Controllare gli attributi dei nodi sottoposti a scalabilità automatica con classi di calcolo personalizzate

Questa pagina mostra come controllare l'infrastruttura di calcolo e il comportamento di scalabilità automatica dei cluster Google Kubernetes Engine (GKE) in base alle esigenze specifiche dei tuoi carichi di lavoro utilizzando le classi di calcolo personalizzate. Dovresti già avere familiarità con il concetto di classi di calcolo personalizzate. Per maggiori dettagli, vedi Informazioni sulle classi di calcolo personalizzate.

Questa pagina è destinata agli amministratori delle piattaforme che vogliono definire in modo dichiarativo i profili di scalabilità automatica per i nodi e agli operatori dei cluster che vogliono eseguire i propri carichi di lavoro su classi di calcolo specifiche.

Informazioni sulle classi di calcolo personalizzate

Le classi di calcolo personalizzate sono risorse personalizzate di Kubernetes che ti consentono di definire le priorità che GKE deve seguire durante il provisioning dei nodi per eseguire i tuoi carichi di lavoro. Puoi utilizzare una classe di calcolo personalizzata per fare quanto segue:

  • Fornisci a GKE un insieme di priorità da seguire in sequenza durante il provisioning dei nodi, ognuno con parametri specifici come una serie di macchine Compute Engine o una capacità minima delle risorse
  • Definisci le soglie e i parametri di scalabilità automatica per rimuovere i nodi sottoutilizzati e consolidare in modo efficiente i workload sulla capacità di computing esistente
  • Indica a GKE di sostituire automaticamente le configurazioni dei nodi meno preferite con configurazioni dei nodi più preferite per prestazioni ottimali del workload

Per comprendere tutte le opzioni di configurazione e il modo in cui interagiscono tra loro e con la modalità GKE Autopilot e la modalità GKE Standard, consulta Informazioni sulle classi di calcolo personalizzate.

Prezzi

La risorsa personalizzata ComputeClass è fornita senza costi aggiuntivi in GKE. Si applicano le seguenti considerazioni sui prezzi:

Prima di iniziare

Prima di iniziare, assicurati di aver eseguito le seguenti operazioni:

  • Attiva l'API Google Kubernetes Engine.
    • Attiva l'API Google Kubernetes Engine
  • Se vuoi utilizzare Google Cloud CLI per questa attività, installala e poi inizializzala. Se hai già installato gcloud CLI, scarica l'ultima versione eseguendo gcloud components update.

Scenario di esempio per le classi di calcolo

Questa pagina presenta uno scenario di esempio per il quale definisci una classe di calcolo personalizzata. In pratica, devi considerare i requisiti dei tuoi workload e della tua organizzazione specifici e definire classi di calcolo che soddisfino questi requisiti. Per descrizioni complete di tutte le opzioni per le classi di calcolo e per considerazioni speciali, consulta Informazioni sulle classi di calcolo personalizzate.

Considera il seguente scenario di esempio:

  • Il tuo obiettivo è ottimizzare i costi di esecuzione dei tuoi carichi di lavoro
  • I tuoi carichi di lavoro sono a tolleranza di errore e non richiedono un arresto controllato o un runtime esteso
  • Per un funzionamento ottimale, i tuoi workload richiedono almeno 64 vCPU
  • Puoi utilizzare solo la serie di macchine Compute Engine N2

In base allo scenario di esempio, decidi di utilizzare una classe di computing che faccia quanto segue:

  • Dà la priorità ai nodi N2 Spot con almeno 64 vCPU
  • Consente a GKE di eseguire il failover su qualsiasi nodo spot N2, indipendentemente dalla capacità di calcolo
  • Se non sono disponibili nodi spot N2, consente a GKE di utilizzare nodi N2 on demand
  • Indica a GKE di spostare i carichi di lavoro sui nodi Spot non appena sono di nuovo disponibili.

Configura una classe di computing in modalità Autopilot

In GKE Autopilot, definisci una classe di computing, la esegui il deployment nel cluster e la richiedi nei tuoi carichi di lavoro. GKE esegue per te tutti i passaggi di configurazione dei nodi, ad esempio l'applicazione di etichette e taint.

Salva il seguente manifest come compute-class.yaml:

apiVersion: cloud.google.com/v1
kind: ComputeClass
metadata:
  name: cost-optimized
spec:
  priorities:
  - machineFamily: n2
    spot: true
    minCores: 64
  - machineFamily: n2
    spot: true
  - machineFamily: n2
    spot: false
  activeMigration:
    optimizeRulePriority: true
  nodePoolAutoCreation:
    enabled: true

Configurare una classe di computing in modalità Standard

Nei cluster in modalità GKE Standard, definisci una classe di calcolo, dopodiché potresti dover eseguire la configurazione manuale per assicurarti che i pod della classe di calcolo vengano pianificati come previsto. La configurazione manuale dipende dal fatto che i pool di nodi vengano sottoposti a provisioning automatico, come segue:

Utilizzare le classi di computing con i node pool creati manualmente

Questa sezione mostra come definire una classe di calcolo in un cluster che utilizza solo pool di nodi creati manualmente.

  1. Salva il seguente manifest come compute-class.yaml:

    apiVersion: cloud.google.com/v1
kind: ComputeClass
metadata:
  name: cost-optimized
spec:
  priorities:
  - machineFamily: n2
    spot: true
    minCores: 64
  - machineFamily: n2
    spot: false
  activeMigration:
    optimizeRulePriority: true

  2. Crea un nuovo pool di nodi con scalabilità automatica che utilizza VM spot e associalo alla classe di computing:

    gcloud container node-pools create cost-optimized-pool \
    --location=LOCATION \
    --cluster=CLUSTER_NAME \
    --machine-type=n2-standard-64 \
    --spot \
    --enable-autoscaling \
    --max-nodes=9 \
    --node-labels="cloud.google.com/compute-class=cost-optimized" \
    --node-taints="cloud.google.com/compute-class=cost-optimized:NoSchedule"

    Sostituisci quanto segue:

    • LOCATION: la posizione del cluster.
    • CLUSTER_NAME: il nome del cluster esistente.

  3. Crea un nuovo pool di nodi con scalabilità automatica con VM on demand e associalo alla classe di calcolo:

    gcloud container node-pools create on-demand-pool \
    --location=LOCATION \
    --cluster=CLUSTER_NAME \
    --machine-type=n2-standard-64 \
    --enable-autoscaling \
    --max-nodes=9 \
    --num-nodes=0 \
    --node-labels="cloud.google.com/compute-class=cost-optimized" \
    --node-taints="cloud.google.com/compute-class=cost-optimized:NoSchedule"

Quando esegui il deployment di pod che richiedono questa classe di calcolo e devono essere creati nuovi nodi, GKE dà la priorità alla creazione di nodi nel pool di nodi cost-optimized-pool. Se non è possibile creare nuovi nodi, GKE crea nodi nelpool di nodil on-demand-pool.

Per maggiori dettagli su come i node pool creati manualmente interagiscono con le classi di calcolo personalizzate, vedi Configurare i node pool creati manualmente per l'utilizzo delle classi di calcolo.

Utilizzare le classi di computing con i node pool di cui è stato eseguito il provisioning automatico

Questa sezione mostra come definire una classe di calcolo in un cluster che utilizza il provisioning automatico dei nodi.

Salva il seguente manifest come compute-class.yaml:

apiVersion: cloud.google.com/v1
kind: ComputeClass
metadata:
  name: cost-optimized
spec:
  priorities:
  - machineFamily: n2
    spot: true
    minCores: 64
  - machineFamily: n2
    spot: true
  - machineFamily: n2
    spot: false
  activeMigration:
    optimizeRulePriority: true
  nodePoolAutoCreation:
    enabled: true

Quando esegui il deployment di pod che richiedono questa classe di calcolo e devono essere creati nuovi nodi, GKE assegna la priorità alla creazione di nodi nell'ordine degli elementi nel campo priorities. Se necessario, GKE crea nuovi node pool che soddisfano i requisiti hardware della classe di calcolo.

Per maggiori dettagli su come funziona il provisioning automatico dei nodi con le classi di calcolo personalizzate, consulta Provisioning automatico dei nodi e classi di calcolo.

Personalizza le soglie di scalabilità automatica per il consolidamento dei nodi

Per impostazione predefinita, GKE rimuove i nodi sottoutilizzati e ripianifica i tuoi carichi di lavoro su altri nodi disponibili. Puoi personalizzare ulteriormente le soglie e i tempi dopo i quali un nodo diventa un candidato per la rimozione utilizzando il campo autoscalingPolicy nella definizione della classe di calcolo, come nel seguente esempio:

apiVersion: cloud.google.com/v1
kind: ComputeClass
metadata:
  name: cost-optimized
spec:
  priorities:
  - machineFamily: n2
    spot: true
    minCores: 64
  - machineFamily: n2
    spot: true
  - machineFamily: n2
    spot: false
  activeMigration:
    optimizeRulePriority: true
  autoscalingPolicy:
    consolidationDelayMinutes : 5
    consolidationThreshold    : 70

Questo esempio fa sì che un nodo diventi un candidato per la rimozione se è sottoutilizzato del 70% della sua capacità di CPU e memoria disponibile per più di cinque minuti. Per un elenco dei parametri disponibili, consulta Impostare i parametri di scalabilità automatica per il consolidamento dei nodi.

Esegui il deployment di una classe di computing in un cluster

Dopo aver definito una classe di computing, esegui il deployment nel cluster:

kubectl apply -f compute-class.yaml

Questa classe di calcolo è pronta per l'uso nel cluster. Puoi richiedere la classe di calcolo nelle specifiche del pod o, facoltativamente, impostarla come classe di calcolo predefinita in uno spazio dei nomi specifico.

Impostare una classe di computing predefinita per uno spazio dei nomi

Quando imposti una classe di calcolo predefinita per uno spazio dei nomi, GKE utilizza questa classe di calcolo per creare nodi per tutti i pod che distribuisci in questo spazio dei nomi. Se un pod richiede esplicitamente una classe di calcolo diversa, la richiesta a livello di pod override del valore predefinito dello spazio dei nomi.

Per impostare una classe di computing come predefinita per uno spazio dei nomi specifico:

  1. Creare uno spazio dei nomi:

    kubectl create namespace cost-optimized-ns

  2. Etichetta lo spazio dei nomi con la classe di computing:

    kubectl label namespaces cost-optimized-ns \
    cloud.google.com/default-compute-class=cost-optimized

Richiedere una classe di computing in un workload

Per richiedere una classe di calcolo in un carico di lavoro, aggiungi un selettore di nodi per quella classe di calcolo nel manifest.

  1. Salva il seguente manifest come cc-workload.yaml:

    apiVersion: apps/v1
kind: Deployment
metadata:
  name: custom-workload
spec:
  replicas: 2
  selector:
    matchLabels:
      app: custom-workload
  template:
    metadata:
      labels:
        app: custom-workload
    spec:
      nodeSelector:
        cloud.google.com/compute-class: cost-optimized
      containers:
      - name: test
        image: gcr.io/google_containers/pause
        resources:
          requests:
            cpu: 1.5
            memory: "4Gi"

  2. Esegui il deployment del carico di lavoro:

    kubectl apply -f cc-workload.yaml

Quando esegui il deployment di questo workload, GKE aggiunge automaticamente una tolleranza ai pod che corrisponde al taint del nodo per la classe di calcolo richiesta. Questa tolleranza garantisce che solo i pod che richiedono la classe di computing vengano eseguiti sui nodi della classe di computing.

Aggiorna una classe di computing di cui è stato eseguito il deployment

Per aggiornare una classe di computing di cui è stato eseguito il deployment, modifica il manifest YAML per ComputeClass. Quindi, esegui il deployment del manifest modificato eseguendo questo comando:

kubectl apply -f PATH_TO_FILE

Sostituisci PATH_TO_FILE con il percorso del manifest modificato. Assicurati che il valore nel campo name rimanga invariato.

Quando esegui il deployment della classe di calcolo aggiornata, GKE utilizza la configurazione aggiornata per creare nuovi nodi. GKE non modifica i nodi esistenti con la configurazione aggiornata.

Nel tempo, GKE potrebbe spostare i pod esistenti sui nodi che utilizzano la configurazione aggiornata se la classe di calcolo utilizza la migrazione attiva e se i pod esistenti sono idonei alla migrazione.

Passaggi successivi