Men-deploy workload Autopilot pada arsitektur Arm

Halaman ini menunjukkan cara mengonfigurasi deployment Autopilot Google Kubernetes Engine (GKE) untuk meminta node yang didukung arsitektur Arm.

Tentang arsitektur Arm di Autopilot

Cluster Autopilot memberikan class komputasi untuk workload yang memiliki persyaratan hardware tertentu. Beberapa class komputasi ini mendukung beberapa arsitektur CPU, seperti amd64 dan arm64.

Kasus penggunaan node Arm

Node dengan arsitektur Arm memberikan performa yang lebih hemat biaya dibandingkan node x86 yang serupa. Anda harus memilih Arm untuk workload Autopilot dalam situasi seperti berikut:

  • Lingkungan Anda mengandalkan arsitektur Arm untuk melakukan pembuatan dan pengujian.
  • Anda sedang mengembangkan aplikasi untuk perangkat Android yang berjalan di CPU Arm.
  • Anda menggunakan image multi arsitektur dan ingin mengoptimalkan biaya saat menjalankan beban kerja.

Sebelum memulai

Sebelum memulai, pastikan Anda telah menjalankan tugas berikut:

  • Aktifkan Google Kubernetes Engine API.
    • Aktifkan Google Kubernetes Engine API
  • Jika ingin menggunakan Google Cloud CLI untuk tugas ini, instal lalu lakukan inisialisasi gcloud CLI. Jika sebelumnya Anda telah menginstal gcloud CLI, dapatkan versi terbaru dengan menjalankan gcloud components update.

Cara meminta node Arm di Autopilot

Untuk memberi tahu Autopilot agar menjalankan Pod Anda di node Arm, tentukan salah satu label berikut dalam aturan nodeSelector atau node affinity:

  • kubernetes.io/arch: arm64. GKE menempatkan Pod pada jenis mesin T2A secara default. Jika mesin T2A tidak tersedia, GKE akan menempatkan Pod pada jenis mesin C4A.
  • cloud.google.com/machine-family: ARM_MACHINE_SERIES: Ganti ARM_MACHINE_SERIES dengan seri mesin Arm seperti C4A atau T2A. GKE menempatkan Pod pada seri yang ditentukan.

Secara default, penggunaan salah satu label memungkinkan GKE menempatkan Pod lain di node yang sama jika ada kapasitas ketersediaan di node tersebut. Untuk meminta node khusus untuk setiap Pod, tambahkan label cloud.google.com/compute-class: Performance ke manifes Anda. Untuk mengetahui detailnya, lihat Mengoptimalkan performa Pod Autopilot dengan memilih seri mesin.

Atau, Anda dapat menggunakan label Scale-Out dengan label arm64 untuk meminta T2A. Anda juga dapat meminta arsitektur Arm untuk Pod Spot.

Saat men-deploy workload Anda, Autopilot akan melakukan hal berikut:

  1. Menyediakan secara otomatis node Arm untuk menjalankan Pod Anda.
  2. Melakukan taint secara otomatis pada node baru agar Pod non-Arm tidak dijadwalkan pada node tersebut.
  3. Menambahkan toleransi secara otomatis ke Pod Arm Anda untuk memungkinkan penjadwalan node baru.

Contoh permintaan arsitektur Arm

Contoh spesifikasi berikut menunjukkan cara menggunakan aturan pemilih node atau afinitas node untuk meminta arsitektur Arm di Autopilot.

Pemilih node

Contoh manifes berikut menunjukkan cara meminta node Arm di Pemilih node:

apiVersion: apps/v1
kind: Deployment
metadata:
  name: nginx-arm
spec:
  replicas: 3
  selector:
    matchLabels:
      app: nginx-arm
  template:
    metadata:
      labels:
        app: nginx-arm
    spec:
      nodeSelector:
        cloud.google.com/compute-class: Performance
        kubernetes.io/arch: arm64
      containers:
      - name: nginx-arm
        image: nginx
        resources:
          requests:
            cpu: 2000m
            memory: 2Gi

Afinitas node

Anda dapat menggunakan afinitas node untuk meminta node Arm. Anda juga dapat menentukan jenis afinitas node yang akan digunakan:

  • requiredDuringSchedulingIgnoredDuringExecution: Harus menggunakan class komputasi dan arsitektur yang ditentukan.
  • preferredDuringSchedulingIgnoredDuringExecution: Menggunakan class komputasi dan arsitektur yang ditentukan berdasarkan upaya terbaik. Misalnya, jika node x86 yang sudah ada dapat dialokasikan, GKE akan menempatkan Pod Anda pada node x86, bukan menyediakan node Arm baru. Jika Anda menggunakan selain manifes image multi-arsitektur, Pod akan error. Sebaiknya Anda secara eksplisit meminta arsitektur spesifik yang Anda inginkan.

Manifes contoh berikut memerlukan class Performance dan node Arm:

apiVersion: apps/v1
kind: Deployment
metadata:
  name: nginx-arm
spec:
  replicas: 3
  selector:
    matchLabels:
      app: nginx-arm
  template:
    metadata:
      labels:
        app: nginx-arm
    spec:
      terminationGracePeriodSeconds: 25
      containers:
      - name: nginx-arm
        image: nginx
        resources:
          requests:
            cpu: 2000m
            memory: 2Gi
            ephemeral-storage: 1Gi
      affinity:
        nodeAffinity:
          requiredDuringSchedulingIgnoredDuringExecution:
            nodeSelectorTerms:
            - matchExpressions:
              - key: cloud.google.com/compute-class
                operator: In
                values:
                - Performance
              - key: kubernetes.io/arch
                operator: In
                values:
                - arm64

Rekomendasi

  • Bangun dan gunakan image multi-arsitektur sebagai bagian dari pipeline Anda. Image multi-arsitektur memastikan Pod Anda dapat berjalan, meskipun ditempatkan di node x86.
  • Minta class komputasi dan arsitektur secara eksplisit dalam manifes workload Anda. Jika tidak melakukannya, Autopilot akan menggunakan arsitektur default untuk class komputasi yang dipilih, yang mungkin bukan Arm.

Ketersediaan

Anda dapat men-deploy workload Autopilot pada arsitektur Arm di lokasi Google Cloud yang mendukung arsitektur Arm. Untuk mengetahui detailnya, lihat Region dan zona yang tersedia.

Pemecahan masalah

Untuk mengetahui error umum dan informasi pemecahan masalah, lihat Memecahkan masalah workload Arm.

Langkah berikutnya