이 튜토리얼에서는 Google Kubernetes Engine(GKE)에 Elasticsearch 벡터 데이터베이스 클러스터를 배포하는 방법을 보여줍니다.
벡터 데이터베이스는 고차원 벡터의 대규모 컬렉션을 관리하고 검색하도록 특별히 설계된 데이터 스토어입니다. 이러한 벡터는 텍스트, 이미지, 오디오, 동영상와 같은 데이터나 숫자로 인코딩할 수 있는 모든 데이터를 나타냅니다. 완전 일치에 의존하는 관계형 데이터베이스와 달리 벡터 데이터베이스는 대규모 데이터 세트 내에서 유사한 항목을 찾거나 패턴을 식별하는 데 특화되어 있습니다.
Elasticsearch는 검색 및 분석 기능을 결합한 벡터 데이터베이스입니다. 클러스터 관리를 위한 개방형 REST API가 함께 제공되며 구조화된 쿼리, 전체 텍스트 쿼리, 복잡한 쿼리를 지원합니다. Elasticsearch를 사용하면 자동 완성 추천 용어를 통해 구문, 유사성, 프리픽스 검색을 수행할 수 있습니다.
이 튜토리얼은 GKE에서 Elasticsearch 데이터베이스 클러스터를 배포하는 데 관심이 있는 클라우드 플랫폼 관리자 및 설계자, ML 엔지니어, MLOps(DevOps) 전문가를 대상으로 합니다.
이점
Elasticsearch의 이점은 다음과 같습니다.
- 다양한 프로그래밍 언어를 위한 광범위한 라이브러리와 개방형 API를 통해 다른 서비스와 통합
- 수평 확장, 샤딩 및 복제 지원으로 확장과 고가용성 간소화
- 최적의 리소스 사용률을 위한 멀티 노드 클러스터 분산
- 최신 클라우드 네이티브 환경에 원활한 통합을 위한 컨테이너 및 Kubernetes 지원
목표
이 튜토리얼에서는 다음을 수행하는 방법을 알아봅니다.
- Elasticsearch용 GKE 인프라를 계획하고 배포합니다.
- GKE 클러스터에 Elasticsearch를 배포하고 구성합니다.
- StatefulHA 연산자를 배포하여 Elasticsearch 고가용성을 보장합니다.
- 데모 데이터 세트를 업로드하고 검색어를 실행합니다.
- 대시보드에서 측정항목을 수집하고 시각화합니다.
배포 아키텍처
이 튜토리얼에서는 여러 가용성 영역에 분산된 여러 Kubernetes 노드와 함께 Elasticsearch용 고가용성 리전 GKE 클러스터를 배포합니다. 이 설정은 내결함성, 확장성, 지리적 중복성을 보장하는 데 도움이 됩니다. 업타임 및 가용성을 위한 SLA를 제공하면서 순차적 업데이트 및 유지보수를 가능하게 해줍니다. 자세한 내용은 리전 클러스터를 참조하세요.
노드에 연결할 수 없게 되면 해당 노드의 포드가 즉시 다시 예약되지 않습니다. StatefulSet를 사용하는 포드를 사용하면 애플리케이션 포드를 삭제하고 새 노드에 다시 예약하는 데 8분 넘게 걸릴 수 있습니다.
이 문제를 해결하기 위해 StatefulHA 연산자는 다음을 수행합니다.
.forceDeleteStrategy:AfterNodeUnreachable설정을 사용하여 재예약 지연시간을 해결하고 장애 조치 설정을 처리하며 복구 시간을 단축합니다.- StatefulSet 애플리케이션이 RePD를 사용 중인지 확인합니다.
- Elasticsearch와 동일한 네임스페이스에 배포된 커스텀 HighAvailabilityApplication 리소스로 GKE를 확장합니다. 그러면 StatefulHA 연산자가 장애 조치 이벤트를 모니터링하고 응답할 수 있습니다.
다음 다이어그램에서는 GKE 클러스터의 여러 노드 및 영역에서 실행되는 Elasticsearch 클러스터를 보여줍니다.
비용
이 문서에서는 비용이 청구될 수 있는 다음과 같은 Google Cloud 구성요소를 사용합니다.
프로젝트 사용량을 기준으로 예상 비용을 산출하려면 가격 계산기를 사용하세요.
이 문서에 설명된 태스크를 완료했으면 만든 리소스를 삭제하여 청구가 계속되는 것을 방지할 수 있습니다. 자세한 내용은 삭제를 참조하세요.
Elasticsearch 사용은 서버 측 공개 라이선스(SSPL)에 따라 무료입니다.
시작하기 전에
이 튜토리얼에서는 Cloud Shell을 사용하여 명령어를 실행합니다. Cloud Shell은 Google Cloud에서 호스팅되는 리소스를 관리하는 데 사용되는 셸 환경입니다. Google Cloud CLI, kubectl, Helm, Terraform 명령줄 도구가 사전에 설치되어 있습니다. Cloud Shell을 사용하지 않는 경우에는 Google Cloud CLI를 설치해야 합니다.
- Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.
- Install the Google Cloud CLI.
-
To initialize the gcloud CLI, run the following command:
gcloud init -
Create or select a Google Cloud project.
-
Create a Google Cloud project:
gcloud projects create PROJECT_ID
Replace
PROJECT_IDwith a name for the Google Cloud project you are creating. -
Select the Google Cloud project that you created:
gcloud config set project PROJECT_ID
Replace
PROJECT_IDwith your Google Cloud project name.
-
-
Enable the Cloud Resource Manager, Compute Engine, GKE, IAM Service Account Credentials, and Backup for GKE APIs:
gcloud services enable cloudresourcemanager.googleapis.com
compute.googleapis.com container.googleapis.com iamcredentials.googleapis.com gkebackup.googleapis.com - Install the Google Cloud CLI.
-
To initialize the gcloud CLI, run the following command:
gcloud init -
Create or select a Google Cloud project.
-
Create a Google Cloud project:
gcloud projects create PROJECT_ID
Replace
PROJECT_IDwith a name for the Google Cloud project you are creating. -
Select the Google Cloud project that you created:
gcloud config set project PROJECT_ID
Replace
PROJECT_IDwith your Google Cloud project name.
-
-
Enable the Cloud Resource Manager, Compute Engine, GKE, IAM Service Account Credentials, and Backup for GKE APIs:
gcloud services enable cloudresourcemanager.googleapis.com
compute.googleapis.com container.googleapis.com iamcredentials.googleapis.com gkebackup.googleapis.com -
Google 계정에 역할을 부여합니다. 다음 각 IAM 역할에 대해 다음 명령어를 한 번씩 실행합니다.
role/storage.objectViewer, roles/container.admin, roles/iam.serviceAccountAdmin, roles/compute.admin, roles/gkebackup.admin, roles/monitoring.viewergcloud projects add-iam-policy-binding PROJECT_ID --member="user:EMAIL_ADDRESS" --role=ROLE
PROJECT_ID를 프로젝트 ID로 바꿉니다.EMAIL_ADDRESS를 이메일 주소로 바꿉니다.ROLE을 각 개별 역할로 바꿉니다.
환경 설정
Cloud Shell로 환경을 설정하려면 다음 단계를 따르세요.
프로젝트, 리전, Kubernetes 클러스터 리소스 프리픽스의 환경 변수를 설정합니다.
export PROJECT_ID=PROJECT_ID export KUBERNETES_CLUSTER_PREFIX=elasticsearch export REGION=us-central1PROJECT_ID를 Google Cloud 프로젝트 ID로 바꿉니다.
이 튜토리얼에서는
us-central1리전을 사용하여 배포 리소스를 만듭니다.Helm의 버전을 확인합니다.
helm version3.13 이전인 경우 버전을 업데이트합니다.
curl https://raw.githubusercontent.com/helm/helm/main/scripts/get-helm-3 | bashGitHub에서 샘플 코드 저장소를 클론합니다.
git clone https://github.com/GoogleCloudPlatform/kubernetes-engine-sampleselasticsearch디렉터리로 이동하여 배포 리소스 만들기를 시작합니다.cd kubernetes-engine-samples/databases/elasticsearch
클러스터 인프라 만들기
이 섹션에서는 Terraform 스크립트를 실행하여 가용성이 높은 비공개 리전 GKE 클러스터를 만들어 Elasticsearch 데이터베이스를 배포합니다.
Standard 또는 Autopilot 클러스터를 사용하여 Elasticsearch를 배포할 수 있습니다. 각 유형은 고유한 장점이 있으며 서로 다른 가격 책정 모델을 제공합니다.
Autopilot
다음 다이어그램에서는 프로젝트에 배포된 Autopilot GKE 클러스터를 보여줍니다.
클러스터 인프라를 배포하려면 Cloud Shell에서 다음 명령어를 실행합니다.
export GOOGLE_OAUTH_ACCESS_TOKEN=$(gcloud auth print-access-token)
terraform -chdir=terraform/gke-autopilot init
terraform -chdir=terraform/gke-autopilot apply \
-var project_id=${PROJECT_ID} \
-var region=${REGION} \
-var cluster_prefix=${KUBERNETES_CLUSTER_PREFIX}
GKE는 런타임 시 다음 변수를 바꿉니다.
GOOGLE_OAUTH_ACCESS_TOKEN은gcloud auth print-access-token명령어를 사용하여 다양한 Google Cloud API와의 상호작용을 인증하는 액세스 토큰을 검색합니다.PROJECT_ID,REGION,KUBERNETES_CLUSTER_PREFIX는 환경 설정 섹션에 정의된 환경 변수이며 생성 중인 Autopilot 클러스터의 새 관련 변수에 할당됩니다.
메시지가 표시되면 yes를 입력합니다.
출력은 다음과 비슷합니다.
...
Apply complete! Resources: 9 added, 0 changed, 0 destroyed.
Outputs:
kubectl_connection_command = "gcloud container clusters get-credentials elasticsearch-cluster --region us-central1"
Terraform에서 다음 리소스를 만듭니다.
- Kubernetes 노드의 커스텀 VPC 네트워크 및 비공개 서브넷
- 네트워크 주소 변환(NAT)을 통해 인터넷에 액세스하는 Cloud Router
us-central1리전의 비공개 GKE 클러스터- 클러스터에 대한 로깅 및 모니터링 권한이 있는
ServiceAccount - 클러스터 모니터링 및 알림을 위한 Google Cloud Managed Service for Prometheus 구성
표준
다음 다이어그램에서는 서로 다른 영역 3개에 배포된 Standard 비공개 리전 GKE 클러스터를 보여줍니다.
클러스터 인프라를 배포하려면 Cloud Shell에서 다음 명령어를 실행합니다.
export GOOGLE_OAUTH_ACCESS_TOKEN=$(gcloud auth print-access-token)
terraform -chdir=terraform/gke-standard init
terraform -chdir=terraform/gke-standard apply \
-var project_id=${PROJECT_ID} \
-var region=${REGION} \
-var cluster_prefix=${KUBERNETES_CLUSTER_PREFIX}
GKE는 런타임 시 다음 변수를 바꿉니다.
GOOGLE_OAUTH_ACCESS_TOKEN은gcloud auth print-access-token명령어를 사용하여 다양한 Google Cloud API와의 상호작용을 인증하는 액세스 토큰을 검색합니다.PROJECT_ID,REGION,KUBERNETES_CLUSTER_PREFIX는 환경 설정 섹션에 정의된 환경 변수이며 만든 Standard 클러스터의 새 관련 변수에 할당됩니다.
메시지가 표시되면 yes를 입력합니다. 이러한 명령어가 완료되고 클러스터에 준비 상태가 표시되는 데 몇 분 정도 걸릴 수 있습니다.
출력은 다음과 비슷합니다.
...
Apply complete! Resources: 10 added, 0 changed, 0 destroyed.
Outputs:
kubectl_connection_command = "gcloud container clusters get-credentials elasticsearch-cluster --region us-central1"
Terraform에서 다음 리소스를 만듭니다.
- Kubernetes 노드의 커스텀 VPC 네트워크 및 비공개 서브넷
- 네트워크 주소 변환(NAT)을 통해 인터넷에 액세스하는 Cloud Router
- 자동 확장이 사용 설정된
us-central1리전의 비공개 GKE 클러스터(영역당 노드 1~2개) - 클러스터에 대한 로깅 및 모니터링 권한이 있는
ServiceAccount - 클러스터 모니터링 및 알림을 위한 Google Cloud Managed Service for Prometheus 구성
클러스터에 연결
사용자 인증 정보를 가져오고 새 GKE 클러스터와 통신하도록 kubectl을 구성합니다.
gcloud container clusters get-credentials \
${KUBERNETES_CLUSTER_PREFIX}-cluster --region ${REGION}
Elasticsearch 데이터베이스 및 StatefulHA 연산자 배포
이 섹션에서는 ECK 연산자 Helm 차트를 사용하여 GKE 클러스터에 Elasticsearch 데이터베이스(클러스터 모드) 및 StatefulHA 연산자를 배포합니다.
배포는 다음 구성을 사용하여 GKE 클러스터를 만듭니다.
- Elasticsearch 노드의 복제본 3개
- 최적의 Elasticsearch 성능을 위해 가상 메모리 설정을 변경하는 DaemonSet
- 노드 풀 사용을 최적화하고 여러 영역에서 가용성을 극대화하며 Kubernetes 노드 간 적절한 배포를 보장하기 위한 NodeAffinity 및 PodAntiAffinity의 구성
- 장애 조치 프로세스를 관리하고 고가용성을 보장하는 스테이트풀(Stateful) HA 운영자
- 인증을 위해 데이터베이스는 사용자 인증 정보, 비밀번호, 인증서를 사용하여 Kubernetes 보안 비밀 생성
Helm 차트를 사용하여 Elasticsearch 데이터베이스를 배포하려면 다음 단계를 수행합니다.
StatefulHA 부가기능 사용 설정
Autopilot
GKE는 클러스터를 만들 때
StatefulHA부가기능을 자동으로 사용 설정합니다.표준
다음 명령어를 실행합니다.
gcloud container clusters update ${KUBERNETES_CLUSTER_PREFIX}-cluster \ --project=${PROJECT_ID} \ --region=${REGION} \ --update-addons=StatefulHA=ENABLED이 명령어가 완료되고 클러스터에 준비 상태가 표시되는 데 15분이 걸릴 수 있습니다.
Elastic Cloud on Kubernetes(ECK) 커스텀 리소스 정의(CRD)를 만듭니다.
kubectl apply -f https://download.elastic.co/downloads/eck/2.11.1/crds.yamlECK 연산자를 배포합니다.
kubectl apply -f https://download.elastic.co/downloads/eck/2.11.1/operator.yaml데이터베이스의 네임스페이스
elastic을 만듭니다.kubectl create ns elasticElasticsearch의 장애 조치 규칙을 정의하는
HighAvailabilityApplication(HAA) 리소스를 설치합니다.kubectl apply -n elastic -f manifests/01-regional-pd/ha-app.yamlha-app.yaml매니페스트는HighAvailabilityApplication리소스를 설명합니다.매니페스트를 적용하여 리전 영구 SSD 디스크
StorageClass를 만듭니다.kubectl apply -n elastic -f manifests/01-regional-pd/regional-pd.yamlregional-pd.yaml매니페스트는 영구 SSD 디스크StorageClass를 설명합니다.DaemonSet 리소스를 배포하여 각 노드에서 가상 메모리를 설정합니다.
kubectl apply -n elastic -f manifests/02-elasticsearch/mmap-count.yamlmmap-count.yaml매니페스트는DaemonSet를 설명합니다.매니페스트를 적용하여 Elasticsearch 클러스터를 배포합니다.
kubectl apply -n elastic -f manifests/02-elasticsearch/elasticsearch.yamlelasticsearch.yaml매니페스트는 배포를 설명합니다.Elasticsearch 클러스터가 완전히 시작될 때까지 몇 분 정도 기다립니다.
배포 상태를 확인합니다.
kubectl get elasticsearch -n elastic --watchelasticsearch데이터베이스가 성공적으로 배포되면 출력은 다음과 비슷합니다.NAME HEALTH NODES VERSION PHASE AGE elasticsearch-ha green 3 8.11.4 Ready 2m30sHEALTH가green으로 표시될 때까지 기다립니다. 필요한 경우 Ctrl+C를 눌러 명령어를 종료합니다.장애 조치 규칙이 적용되었는지 확인하려면 리소스를 설명하고
Status: Message: Application is protected를 확인합니다.kubectl describe highavailabilityapplication elasticsearch-ha-es-main -n elastic출력은 다음과 비슷합니다.
Status: Conditions: Last Transition Time: 2024-02-01T13:27:50Z Message: Application is protected Observed Generation: 1 Reason: ApplicationProtected Status: True Type: Protected Events: <none>GKE가 워크로드를 시작하면 GKE가 Elasticsearch 워크로드를 생성했는지 확인합니다.
kubectl get pod,svc,statefulset,pdb,secret,daemonset -n elastic출력은 다음과 비슷합니다.
NAME READY STATUS RESTARTS AGE pod/elasticsearch-ha-es-main-0 2/2 Running 0 7m16s pod/elasticsearch-ha-es-main-1 2/2 Running 0 7m16s pod/elasticsearch-ha-es-main-2 2/2 Running 0 7m16s pod/max-map-count-setter-28wt9 1/1 Running 0 7m27s pod/max-map-count-setter-cflsw 1/1 Running 0 7m27s pod/max-map-count-setter-gzq9k 1/1 Running 0 7m27s NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE service/elasticsearch-ha-es-http ClusterIP 10.52.8.28 <none> 9200/TCP 7m18s service/elasticsearch-ha-es-internal-http ClusterIP 10.52.3.48 <none> 9200/TCP 7m18s service/elasticsearch-ha-es-main ClusterIP None <none> 9200/TCP 7m16s service/elasticsearch-ha-es-transport ClusterIP None <none> 9300/TCP 7m18s NAME READY AGE statefulset.apps/elasticsearch-ha-es-main 3/3 7m16s NAME MIN AVAILABLE MAX UNAVAILABLE ALLOWED DISRUPTIONS AGE poddisruptionbudget.policy/elasticsearch-ha-es-default 2 N/A 1 7m16s NAME TYPE DATA AGE secret/elasticsearch-ha-es-elastic-user Opaque 1 7m18s secret/elasticsearch-ha-es-file-settings Opaque 1 7m16s secret/elasticsearch-ha-es-http-ca-internal Opaque 2 7m17s secret/elasticsearch-ha-es-http-certs-internal Opaque 3 7m17s secret/elasticsearch-ha-es-http-certs-public Opaque 2 7m17s secret/elasticsearch-ha-es-internal-users Opaque 4 7m18s secret/elasticsearch-ha-es-main-es-config Opaque 1 7m16s secret/elasticsearch-ha-es-main-es-transport-certs Opaque 7 7m16s secret/elasticsearch-ha-es-remote-ca Opaque 1 7m16s secret/elasticsearch-ha-es-transport-ca-internal Opaque 2 7m16s secret/elasticsearch-ha-es-transport-certs-public Opaque 1 7m16s secret/elasticsearch-ha-es-xpack-file-realm Opaque 4 7m18s NAME DESIRED CURRENT READY UP-TO-DATE AVAILABLE NODE SELECTOR AGE daemonset.apps/max-map-count-setter 6 6 6 6 6 <none> 13m
다음 GKE 리소스는 Elasticsearch 클러스터에 대해 생성됩니다.
- 3개의 포드 복제본을 제어하는 Elasticsearch
StatefulSet - 가상 메모리 설정을 구성하는 DaemonSet
- Elasticsearch에 연결하는 서비스
- 수퍼유저 사용자 인증 정보 및 서비스 관련 인증서가 포함된 보안 비밀
- Elasticsearch 애플리케이션을 적극적으로 모니터링하는 스테이트풀(Stateful) HA 연산자 포드 및
HighlyAvailableApplication리소스
Jupyter 노트북으로 데모 데이터 세트 업로드 및 검색어 실행
이 섹션에서는 Elasticsearch 문서에 벡터를 업로드하고 공식 Elasticsearch Python 클라이언트를 사용하여 시맨틱 검색어를 수행합니다. Elasticsearch의 문서는 각각 해당 값과 쌍을 이루는 다양한 필드로 구성됩니다. Elasticsearch를 효과적으로 활용하려면 데이터를 이 문서로 구조화한 다음, 검색 목적으로 색인을 생성하는 것이 좋습니다.
이 예시에서는 다양한 장르의 도서 목록이 포함된 CSV 파일의 데이터 세트를 사용합니다. Elasticsearch는 검색엔진 역할을 하며 생성된 포드는 Elasticsearch 데이터베이스를 쿼리하는 클라이언트 역할을 합니다.
books-dataset및notebookConfigMap을 만들고 Jupyter 포드를 실행하여 Elasticsearch 클러스터와 상호작용합니다.kubectl create -n elastic configmap books-dataset --from-file=manifests/03-notebook/dataset.csv kubectl create -n elastic configmap notebook --from-file=manifests/03-notebook/vector-database.ipynb kubectl apply -n elastic -f manifests/03-notebook/jupyter.yaml- 앞에서 만든
elasticsearch-ha-es-elastic-user라는 보안 비밀은 클라이언트 포드에PW라는 환경 변수로 마운트됩니다. books-datasetConfigMap에는 Elasticsearch 색인의 도서 데이터가 있는csv파일이 포함되어 있습니다.notebookConfigMap에는books-dataset에서 Elasticsearch 색인을 만드는 Jupyter 노트북이 포함됩니다.
jupyter.yaml매니페스트는notebook배포 및 해당 서비스를 설명합니다.- 앞에서 만든
GKE가 Jupyter 포드를 시작할 때까지 기다립니다.
kubectl wait pods -l app=jupyter-notebook --for condition=Ready --timeout=300s -n elastic액세스 토큰이 있는 URL을 가져와 Jupyter에 연결합니다.
export EXTERNAL_IP=$(kubectl -n elastic get svc notebook --output jsonpath='{.status.loadBalancer.ingress[0].ip}') kubectl logs deploy/notebook -n elastic| grep '^ .*http://127'|sed "s|127.0.0.1|${EXTERNAL_IP}|"이 URL을 열고
vector-database.ipynb파일을 클릭합니다.실행 > 모든 셀 실행을 클릭합니다. Jupyter가 코드를 실행하고
drama about people and unhappy love텍스트에 대한 검색어를 수행합니다.이 쿼리는 Elasticsearch의
books색인에 대해 시맨틱 검색을 수행하여 쿼리와 관련된 일치 점수가 가장 높은 결과를 최대 2개까지 검색합니다.출력은 다음과 비슷합니다.
Title: Romeo and Juliet, Author: William Shakespeare, Paul Werstine (Editor), Barbara A. Mowat (Editor), Paavo Emil Cajander (Translator), score: 1.8473973 In Romeo and Juliet, Shakespeare creates a violent world, in which two young people fall in love. It is not simply that their families disapprove; the Montagues and the Capulets are engaged in a blood feud.In this death-filled setting, the movement from love at first sight to the lovers' final union in death seems almost inevitable. And yet, this play set in an extraordinary world has become the quintessential story of young love. In part because of its exquisite language, it is easy to respond as if it were about all young lovers. --------- Title: A Midsummer Night's Dream, Author: William Shakespeare, Paul Werstine (Editor), Barbara A. Mowat (Editor), Catherine Belsey (Contributor), score: 1.8415744 Shakespeare's intertwined love polygons begin to get complicated from the start--Demetrius and Lysander both want Hermia but she only has eyes for Lysander. Bad news is, Hermia's father wants Demetrius for a son-in-law. On the outside is Helena, whose unreturned love burns hot for Demetrius. Hermia and Lysander plan to flee from the city under cover of darkness but are pursued by an enraged Demetrius (who is himself pursued by an enraptured Helena). In the forest, unbeknownst to the mortals, Oberon and Titania (King and Queen of the faeries) are having a spat over a servant boy. The plot twists up when Oberon's head mischief-maker, Puck, runs loose with a flower which causes people to fall in love with the first thing they see upon waking. Throw in a group of labourers preparing a play for the Duke's wedding (one of whom is given a donkey's head and Titania for a lover by Puck) and the complications become fantastically funny. ---------
클러스터의 Prometheus 측정항목 보기
GKE 클러스터는 Prometheus 형식으로 측정항목을 수집할 수 있는 Google Cloud Managed Service for Prometheus로 구성됩니다. 이 서비스는 모니터링 및 알림을 위한 완전 관리형 솔루션을 제공하여 클러스터 및 해당 애플리케이션에서 측정항목을 수집, 저장, 분석할 수 있습니다.
다음 다이어그램은 Prometheus가 클러스터에 대해 측정항목을 수집하는 방법을 보여줍니다.
다이어그램의 GKE 비공개 클러스터에는 다음 구성요소가 포함됩니다.
- 경로
/및 포트9114에서 측정항목을 노출하는 Elasticsearch 포드. 이러한 측정항목은 elasticsearch_exporter를 포함하는metrics라는 사이드카 컨테이너에서 제공됩니다. - Elasticsearch 포드의 측정항목을 처리하는 Prometheus 기반 수집기
- Cloud Monitoring으로 측정항목을 전송하는 PodMonitoring 리소스
클러스터 구성은 Prometheus 형식의 측정항목 내보내기 도구를 사용하는 사이드카 컨테이너를 정의합니다.
apiVersion: elasticsearch.k8s.elastic.co/v1
kind: Elasticsearch
metadata:
name: elasticsearch-ha
spec:
...
nodeSets:
- name: main
...
podTemplate:
spec:
containers:
...
- name: metrics
image: quay.io/prometheuscommunity/elasticsearch-exporter:v1.7.0
command:
- /bin/elasticsearch_exporter
- --es.ssl-skip-verify
- --es.uri=https://$(ES_USER):$(ES_PASSWORD)@localhost:9200
...
env:
- name: ES_USER
value: "elastic"
- name: ES_PASSWORD
valueFrom:
secretKeyRef:
name: elasticsearch-ha-es-elastic-user
key: elastic
측정항목을 내보내고 보려면 다음 단계를 따르세요.
labelSelector로 측정항목을 스크래핑하도록PodMonitoring리소스를 만듭니다.kubectl apply -n elastic -f manifests/04-prometheus-metrics/pod-monitoring.yamlpod-monitoring.yaml매니페스트는PodMonitoring리소스를 설명합니다.몇 분 후 기본 제공 대시보드 'Elasticsearch Prometheus 개요'가 표시됩니다.
더 많은 데이터 관련 그래프를 보려면
dashboard.json에 정의된 구성으로 커스텀 Cloud Monitoring 대시보드를 가져옵니다.gcloud --project "${PROJECT_ID}" monitoring dashboards create --config-from-file monitoring/dashboard.json명령어가 성공적으로 실행되면 Cloud Monitoring 대시보드로 이동합니다.
대시보드 목록에서
ElasticSearch Overview대시보드를 엽니다. 측정항목을 수집하고 표시하는 데 1~2분 정도 걸릴 수 있습니다.대시보드에는 주요 측정항목 수가 표시됩니다.
- 색인
- 문서 및 샤드
- 대기 중인 작업
- 상태가 있는 노드 실행
클러스터 구성 백업
Backup for GKE 기능을 사용하면 배포된 워크로드 및 해당 데이터를 포함하여 전체 GKE 클러스터 구성의 정기 백업을 예약할 수 있습니다.
이 튜토리얼에서는 매일 오전 3시에 보안 비밀과 볼륨을 포함한 모든 워크로드의 백업을 수행하도록 GKE 클러스터의 백업 계획을 구성합니다. 효율적인 스토리지 관리를 위해 3일이 지난 백업은 자동으로 삭제됩니다.
클러스터에 대해 Backup for GKE 기능을 사용 설정합니다.
gcloud container clusters update ${KUBERNETES_CLUSTER_PREFIX}-cluster \ --project=${PROJECT_ID} \ --region=${REGION} \ --update-addons=BackupRestore=ENABLED클러스터 내의 모든 네임스페이스에 대한 일일 일정을 사용하여 백업 계획을 만듭니다.
gcloud beta container backup-restore backup-plans create ${KUBERNETES_CLUSTER_PREFIX}-cluster-backup \ --project=${PROJECT_ID} \ --location=${REGION} \ --cluster="projects/${PROJECT_ID}/\locations/${REGION}/\clusters/${KUBERNETES_CLUSTER_PREFIX}-cluster" \ --all-namespaces \ --include-secrets \ --include-volume-data \ --cron-schedule="0 3 * * *" \ --backup-retain-days=3이 명령어는 런타임에 관련 환경 변수를 사용합니다.
클러스터 이름의 형식은 다음과 같이 프로젝트 및 리전을 기준으로 합니다.
projects/PROJECT_ID/locations/REGION/clusters/CLUSTER_NAME메시지가 표시되면
y.을 입력합니다. 출력은 다음과 비슷합니다.Create request issued for: [elasticsearch-cluster-backup] Waiting for operation [projects/PROJECT_ID/locations/us-central1/operations/operation-1706528750815-610142ffdc9ac-71be4a05-f61c99fc] to complete...⠹이 작업을 완료하려면 몇 분 정도 걸릴 수 있습니다. 실행이 완료되면 출력은 다음과 비슷합니다.
Created backup plan [elasticsearch-cluster-backup].Backup for GKE 콘솔에 나열된 새로 만든 백업 계획
elasticsearch-cluster-backup을 볼 수 있습니다.
저장된 백업 구성을 복원하려면 백업 복원을 참조하세요.
삭제
이 튜토리얼에서 사용된 리소스 비용이 Google Cloud 계정에 청구되지 않도록 하려면 리소스가 포함된 프로젝트를 삭제하거나 프로젝트를 유지하고 개별 리소스를 삭제하세요.
프로젝트 삭제
청구되지 않도록 하는 가장 쉬운 방법은 튜토리얼에서 만든 프로젝트를 삭제하는 것입니다.
Delete a Google Cloud project:
gcloud projects delete PROJECT_ID
프로젝트를 삭제하면 정리가 완료됩니다. 프로젝트를 삭제하지 않은 경우 개별 리소스 삭제를 진행합니다.
개별 리소스 삭제
환경 변수를 설정합니다.
export PROJECT_ID=${PROJECT_ID} export KUBERNETES_CLUSTER_PREFIX=elasticsearch export REGION=us-central1terraform destroy명령어를 실행합니다.export GOOGLE_OAUTH_ACCESS_TOKEN=$(gcloud auth print-access-token) terraform -chdir=terraform/FOLDER destroy \ -var project_id=${PROJECT_ID} \ -var region=${REGION} \ -var cluster_prefix=${KUBERNETES_CLUSTER_PREFIX}생성한 GKE 클러스터 유형에 따라
FOLDER를gke-autopilot또는gke-standard로 바꿉니다.메시지가 표시되면
yes를 입력합니다.연결되지 않은 모든 디스크를 찾습니다.
export disk_list=$(gcloud compute disks list --filter="-users:* AND labels.name=${KUBERNETES_CLUSTER_PREFIX}-cluster" --format "value[separator=|](name,region)")디스크를 삭제합니다.
for i in $disk_list; do disk_name=$(echo $i| cut -d'|' -f1) disk_region=$(echo $i| cut -d'|' -f2|sed 's|.*/||') echo "Deleting $disk_name" gcloud compute disks delete $disk_name --region $disk_region --quiet doneGitHub 저장소를 삭제합니다.
rm -r ~/kubernetes-engine-samples/
다음 단계
- Elasticsearch 오픈소스 소프트웨어 살펴보기
- GKE의 데이터베이스 배포 권장사항 알아보기
- GKE를 사용하여 데이터 집약적인 워크로드를 실행하기 위한 솔루션 살펴보기