuter des charges de travail nécessitant un minimum d'interruptions, comme des serveurs de jeux ou des files d'attente de tâches | Dans les clusters Autopilot uniquement, spécifiez l'annotation cluster-autoscaler.kubernetes.io/safe-to-evict=false dans la spécification du pod. Les pods sont protégés contre l'éviction provoquée par des mises à niveau automatiques des nœuds ou des événements de réduction de capacité pendant sept jours maximum.
Pour en savoir plus, consultez Prolonger la durée d'exécution des pods Autopilot. |
| Laissez les charges de travail passer en utilisation intensive au-delà de leurs requêtes s'il existe des ressources inutilisées disponibles sur l'ensemble des demandes de ressources de pod sur le nœud. | Définissez la limits de vos ressources sur une valeur supérieure à votre requests ou ne définissez pas de limites de ressources.
Pour en savoir plus, consultez Configurer l'utilisation intensive des pods dans GKE. |
Autopilot vous permet de demander des ressources de processeur, de mémoire et de stockage éphémères pour vos charges de travail. Les plages autorisées varient selon que vous souhaitez exécuter vos pods sur la plate-forme de calcul optimisée pour les conteneurs Autopilot ou sur du matériel spécifique. Pour en savoir plus sur les demandes de ressources de conteneur par défaut et les plages de ressources autorisées, consultez Demandes de ressources dans Autopilot.
Séparation de la charge de travail
Les clusters Autopilot sont compatibles avec l'utilisation de sélecteurs de nœuds et de l'affinité des nœuds pour configurer la séparation des charges de travail. La séparation des charges de travail est utile lorsque vous devez indiquer à GKE de placer des charges de travail sur des nœuds répondant à des critères spécifiques, tels que des libellés de nœuds personnalisés. Par exemple, vous pouvez indiquer à GKE de planifier des pods de serveur de jeu sur des nœuds portant le libellé game-server, et d'éviter de programmer d'autres pods sur ces nœuds.
Pour en savoir plus, consultez la page Configurer la séparation des charges de travail dans GKE.
Planifier des pods dans des zones spécifiques à l'aide de la topologie zonale
Si vous devez placer des pods dans une zone Google Cloud spécifique, par exemple pour accéder aux informations sur un disque persistant Compute Engine zonal, consultez Placer les pods GKE dans des zones spécifiques.
Affinité et anti-affinité de pods
Utilisez l'affinité et l'anti-affinité de pods pour colocaliser les pods sur un seul nœud ou pour que certains pods évitent d'autres pods. L'affinité et l'anti-affinité de pods indiquent à Kubernetes de prendre une décision de planification basée sur les libellés des pods exécutés sur les nœuds d'un domaine de topologie spécifique, tel qu'une région ou une zone spécifique. Par exemple, vous pouvez indiquer à GKE d'éviter de planifier des pods d'interface avec d'autres pods d'interface sur les mêmes nœuds afin d'améliorer la disponibilité en cas de panne.
Pour obtenir des instructions et plus de détails, consultez la section Affinité et anti-affinité de pods.
Dans GKE, vous pouvez utiliser l'affinité et l'anti-affinité de pods avec les libellés suivants dans topologyKey :
topology.kubernetes.io/zonekubernetes.io/hostname
Contraintes de répartition de la topologie des pods
Pour améliorer la disponibilité de vos charges de travail à mesure que Kubernetes adapte le nombre de pods, vous pouvez définir des contraintes de répartition de la topologie des pods. Cela permet de contrôler la manière dont Kubernetes répartit vos pods sur les nœuds d'un domaine de topologie, tel qu'une région. Par exemple, vous pouvez indiquer à Kubernetes de placer un nombre spécifique de pods de session de serveur de jeu dans chacune des trois zones Google Cloud de la région us-central1.
Pour obtenir des exemples, des détails et des instructions, consultez la page Contraintes de répartition de la topologie des pods.
Gérer et surveiller vos clusters Autopilot
Dans Autopilot, GKE gère automatiquement les mises à niveau et la maintenance des clusters pour le plan de contrôle et les nœuds de calcul. Les clusters Autopilot disposent également d'une fonctionnalité intégrée qui vous permet de surveiller vos clusters et vos charges de travail.
Mises à niveau des versions de GKE
Tous les clusters Autopilot sont enregistrés dans un canal de distribution. Dans les canaux de publication, GKE gère la version Kubernetes du cluster, en équilibrant la disponibilité des fonctionnalités et la stabilité des versions en fonction du canal. Par défaut, les clusters Autopilot sont enregistrés dans le canal de publication "Standard", mais vous pouvez sélectionner un autre canal qui répond à vos besoins en termes de stabilité et de fonctionnalités. Pour en savoir plus sur les canaux de publication, consultez la page À propos des canaux de publication.
GKE lance automatiquement les mises à niveau, surveille leur progression et met l'opération en pause en cas de problème. Vous pouvez contrôler manuellement le processus de mise à niveau de différentes manières :
- Pour contrôler le moment où GKE peut effectuer des mises à niveau automatiques, créez des intervalles de maintenance. Par exemple, vous pouvez définir l'intervalle de maintenance la nuit avant la réinitialisation hebdomadaire de votre jeu multijoueur afin que les joueurs puissent se connecter lors de la réinitialisation sans interruption.
- Pour contrôler à quel moment GKE ne peut pas démarrer les mises à niveau automatiques pendant une période spécifique, utilisez les exclusions de maintenance. Par exemple, vous pouvez définir une exclusion de maintenance lors du Black Friday et du Cyber Monday afin que vos clients puissent effectuer leurs achats en toute tranquillité.
- Pour obtenir une nouvelle version avant le début des mises à niveau automatiques, mettez à niveau manuellement le plan de contrôle. GKE réconcilie la version du nœud avec celle du plan de contrôle au fil du temps.
- Pour obtenir une version de correctif disponible uniquement dans un canal de publication plus récent, consultez Exécuter des versions de correctif à partir d'un canal plus récent. Par exemple, vous pouvez avoir besoin d'une version de correctif spécifique pour atténuer une faille récemment divulguée.
Surveiller vos clusters Autopilot
Les clusters Autopilot sont déjà compatibles avec Cloud Logging, Cloud Monitoring et Google Cloud Managed Service pour Prometheus.
Les clusters Autopilot collectent automatiquement les types de journaux et de métriques suivants, conformément aux bonnes pratiques de Google pour la collecte de télémétrie :
Journaux pour Cloud Logging
- Journaux système
- Journaux de charge de travail
- Journaux d'audit pour les activités d'administration
- Journaux d'audit des accès aux données
Métriques pour Cloud Monitoring
- Métriques système
- Métriques de charge de travail (provenant de Google Cloud Managed Service pour Prometheus)
Aucune configuration supplémentaire n'est requise pour activer la journalisation et la surveillance. Le tableau suivant vous indique comment interagir avec les données de télémétrie collectées en fonction de vos besoins :
| Cas d'utilisation | Ressources |
|---|---|
| Comprendre et accéder à vos journaux GKE |
|
| Observer les performances de vos clusters GKE | Une surveillance efficace des performances de vos clusters peut vous aider à optimiser les coûts d'exploitation de vos clusters et de vos charges de travail.
|
| Surveiller la stratégie de sécurité de vos clusters | Utilisez le tableau de bord de stratégie de sécurité pour auditer vos charges de travail en cours d'exécution par rapport aux bonnes pratiques de GKE, rechercher les failles dans vos systèmes d'exploitation de conteneurs et packages de langages, et obtenir des recommandations d'atténuation des risques exploitables. Pour en savoir plus, consultez la section À propos du tableau de bord de stratégie de sécurité. |
Dépannage
Pour connaître la procédure de dépannage, consultez Résoudre les problèmes liés aux clusters Autopilot.