Permintaan resource di Autopilot

Halaman ini menjelaskan permintaan resource maksimum, minimum, dan default yang dapat Anda tentukan untuk workload Autopilot Google Kubernetes Engine (GKE), dan cara Autopilot mengubah permintaan tersebut secara otomatis untuk menjaga stabilitas workload.

Ringkasan permintaan resource di Autopilot

Autopilot menggunakan permintaan resource yang Anda tentukan dalam konfigurasi workload untuk mengonfigurasi node yang menjalankan workload Anda. Autopilot menerapkan permintaan resource minimum dan maksimum berdasarkan class komputasi atau konfigurasi hardware yang digunakan workload Anda. Jika Anda tidak menentukan permintaan untuk beberapa container, Autopilot akan menetapkan nilai default agar penampung tersebut berjalan dengan benar.

Saat Anda men-deploy workload di cluster Autopilot, GKE memvalidasi konfigurasi workload berdasarkan nilai minimum dan maksimum yang diizinkan untuk class komputasi atau konfigurasi hardware yang dipilih (seperti GPU). Jika permintaan Anda kurang dari jumlah minimum, Autopilot akan otomatis mengubah konfigurasi workload Anda untuk membawa permintaan Anda dalam rentang yang diizinkan. Jika permintaan Anda lebih besar dari maksimum, Autopilot akan menolak workload Anda dan menampilkan pesan error.

Daftar berikut merangkum kategori permintaan resource:

  • Permintaan resource default: Autopilot menambahkan permintaan ini jika Anda tidak menentukan permintaan workload Anda sendiri
  • Permintaan resource minimum dan maksimum: Autopilot memvalidasi permintaan yang Anda tentukan untuk memastikan permintaan tersebut tidak melebihi batas ini. Jika permintaan Anda di luar batas, Autopilot akan mengubah permintaan workload Anda.
  • Pemisahan workload dan permintaan durasi yang diperpanjang: Autopilot memiliki nilai default yang berbeda dan nilai minimum yang berbeda untuk workload yang Anda pisahkan satu sama lain, atau untuk Pod yang mendapatkan perlindungan tambahan dari penghapusan yang dilakukan GKE.
  • Permintaan resource untuk DaemonSets: Autopilot memiliki nilai default, minimum, dan maksimum yang berbeda untuk container di DaemonSets.

Cara meminta resource

Dalam mode Autopilot, Anda meminta resource dalam spesifikasi Pod. Resource minimum dan maksimum yang didukung yang dapat Anda minta berubah berdasarkan konfigurasi hardware node tempat Pod berjalan. Untuk mempelajari cara meminta konfigurasi hardware tertentu, lihat halaman berikut:

Permintaan resource default

Jika Anda tidak menentukan permintaan resource untuk beberapa container dalam Pod, Autopilot akan menerapkan nilai default. Setelan default ini cocok untuk banyak workload yang lebih kecil.

Selain itu, Autopilot menerapkan permintaan resource default berikut, terlepas dari konfigurasi class komputasi atau hardware yang dipilih:

  • Container di DaemonSets

    • CPU: 50 mCPU
    • Memori: 100 MiB
    • Penyimpanan efemeral: 100 MiB

  • Semua container lainnya

    • Penyimpanan efemeral: 1 GiB

Untuk mengetahui informasi selengkapnya tentang batas cluster Autopilot, lihat Kuota dan batas.

Permintaan default untuk class komputasi

Autopilot menerapkan nilai default berikut ke resource yang tidak ditentukan dalam spesifikasi Pod untuk Pod yang berjalan di class komputasi. Jika Anda hanya menyetel salah satu permintaan dan membiarkan yang lain kosong, GKE akan menggunakan rasio CPU:memori yang ditentukan di bagian Permintaan minimum dan maksimum untuk menyetel permintaan yang tidak ada ke nilai yang sesuai dengan rasio tersebut.

Class compute Resource Permintaan default
Tujuan umum CPU 0,5 vCPU
Memori 2 GiB
Seimbang CPU 0,5 vCPU
Memori 2 GiB
Performa CPU
  • Seri mesin C3: 2 vCPU
  • Seri mesin C3 dengan SSD Lokal: 2 vCPU
  • Seri mesin C3D: 2 vCPU
  • Seri mesin C3D dengan SSD Lokal: 4 vCPU
  • Seri mesin H3: 80 vCPU
  • Seri mesin C2: 2 vCPU
  • Seri mesin C2D: 2 vCPU
  • Seri mesin T2A: 2 vCPU
  • Seri mesin T2D: 2 vCPU
Memori
  • Seri mesin C3: 8 GiB
  • Seri mesin C3 dengan SSD Lokal: 8 GiB
  • Seri mesin C3D: 8 GiB
  • Seri mesin C3D dengan SSD Lokal: 16 GiB
  • Seri mesin H3: 320 GiB
  • Seri mesin C2: 8 GiB
  • Seri mesin C2D: 8 GiB
  • Seri mesin T2A: 8 GiB
  • Seri mesin T2D: 8 GiB
Penyimpanan efemeral
  • Seri mesin C3: 1 GiB
  • Seri mesin C3 dengan SSD Lokal: 1 GiB
  • Seri mesin C3D: 1 GiB
  • Seri mesin C3D dengan SSD Lokal: 1 GiB
  • Seri mesin H3: 1 GiB
  • Seri mesin C2: 1 GiB
  • Seri mesin C2D: 1 GiB
  • Seri mesin T2A: 1 GiB
  • Seri mesin T2D: 1 GiB
Penyebaran Skala CPU 0,5 vCPU
Memori 2 GiB

Permintaan default untuk konfigurasi hardware lainnya

Autopilot menerapkan nilai default berikut ke resource yang tidak ditentukan dalam spesifikasi Pod untuk Pod yang berjalan di node dengan hardware khusus, seperti GPU:

Hardware Resource Total permintaan default
GPU H100 (80 GB)
nvidia-h100-80gb		 CPU
  • 8 GPU: 200 vCPU
Memori
  • 8 GPU: 1.400 GiB
Penyimpanan efemeral
  • 8 GPU: 1 GiB
GPU A100 (40 GB)
nvidia-tesla-a100		 CPU
  • 1 GPU: 9 vCPU
  • 2 GPU: 20 vCPU
  • 4 GPU: 44 vCPU
  • 8 GPU: 92 vCPU
  • 16 GPU: 92 vCPU
Memori
  • 1 GPU: 60 GiB
  • 2 GPU: 134 GiB
  • 4 GPU: 296 GiB
  • 8 GPU: 618 GiB
  • 16 GPU: 1.250 GiB
GPU A100 (80 GB)
nvidia-a100-80gb		 CPU
  • 1 GPU: 9 vCPU
  • 2 GPU: 20 vCPU
  • 4 GPU: 44 vCPU
  • 8 GPU: 92 vCPU
Memori
  • 1 GPU: 134 GiB
  • 2 GPU: 296 GiB
  • 4 GPU: 618 GiB
  • 8 GPU: 1.250 GiB
Penyimpanan efemeral
  • 1 GPU: 1 GiB
  • 2 GPU: 1 GiB
  • 4 GPU: 1 GiB
  • 8 GPU: 1 GiB
GPU L4
nvidia-l4		 CPU
  • 1 GPU: 2 vCPU
  • 2 GPU: 21 vCPU
  • 4 GPU: 45 vCPU
  • 8 GPU: 93 vCPU
Memori
  • 1 GPU: 7 GiB
  • 2 GPU: 78 GiB
  • 4 GPU: 170 GiB
  • 8 GPU: 355 GiB
GPU T4
nvidia-tesla-t4		 CPU 0,5 vCPU
Memori 2 GiB

Permintaan resource minimum dan maksimum

Total resource yang diminta oleh konfigurasi deployment Anda harus berada dalam nilai minimum dan maksimum yang didukung yang diizinkan oleh Autopilot. Kondisi berikut berlaku:

  • Permintaan penyimpanan sementara harus antara 10 MiB dan 10 GiB untuk semua class komputasi dan konfigurasi hardware kecuali jika ditentukan lain. Untuk volume yang lebih besar, sebaiknya gunakan volume sementara generik yang memberikan fungsionalitas dan performa setara dengan penyimpanan sementara, tetapi dengan fleksibilitas yang jauh lebih tinggi karena dapat digunakan dengan opsi penyimpanan GKE apa pun. Misalnya, ukuran maksimum untuk volume efemeral generik yang menggunakan pd-balanced adalah 64 TiB.

  • Untuk Pod DaemonSet, permintaan resource minimum adalah sebagai berikut:

    • Cluster yang mendukung burst: 1 mCPU per Pod, memori 2 MiB per Pod, dan penyimpanan efemeral 10 MiB per container di Pod.
    • Cluster yang tidak mendukung burst: 10 mCPU per Pod, 10 MiB memori per Pod, dan 10 MiB penyimpanan efemeral per container dalam Pod.

    Untuk memeriksa apakah cluster Anda mendukung bursting, lihat Ketersediaan burst di GKE.

  • Rasio CPU:memory harus berada dalam rentang yang diizinkan untuk class komputasi atau konfigurasi hardware yang dipilih. Jika rasio CPU:memori Anda berada di luar rentang yang diizinkan, Autopilot akan otomatis meningkatkan resource yang lebih kecil. Misalnya, jika Anda meminta 1 vCPU dan memori 16 GiB (rasio 1:16) untuk Pod yang berjalan di class Scale-Out, Autopilot meningkatkan permintaan CPU menjadi 4 vCPU, yang mengubah rasionya menjadi 1:4.

Batas Minimum dan maksimum untuk class komputasi

Tabel berikut menjelaskan rasio CPU:memori minimum, maksimum, dan yang diizinkan untuk setiap class komputasi yang didukung Autopilot:

Class komputasi Rasio CPU:memori (vCPU:GiB) Resource Minimum Maksimum
Tujuan umum Antara 1:1 dan 1:6,5 CPU

Nilainya bergantung pada apakah cluster Anda mendukung bursting atau tidak, sebagai berikut:

  • Cluster yang mendukung burst: CPU 50 m
  • Cluster yang tidak mendukung burst: CPU 250 m

Untuk memeriksa apakah cluster Anda mendukung bursting, lihat Ketersediaan burst di GKE.

 30 vCPU
Memori

Nilainya bergantung pada apakah cluster Anda mendukung bursting atau tidak, sebagai berikut:

  • Cluster yang mendukung burst: 52 MiB
  • Cluster yang tidak mendukung burst: 512 MiB

Untuk memeriksa apakah cluster Anda mendukung bursting, lihat Ketersediaan burst di GKE.

 110 GiB
Seimbang Antara 1:1 dan 1:8 CPU 0,25 vCPU

222 vCPU

Jika platform CPU minimum dipilih:

  • Platform Intel: 126 vCPU
  • Platform AMD: 222 vCPU
Memori 0,5 GiB

851 GiB

Jika platform CPU minimum dipilih:

  • Platform Intel: 823 GiB
  • Platform AMD: 851 GiB
Performa T/A CPU 0,001 vCPU
  • Seri mesin C3: 174 vCPU
  • Seri mesin C3 dengan SSD Lokal: 174 vCPU
  • Seri mesin C3D: 358 vCPU
  • Seri mesin C3D dengan SSD Lokal: 358 vCPU
  • Seri mesin H3: 86 vCPU
  • Seri mesin C2: 58 vCPU
  • Seri mesin C2D: 110 vCPU
  • Seri mesin T2A: 46 vCPU
  • Seri mesin T2D: 58 vCPU
Memori 1 MiB
  • Seri mesin C3: 1.345 GiB
  • Seri mesin C3 dengan SSD Lokal: 670 GiB
  • Seri mesin C3D: 2750 GiB
  • Seri mesin C3D dengan SSD Lokal: 1.375 GiB
  • Seri mesin H3: 330 GiB
  • Seri mesin C2: 218 GiB
  • Seri mesin C2D: 835 GiB
  • Seri mesin T2A: 172 GiB
  • Seri mesin T2D: 218 GiB
Penyimpanan efemeral 10 MiB
  • Seri mesin C3: 250 GiB
  • Seri mesin C3 dengan SSD Lokal: 10.000 GiB
  • Seri mesin C3D: 250 GiB
  • Seri mesin C3D dengan SSD Lokal: 10.000 GiB
  • Seri mesin H3: 250 GiB
  • Seri mesin C2: 250 GiB
  • Seri mesin C2D: 250 GiB
  • Seri mesin T2A: 250 GiB
  • Seri mesin T2D: 250 GiB
Penyebaran Skala 1:4 CPU 0,25 vCPU
  • arm64: 43 vCPU
  • amd64: 54 vCPU
Memori 1 GiB
  • arm64: 172 GiB
  • amd64: 216 GiB

Untuk mempelajari cara meminta class komputasi di Pod Autopilot, lihat Memilih class komputasi untuk Pod Autopilot.

Batas minimum dan maksimum untuk konfigurasi hardware lainnya

Tabel berikut menjelaskan rasio CPU:memori minimum, maksimum, dan yang diizinkan untuk Pod yang berjalan pada node dengan hardware tertentu seperti GPU. Kecuali ditentukan lain, penyimpanan sementara maksimum yang didukung adalah 122 GiB dalam versi 1.28.6-gke.1369000 atau yang lebih baru, dan 1.29.1-gke.1575000 atau yang lebih baru. Untuk versi sebelumnya, penyimpanan sementara maksimum yang didukung adalah 10 GiB.

Hardware Rasio CPU:memori (vCPU:GiB) Resource Minimum Maksimum
GPU H100 (80 GB)
nvidia-h100-80gb		 Tidak diterapkan CPU
  • 8 GPU: 0,001 vCPU
  • 8 GPU: 206 vCPU
Memori
  • 8 GPU: 1 MiB
  • 8 GPU: 1.795 GiB
Penyimpanan efemeral
  • 8 GPU: 10 MiB
  • 8 GPU: 5.250 GiB
GPU A100 (40 GB)
nvidia-tesla-a100		 Tidak diterapkan CPU
  • 1 GPU: 9 vCPU
  • 2 GPU: 20 vCPU
  • 4 GPU: 44 vCPU
  • 8 GPU: 92 vCPU
  • 16 GPU: 92 vCPU
  • 1 GPU: 11 vCPU
  • 2 GPU: 22 vCPU
  • 4 GPU: 46 vCPU
  • 8 GPU: 94 vCPU
  • 16 GPU: 94 vCPU

Jumlah permintaan CPU dari semua DaemonSets yang berjalan pada node GPU A100 tidak boleh lebih dari 2 vCPU.
Memori
  • 1 GPU: 60 GiB
  • 2 GPU: 134 GiB
  • 4 GPU: 296 GiB
  • 8 GPU: 618 GiB
  • 16 GPU: 1.250 GiB
  • 1 GPU: 74 GiB
  • 2 GPU: 148 GiB
  • 4 GPU: 310 GiB
  • 8 GPU: 632 GiB
  • 16 GPU: 1264 GiB

Jumlah permintaan memori semua DaemonSets yang berjalan pada node GPU A100 tidak boleh melebihi 14 GiB.
GPU A100 (80 GB)
nvidia-a100-80gb		 Tidak diterapkan CPU
  • 1 GPU: 9 vCPU
  • 2 GPU: 20 vCPU
  • 4 GPU: 44 vCPU
  • 8 GPU: 92 vCPU
  • 1 GPU: 11 vCPU
  • 2 GPU: 22 vCPU
  • 4 GPU: 46 vCPU
  • 8 GPU: 94 vCPU

Jumlah permintaan CPU dari semua DaemonSets yang berjalan pada node GPU A100 (80 GB) tidak boleh lebih dari 2 vCPU.
Memori
  • 1 GPU: 134 GiB
  • 2 GPU: 296 GiB
  • 4 GPU: 618 GiB
  • 8 GPU: 1.250 GiB
  • 1 GPU: 148 GiB
  • 2 GPU: 310 GiB
  • 4 GPU: 632 GiB
  • 8 GPU: 1264 GiB

Jumlah permintaan memori semua DaemonSets yang berjalan pada node GPU A100 (80 GB) tidak boleh melebihi 14 GiB.
Penyimpanan efemeral
  • 1 GPU: 512 MiB
  • 2 GPU: 512 MiB
  • 4 GPU: 512 MiB
  • 8 GPU: 512 MiB
  • 1 GPU: 280 GiB
  • 2 GPU: 585 GiB
  • 4 GPU: 1.220 GiB
  • 8 GPU: 2.540 GiB
GPU L4
nvidia-l4
  • 1 GPU: Antara 1:3,5 dan 1:4
  • 2, 4, dan 8 GPU: Tidak diterapkan
 CPU
  • 1 GPU: 2 vCPU
  • 2 GPU: 21 vCPU
  • 4 GPU: 45 vCPU
  • 8 GPU: 93 vCPU
  • 1 GPU: 31 vCPU
  • 2 GPU: 23 vCPU
  • 4 GPU: 47 vCPU
  • 8 GPU: 95 vCPU

Jumlah permintaan CPU dari semua DaemonSet yang berjalan pada node GPU L4 tidak boleh lebih dari 2 vCPU.
Memori
  • 1 GPU: 7 GiB
  • 2 GPU: 78 GiB
  • 4 GPU: 170 GiB
  • 8 GPU: 355 GiB
  • 1 GPU: 115 GiB
  • 2 GPU: 86 GiB
  • 4 GPU: 177 GiB
  • 8 GPU: 363 GiB

Jumlah permintaan memori dari semua DaemonSet yang berjalan pada node GPU L4 tidak boleh melebihi 14 GiB.
GPU T4
nvidia-tesla-t4		 Antara 1:1 dan 1:6,25 CPU 0,5 vCPU
  • 1 GPU: 46 vCPU
  • 2 GPU: 46 vCPU
  • 4 GPU: 94 vCPU
Memori 0,5 GiB
  • 1 GPU: 287,5 GiB
  • 2 GPU: 287,5 GiB
  • 4 GPU: 587,5 GiB

Untuk mempelajari cara meminta GPU di Pod Autopilot, lihat Men-deploy workload GPU di Autopilot.

Permintaan resource untuk pemisahan workload dan durasi yang diperpanjang

Dengan Autopilot, Anda dapat memanipulasi penjadwalan dan perilaku penggusuran Kubernetes menggunakan metode seperti berikut:

  • Gunakan taint dan toleransi serta pemilih node untuk memastikan Pod tertentu hanya ditempatkan di node tertentu. Untuk mengetahui detailnya, lihat Mengonfigurasi pemisahan workload di GKE.
  • Gunakan anti-afinitas Pod agar Pod tidak menemukan lokasi bersama di node yang sama. Permintaan resource default dan minimum bagi workload yang menggunakan metode ini untuk mengontrol perilaku penjadwalan lebih tinggi daripada workload yang tidak menggunakan metode ini.
  • Gunakan anotasi untuk melindungi Pod dari penghapusan yang disebabkan oleh upgrade otomatis node dan peristiwa penurunan skala hingga selama tujuh hari. Untuk mengetahui detailnya, lihat Memperpanjang runtime Pod Autopilot.

Jika permintaan yang Anda tentukan kurang dari jumlah minimum, perilaku Autopilot akan berubah berdasarkan metode yang Anda gunakan, sebagai berikut:

  • Taint, toleransi, pemilih, dan Pod dengan durasi yang diperpanjang: Autopilot mengubah Pod untuk meningkatkan permintaan saat menjadwalkan Pod.
  • Anti-afinitas Pod: Autopilot menolak Pod dan menampilkan pesan error.

Tabel berikut menjelaskan permintaan default dan permintaan resource minimum yang dapat Anda tentukan. Jika class konfigurasi atau komputasi tidak ada dalam tabel ini, Autopilot tidak akan menerapkan nilai minimum atau default khusus.

Class compute Resource Default Minimum
Tujuan umum CPU 0,5 vCPU 0,5 vCPU
Memori 2 GiB 0,5 GiB
Seimbang CPU 2 vCPU 1 vCPU
Memori 8 GiB 4 GiB
Penyebaran Skala CPU 0,5 vCPU 0,5 vCPU
Memori 2 GiB 2 GiB

Container init

Container init berjalan secara serial dan harus selesai sebelum container aplikasi dimulai. Jika Anda tidak menentukan permintaan resource untuk container init Autopilot, GKE akan mengalokasikan total resource yang tersedia untuk Pod ke setiap container init. Perilaku ini berbeda dengan GKE Standard, yang memungkinkan setiap container init menggunakan resource apa pun yang belum dialokasikan yang tersedia di node tempat Pod dijadwalkan.

Tidak seperti container aplikasi, GKE merekomendasikan agar Anda tidak menentukan permintaan resource untuk container init Autopilot, sehingga setiap container mendapatkan resource penuh yang tersedia untuk Pod. Jika meminta lebih sedikit resource daripada default, Anda akan membatasi container init. Jika meminta lebih banyak resource daripada default Autopilot, Anda dapat meningkatkan tagihan selama masa pakai Pod.

Menetapkan batas resource dalam Autopilot

Kubernetes memungkinkan Anda menetapkan requests dan limits untuk resource dalam spesifikasi Pod. Perilaku Pod berubah bergantung pada apakah limits berbeda dengan requests, seperti yang dijelaskan dalam tabel berikut:

Nilai yang ditetapkan Perilaku Autopilot
requests sama dengan limits Pod menggunakan class QoS Guaranteed.
requests ditetapkan, limits belum ditetapkan

Perilaku ini bergantung pada apakah cluster Anda mendukung burst atau tidak, sebagai berikut:

  • Cluster yang mendukung burst: Pod dapat melakukan burst menjadi kapasitas yang dapat di-bursable yang tersedia.
  • Cluster yang tidak mendukung burst: GKE menyetel limits yang sama dengan requests

Untuk memeriksa apakah cluster Anda mendukung bursting, lihat Ketersediaan burst di GKE.
requests belum disetel, limits disetel Autopilot menetapkan requests ke nilai limits, yang merupakan perilaku Kubernetes default.

Sebelum:


resources:
  limits:
    cpu: "400m"

Sesudah:


resources:
  requests:
    cpu: "400m"
  limits:
    cpu: "400m"
Lebih murah requests daripada limits

Perilaku ini bergantung pada apakah cluster Anda mendukung burst atau tidak, sebagai berikut:

  • Cluster yang mendukung burst: Pod dapat melakukan bursting ke nilai yang ditentukan dalam limits.
  • Cluster yang tidak mendukung burst: GKE menyetel limits yang sama dengan requests

Untuk memeriksa apakah cluster Anda mendukung bursting, lihat Ketersediaan burst di GKE.
requests lebih dari limits Autopilot menetapkan requests ke nilai limits.

Sebelum:


resources:
  requests:
    cpu: "450m"
  limits:
    cpu: "400m"

Sesudah:


resources:
  requests:
    cpu: "400m"
  limits:
    cpu: "400m"
requests tidak disetel, limits tidak disetel

Autopilot menetapkan requests ke nilai default untuk konfigurasi hardware atau class komputasi.

Perilaku untuk limits bergantung pada apakah cluster Anda mendukung bursting atau tidak, sebagai berikut:

  • Cluster yang mendukung burst: Autopilot tidak menetapkan limits.
  • Cluster yang tidak mendukung burst: GKE menyetel limits yang sama dengan requests

Untuk memeriksa apakah cluster Anda mendukung bursting, lihat Ketersediaan burst di GKE.

Di sebagian besar situasi, tetapkan permintaan resource yang memadai dan batas yang sama untuk beban kerja Anda.

Untuk beban kerja yang untuk sementara memerlukan lebih banyak resource daripada status stabilnya, seperti selama booting atau periode traffic yang lebih tinggi, tetapkan batas yang lebih tinggi dari permintaan agar Pod dapat mengalami burst. Untuk mengetahui detailnya, lihat Mengonfigurasi burst Pod di GKE.

Pengelolaan resource otomatis di Autopilot

Jika permintaan resource yang ditentukan untuk workload Anda berada di luar rentang yang diizinkan, atau jika Anda tidak meminta resource untuk beberapa container, Autopilot akan mengubah konfigurasi workload Anda untuk mematuhi batas yang diizinkan. Autopilot menghitung rasio resource dan persyaratan peningkatan skala resource setelah menerapkan nilai default ke container tanpa permintaan yang ditentukan.

  • Permintaan tidak ada: Jika Anda tidak meminta resource di beberapa container, Autopilot akan menerapkan permintaan default untuk class komputasi atau konfigurasi hardware.
  • Rasio CPU:memori: Autopilot meningkatkan skala resource yang lebih kecil untuk memasukkan rasio dalam rentang yang diizinkan.
  • Penyimpanan efemeral: Autopilot mengubah permintaan penyimpanan efemeral Anda untuk memenuhi jumlah minimum yang diperlukan oleh setiap container. Nilai kumulatif permintaan penyimpanan di semua container tidak boleh melebihi nilai maksimum yang diizinkan. Autopilot menurunkan skala permintaan jika nilainya melebihi maksimum.
  • Permintaan di bawah batas minimum: Jika Anda meminta resource yang lebih sedikit dari jumlah minimum yang diizinkan untuk konfigurasi hardware yang dipilih, Autopilot akan otomatis mengubah Pod untuk meminta setidaknya nilai resource minimum.

Secara default, saat Autopilot meningkatkan skala resource secara otomatis untuk memenuhi nilai resource minimum atau default, GKE mengalokasikan kapasitas tambahan ke container pertama di manifes Pod. Pada GKE versi 1.27.2-gke.2200 dan yang lebih baru, Anda dapat meminta GKE untuk mengalokasikan resource tambahan ke container tertentu dengan menambahkan kode berikut ke kolom annotations di manifes Pod Anda:

autopilot.gke.io/primary-container: "CONTAINER_NAME"

Ganti CONTAINER_NAME dengan nama container.

Contoh modifikasi resource

Contoh skenario berikut menunjukkan cara Autopilot mengubah konfigurasi workload Anda untuk memenuhi persyaratan Pod dan container yang sedang berjalan.

Container tunggal dengan < 0,05 vCPU

Nomor container Permintaan asli Permintaan yang diubah
1 CPU: 30 mCPU
Memori: 0,5 GiB
Penyimpanan sementara: 10 MiB
 CPU: 50 mCPU
Memori: 0,5 GiB
Penyimpanan sementara: 10 MiB

Beberapa container dengan total CPU < 0,05 vCPU

Nomor container Permintaan asli Permintaan yang diubah
1 CPU: 10 mCPU
Memori: 0,5 GiB
Penyimpanan sementara: 10 MiB		 CPU: 30 mCPU
Memori: 0,5 GiB
Penyimpanan ephemeral: 10 MiB
2 CPU: 10 mCPU
Memori: 0,5 GiB
Penyimpanan sementara: 10 MiB		 CPU: 10 mCPU
Memori: 0,5 GiB
Penyimpanan sementara: 10 MiB
3 CPU: 10 mvCPU
Memori: 0,5 GiB
Penyimpanan ephemeral: 10 MiB		 CPU: 10 mCPU
Memori: 0,5 GiB
Penyimpanan sementara: 10 MiB
Total resource Pod CPU: 50 mCPU
Memori: 1,5 GiB
Penyimpanan ephemeral: 30 MiB

Beberapa container dengan total lebih dari 0,25 vCPU

Untuk beberapa container dengan total resource >= 0,25 vCPU, CPU dibulatkan ke kelipatan 0,25 vCPU dan CPU tambahan ditambahkan ke container pertama. Dalam contoh ini, CPU kumulatif asli adalah 0,32 vCPU dan diubah menjadi total 0,5 vCPU.

Nomor container Permintaan asli Permintaan yang diubah
1 CPU: 0,17 vCPU
Memori: 0,5 GiB
Penyimpanan efemeral: 10 MiB		 CPU: 0,35 vCPU
Memori: 0,5 GiB
Penyimpanan efemeral: 10 MiB
2 CPU: 0,08 vCPU
Memori: 0,5 GiB
Penyimpanan efemeral: 10 MiB		 CPU: 0,08 vCPU
Memori: 0,5 GiB
Penyimpanan efemeral: 10 MiB
3 CPU: 0,07 vCPU
Memori: 0,5 GiB
Penyimpanan efemeral: 10 MiB		 CPU: 0,07 vCPU
Memori: 0,5 GiB
Penyimpanan efemeral: 10 MiB
4 Kontainer init, resource tidak ditentukan Akan menerima resource Pod
Total resource Pod CPU: 0,5 vCPU
Memori: 1,5 GiB
Penyimpanan efemeral: 30 MiB

Container tunggal dengan memori yang terlalu rendah untuk CPU yang diminta

Dalam contoh ini, memori terlalu rendah untuk jumlah CPU (minimum 1 vCPU:1 GiB). Rasio minimum yang diizinkan untuk CPU ke memori adalah 1:1. Jika rasionya lebih rendah dari itu, permintaan memori akan ditingkatkan.

Nomor container Permintaan asli Permintaan yang diubah
1 CPU: 4 vCPU
Memori: 1 GiB
Penyimpanan efemeral: 10 MiB		 CPU: 4 vCPU
Memori: 4 GiB
Penyimpanan efemeral: 10 MiB
Total resource Pod CPU: 4 vCPU
Memori: 4 GiB
Penyimpanan efemeral: 10 MiB

Langkah selanjutnya