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 container 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 menetapkan salah satu permintaan dan membiarkan permintaan lainnya kosong, GKE akan menggunakan rasio CPU:memori yang ditentukan di bagian Permintaan minimum dan maksimum untuk menetapkan permintaan yang tidak ada ke nilai yang sesuai dengan rasio tersebut.

Class komputasi Resource Permintaan default
Tujuan umum (default) CPU 0,5 vCPU
Memori 2 GiB
Akselerator Lihat Bagian resource default untuk akselerator.
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 akselerator

Tabel berikut menjelaskan nilai default yang ditetapkan GKE ke Pod yang tidak menentukan nilai di kolom requests dalam spesifikasi Pod. Tabel ini berlaku untuk Pod yang menggunakan class komputasi Accelerator, yang merupakan cara yang direkomendasikan untuk menjalankan akselerator di cluster Autopilot.

Akselerator Resource Total permintaan default
GPU NVIDIA H100 Mega (80 GB)
nvidia-h100-mega-80gb		 CPU
  • 8 GPU: 200 vCPU
Memori
  • 8 GPU: 1.400 GiB
Penyimpanan efemeral
  • 8 GPU: 1 GiB
GPU NVIDIA H100 (80 GB)
nvidia-h100-80gb		 CPU
  • 8 GPU: 200 vCPU
Memori
  • 8 GPU: 1.400 GiB
Penyimpanan efemeral
  • 8 GPU: 1 GiB
GPU NVIDIA 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 NVIDIA 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 NVIDIA 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 NVIDIA T4
nvidia-tesla-t4		 CPU
  • 1 GPU: 0,5 vCPU
  • 4 GPU: 0,5 vCPU
Memori
  • 1 GPU: 2 GiB
  • 4 GPU: 2 GiB
TPU Trillium (v6e) (Pratinjau)
tpu-v6e-slice (host tunggal)		 CPU Semua topologi: 1 mCPU
Memori Semua topologi: 1 MiB
TPU Trillium (v6e) (Pratinjau)
tpu-v6e-slice (multi-host)		 CPU Semua topologi: 1 mCPU
Memori Semua topologi: 1 MiB
TPU v5e
tpu-v5-lite-device (host tunggal)		 CPU Semua topologi: 1 mCPU
Memori Semua topologi: 1 MiB
TPU v5e
tpu-v5-lite-podslice (multi-host)		 CPU Semua topologi: 1 mCPU
Memori Semua topologi: 1 MiB
TPU v5p
tpu-v5p-slice		 CPU Semua topologi: 1 mCPU
Memori Semua topologi: 1 MiB
TPU v4
tpu-v4-podslice		 CPU Semua topologi: 1 mCPU
Memori Semua topologi: 1 MiB

GPU yang didukung tanpa class komputasi Accelerator

Jika Anda tidak menggunakan class komputasi Accelerator, hanya GPU berikut yang didukung. Permintaan resource default untuk GPU ini sama seperti di class komputasi Accelerator:

  • NVIDIA A100 (40GB)
  • NVIDIA A100 (80GB)
  • NVIDIA L4
  • NVIDIA Tesla T4

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 efemeral:

    • Penyimpanan efemeral menggunakan disk booting VM, kecuali jika node Anda memiliki SSD lokal yang terpasang.

      Hardware komputasi yang menyertakan SSD lokal seperti GPU A100 (80 GB), GPU H100 (80 GB), atau seri mesin Z3 mendukung permintaan maksimum yang sama dengan ukuran SSD lokal dikurangi overhead sistem. Untuk informasi tentang overhead sistem ini, lihat Penyimpanan sementara yang didukung oleh SSD lokal.

    • Di GKE versi 1.29.3-gke.1038000 dan yang lebih baru, Pod kelas Performa dan Pod akselerator hardware mendukung permintaan penyimpanan efemeral maksimum sebesar 56 Ti, kecuali jika hardware menyertakan SSD lokal.

      Di semua Pod Autopilot lainnya, terlepas dari versi GKE, total permintaan penyimpanan efemeral di semua penampung dalam Pod harus antara 10 MiB dan 10 GiB, kecuali jika ditentukan lain.

    • Untuk volume yang lebih besar, gunakan volume efemeral generik, yang memberikan fungsionalitas dan performa yang setara dengan penyimpanan efemeral, tetapi dengan fleksibilitas yang lebih besar 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 bursting: 1 mCPU per Pod, memori 2 MiB per Pod, dan penyimpanan efemeral 10 MiB per penampung di Pod.
    • Cluster yang tidak mendukung bursting: 10 mCPU per Pod, memori 10 MiB per Pod, dan penyimpanan efemeral 10 MiB per penampung di Pod.

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

  • Jika cluster Anda mendukung burst, Autopilot tidak akan menerapkan penambahan vCPU 0,25 untuk permintaan CPU Pod Anda. Jika cluster Anda tidak mendukung bursting, Autopilot akan membulatkan permintaan CPU Anda ke 0,25 vCPU terdekat. Untuk memeriksa apakah cluster Anda mendukung bursting, lihat Ketersediaan bursting 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-ke-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 (default) Antara 1:1 dan 1:6,5 CPU

Nilainya bergantung pada apakah cluster Anda mendukung burst, sebagai berikut:

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

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

 30 vCPU
Memori

Nilainya bergantung pada apakah cluster Anda mendukung burst, sebagai berikut:

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

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

 110 GiB
Akselerator Lihat Batas minimum dan maksimum untuk akselerator
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

Pada versi 1.29.3-gke.1038000 dan yang lebih baru, Anda dapat menentukan permintaan penyimpanan efemeral maksimum sebesar 56 Ti, kecuali jika hardware menyertakan SSD lokal.
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 akselerator

Bagian berikut menjelaskan rasio CPU-ke-memori minimum, maksimum, dan yang diizinkan untuk Pod yang menggunakan akselerator hardware seperti GPU dan TPU.

Kecuali jika ditentukan, 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 efemeral maksimum yang didukung adalah 10 GiB.

Batas minimum dan maksimum untuk class komputasi Accelerator

Tabel berikut menunjukkan permintaan resource minimum dan maksimum untuk Pod yang menggunakan class komputasi Accelerator, yang merupakan cara yang direkomendasikan untuk menjalankan accelerator dengan cluster GKE Autopilot. Di class komputasi Accelerator, GKE tidak menerapkan rasio permintaan CPU-ke-memori.

Jenis akselerator Resource Minimum Maksimum
NVIDIA H100 Mega (80GB)
nvidia-h100-mega-80gb		 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
NVIDIA H100 (80GB)
nvidia-h100-80gb		 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
NVIDIA A100 (40GB)
nvidia-tesla-a100		 CPU 0,001 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 MiB
  • 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.
NVIDIA A100 (80GB)
nvidia-a100-80gb		 CPU 0,001 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 MiB
  • 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 512 MiB
  • 1 GPU: 280 GiB
  • 2 GPU: 585 GiB
  • 4 GPU: 1.220 GiB
  • 8 GPU: 2.540 GiB
NVIDIA L4
nvidia-l4		 CPU 0,001 vCPU
  • 1 GPU: 31 vCPU
  • 2 GPU: 23 vCPU
  • 4 GPU: 47 vCPU
  • 8 GPU: 95 vCPU

Jumlah permintaan CPU dari semua DaemonSets yang berjalan pada node GPU L4 tidak boleh melebihi 2 vCPU.
Memori 1 MiB
  • 1 GPU: 115 GiB
  • 2 GPU: 83 GiB
  • 4 GPU: 177 GiB
  • 8 GPU: 363 GiB

Jumlah permintaan memori semua DaemonSets yang berjalan pada node GPU L4 tidak boleh melebihi 14 GiB.
NVIDIA Tesla T4
nvidia-tesla-t4		 CPU 0,001 vCPU
  • 1 GPU: 46 vCPU
  • 2 GPU: 46 vCPU
  • 4 GPU: 94 vCPU
Memori 1 MiB
  • 1 GPU: 287,5 GiB
  • 2 GPU: 287,5 GiB
  • 4 GPU: 587,5 GiB
TPU v5e
tpu-v5-lite-device		 CPU 0,001 vCPU
  • Topologi 1x1: 24 vCPU
  • Topologi 2x2: 112 vCPU
  • Topologi 2x4: 224 vCPU
Memori 1 MiB
  • Topologi 1x1: 48 GiB
  • Topologi 2x2: 192 GiB
  • Topologi 2x4: 384 GiB
Penyimpanan efemeral 10 MiB 56 TiB
TPU v5e
tpu-v5-lite-podslice		 CPU 0,001 vCPU
  • Topologi 1x1: 24 vCPU
  • Topologi 2x2: 112 vCPU
  • Topologi 2x4 (permintaan 4 chip): 112 vCPU
  • Topologi 2x4 (permintaan 8 chip): 224 vCPU
  • Topologi 4x4: 112 vCPU
  • Topologi 4x8: 112 vCPU
  • Topologi 8x8: 112 vCPU
  • Topologi 8x16: 112 vCPU
  • Topologi 16x16: 112 vCPU
Memori 1 MiB
  • Topologi 1x1: 48 GiB
  • Topologi 2x2: 192 GiB
  • Topologi 2x4 (permintaan 4 chip): 192 GiB
  • Topologi 2x4 (permintaan 8 chip): 384 GiB
  • Topologi 4x4: 192 GiB
  • Topologi 4x8: 192 GiB
  • Topologi 8x8: 192 GiB
  • Topologi 8x16: 192 GiB
  • Topologi 16x16: 192 GiB
Penyimpanan efemeral 10 MiB 56 TiB
TPU v5p
tpu-v5p-slice		 CPU 0,001 vCPU 280 vCPU
Memori 1 MiB 448 GiB
Penyimpanan efemeral 10 MiB 56 TiB
TPU v4
tpu-v4-podslice		 CPU 0,001 vCPU 240 vCPU
Memori 1 MiB 407 GiB
Penyimpanan efemeral 10 MiB 56 TiB

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

Batas minimum dan maksimum untuk GPU tanpa class komputasi

Tabel berikut menunjukkan permintaan resource minimum dan maksimum untuk Pod yang tidak menggunakan kelas komputasi Accelerator:

Jenis GPU Rasio CPU:memori (vCPU:GiB) Resource Minimum Maksimum
NVIDIA A100 (40GB)
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.
NVIDIA A100 (80GB)
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
NVIDIA 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 DaemonSets yang berjalan pada node GPU L4 tidak boleh melebihi 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: 83 GiB
  • 4 GPU: 177 GiB
  • 8 GPU: 363 GiB

Jumlah permintaan memori semua DaemonSets yang berjalan pada node GPU L4 tidak boleh melebihi 14 GiB.
NVIDIA Tesla 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 konfigurasi atau class komputasi tidak ada dalam tabel ini, Autopilot tidak akan menerapkan nilai minimum atau default khusus.

Class komputasi 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 dapat Anda gunakan untuk menetapkan requests dan limits untuk resource di spesifikasi Pod. Perilaku Pod Anda 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

Perilakunya bergantung pada apakah cluster Anda mendukung bursting, sebagai berikut:

  • Cluster yang mendukung bursting: Pod dapat di-bursting ke dalam kapasitas burstable yang tersedia.
  • Cluster yang tidak mendukung bursting: GKE menetapkan limits sama dengan requests

Untuk memeriksa apakah cluster Anda mendukung bursting, lihat Ketersediaan bursting di GKE.
requests tidak ditetapkan, limits ditetapkan 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

Perilakunya bergantung pada apakah cluster Anda mendukung bursting, sebagai berikut:

  • Cluster yang mendukung bursting: Pod dapat di-bursting hingga nilai yang ditentukan di limits.
  • Cluster yang tidak mendukung bursting: GKE menetapkan limits sama dengan requests

Untuk memeriksa apakah cluster Anda mendukung bursting, lihat Ketersediaan bursting di GKE.
requests lebih besar 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 ditetapkan, limits tidak ditetapkan

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

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

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

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

Dalam sebagian besar situasi, tetapkan permintaan resource yang memadai dan batas yang sama untuk workload Anda.

Untuk workload yang sementara memerlukan lebih banyak resource daripada status stabilnya, seperti selama booting atau selama periode traffic yang lebih tinggi, tetapkan batas lebih tinggi dari permintaan Anda untuk memungkinkan Pod melakukan bursting. Untuk mengetahui detailnya, lihat Mengonfigurasi bursting 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. Sebelum 1.28.6-gke.1317000, Autopilot menskalakan penyimpanan efemeral yang diminta ke bawah jika nilainya melebihi maksimum. Pada versi 1.28.6-gke.1317000 dan yang lebih baru, Autopilot akan menolak workload Anda.
  • 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.

Satu container dengan < 0,05 vCPU

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