Esegui la migrazione di un'applicazione x86 su GKE a multi-arch con Arm

Standard

---

Nota: questo tutorial fornisce istruzioni per lavorare con questa app: Docker. Le istruzioni potrebbero non rappresentare versioni più recenti dell'app. Per saperne di più, consulta la documentazione: Docker.

Questo tutorial descrive come eseguire la migrazione di un'applicazione creata per i nodi che utilizzano un processore x86 (Intel o AMD) in un cluster Google Kubernetes Engine (GKE) a un'applicazione multipiattaforma (multi-arch) che viene eseguita su nodi x86 o Arm. Il pubblico di destinazione di questo tutorial è costituito da amministratori della piattaforma, operatori di app e sviluppatori di app che vogliono eseguire i loro carichi di lavoro compatibili con x86 esistenti su Arm.

Con i cluster GKE, puoi eseguire i workload sui nodi Arm utilizzando la serie di macchine C4A o la serie di macchine Tau T2A. Questo tutorial utilizza i nodi C4A che, come i nodi T2A, possono essere eseguiti nel tuo cluster GKE come qualsiasi altro nodo che utilizza processori x86 (Intel o AMD). I nodi C4A offrono prestazioni elevate e uniformi basate su ARM per i tuoi workload.

Per scoprire di più, consulta la sezione Workload Arm su GKE.

Questo tutorial presuppone che tu abbia familiarità con Kubernetes e Docker. Il tutorial utilizza Google Kubernetes Engine e Artifact Registry.

Obiettivi

In questo tutorial completerai le seguenti attività:

• Archivia le immagini container con Docker in Artifact Registry.
• Esegui il deployment di un carico di lavoro compatibile con x86 in un cluster GKE.
• Ricostruisci un carico di lavoro compatibile con x86 da eseguire su Arm.
• Aggiungi un pool di nodi Arm a un cluster esistente.
• Esegui il deployment di un workload compatibile con Arm da eseguire su un nodo Arm.
• Crea un'immagine multi-arch per eseguire un carico di lavoro su più architetture.
• Esegui carichi di lavoro su più architetture in un unico cluster GKE.

Costi

In questo documento utilizzi i seguenti componenti fatturabili di Google Cloud:

• GKE
• Artifact Registry

Per generare una stima dei costi basata sull'utilizzo previsto, utilizza il Calcolatore prezzi. I nuovi utenti di Google Cloud potrebbero essere idonei per una prova gratuita.

Una volta completate le attività descritte in questo documento, puoi evitare la fatturazione continua eliminando le risorse che hai creato. Per ulteriori informazioni, consulta la pagina Pulizia.

Prima di iniziare

Per abilitare l'API Kubernetes Engine, segui questi passaggi:

1. 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.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. Enable the Artifact Registry and Google Kubernetes Engine APIs.

   Enable the APIs

5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

6. Make sure that billing is enabled for your Google Cloud project.

7. Enable the Artifact Registry and Google Kubernetes Engine APIs.

   Enable the APIs

Al termine di questo tutorial, puoi evitare la fatturazione continua eliminando le risorse che hai creato. Per ulteriori dettagli, consulta la sezione Pulizia.

Avvia Cloud Shell

In questo tutorial utilizzerai Cloud Shell, che è un ambiente shell per la gestione delle risorse ospitate su Google Cloud.

Cloud Shell include lo strumento a riga di comando Google Cloud CLI e kubectl. gcloud CLI fornisce l'interfaccia a riga di comando principale per Google Cloud, mentre kubectl fornisce l'interfaccia a riga di comando principale per l'esecuzione di comandi sui cluster Kubernetes.

Avvia Cloud Shell:

1. Vai alla console Google Cloud.

   Console Google Cloud

2. Nell'angolo in alto a destra della console, fai clic sul pulsante Attiva Cloud Shell:

Nella console viene visualizzata una sessione di Cloud Shell. Utilizza questa shell per eseguire i comandi gcloud e kubectl.

prepara l'ambiente

In questa sezione prepari l'ambiente per seguire il tutorial.

Impostare le impostazioni predefinite per gcloud CLI

Imposta le variabili di ambiente per l'ID progetto, la zona e il nome del nuovo cluster.

Attenzione: le seguenti variabili di ambiente vengono utilizzate in tutti i comandi di questo tutorial. Potresti dover impostare di nuovo le variabili di ambiente se chiudi Cloud Shell.

export PROJECT_ID=PROJECT_ID
export ZONE=us-central1-a
export CLUSTER_NAME=my-cluster

Sostituisci PROJECT_ID con l'ID progetto che hai scelto per questo tutorial nella sezione Prima di iniziare.

In questo tutorial crei risorse in us-central1-a. Per un elenco completo delle regioni e delle zone in cui è disponibile la serie di macchine C4A, consulta Regioni e zone disponibili.

Clona il repository Git

1. Clona il repository:

   git clone https://github.com/GoogleCloudPlatform/kubernetes-engine-samples
   

2. Cambia la directory di lavoro attuale impostandola sul repository clonato nel passaggio precedente:

   cd kubernetes-engine-samples/workloads/migrate-x86-app-to-multi-arch/
   

Crea un cluster GKE ed esegui il deployment dell'applicazione x86

Nella prima parte di questo tutorial, crei un cluster con nodi x86 ed esegui il deployment di un'applicazione x86. L'applicazione di esempio è un servizio che risponde alle richieste HTTP. È realizzato con il linguaggio di programmazione Golang.

Questa configurazione mostra un ambiente cluster tipico, che utilizza applicazioni compatibili con x86 e nodi x86.

Crea un cluster GKE

Innanzitutto, crea un cluster GKE utilizzando nodi con processori x86. Con questa configurazione, crei un ambiente cluster tipico per eseguire applicazioni x86.

Crea il cluster:

gcloud container clusters create $CLUSTER_NAME \
    --release-channel=rapid \
    --zone=$ZONE \
    --machine-type=e2-standard-2 \
    --num-nodes=1 \
    --async

La scalabilità automatica di questo cluster è disabilitata per dimostrare funzionalità specifiche nei passaggi successivi.

Il processo di creazione del cluster potrebbe richiedere alcuni minuti. Il flag --async consente di eseguire questa operazione in background mentre completi i passaggi successivi.

Puoi creare cluster con solo nodi Arm, tuttavia per questo tutorial creerai prima un cluster con solo nodi x86 per conoscere la procedura per rendere compatibili con Arm le applicazioni solo x86.

Crea il repository Docker di Artifact Registry

1. Crea un repository in Artifact Registry per archiviare le immagini Docker:

   gcloud artifacts repositories create docker-repo \
         --repository-format=docker \
         --location=us-central1 \
         --description="Docker repository"
   

2. Configura lo strumento a riga di comando Docker per eseguire l'autenticazione in questo repository in Artifact Registry:

   gcloud auth configure-docker us-central1-docker.pkg.dev
   

Crea l'immagine x86 ed eseguine il push in Artifact Registry

1. Crea la versione dell'applicazione compatibile con x86:

   docker build -t us-central1-docker.pkg.dev/$PROJECT_ID/docker-repo/x86-hello:v0.0.1 . 
   

2. Esegui il push dell'immagine ad Artifact Registry:

   docker push us-central1-docker.pkg.dev/$PROJECT_ID/docker-repo/x86-hello:v0.0.1
   

Esegui il deployment dell'applicazione x86

1. Verifica che il cluster sia pronto eseguendo il seguente script:

   echo
   echo -ne "Waiting for GKE cluster to finish provisioning"
   gke_status=""
   while [ -z $gke_status ]; do
      sleep 2
      echo -ne '.'   
      gke_status=$(gcloud container clusters list --format="value(STATUS)" --filter="NAME=$CLUSTER_NAME AND STATUS=RUNNING")
   done
   echo
   echo "GKE Cluster '$CLUSTER_NAME' is $gke_status" 
   echo
   

   Quando il cluster è pronto, l'output dovrebbe essere simile al seguente:

   GKE Cluster 'my-cluster' is RUNNING
   

2. Recupera le credenziali del cluster in modo che kubectl possa connettersi all'API Kubernetes per il cluster:

   gcloud container clusters get-credentials $CLUSTER_NAME --zone $ZONE --project $PROJECT_ID
   

3. Aggiorna l'immagine utilizzando kustomize e esegui il deployment dell'applicazione x86:

   $(cd k8s/overlays/x86 && kustomize edit set image hello=us-central1-docker.pkg.dev/$PROJECT_ID/docker-repo/x86-hello:v0.0.1) 
   kubectl apply -k k8s/overlays/x86
   

4. Esegui il deployment di un servizio per esporre l'applicazione a internet:

   kubectl apply -f k8s/hello-service.yaml
   

5. Verifica che il provisioning dell'indirizzo IP esterno del servizio hello-service sia stato completato:

   echo
   echo -ne "Waiting for External IP to be provisioned"
   external_ip=""
   while [ -z $external_ip ]; do
      sleep 2
      echo -ne '.'
      external_ip=$(kubectl get svc hello-service --template="{{range .status.loadBalancer.ingress}}{{.ip}}{{end}}")
   done
   echo
   echo "External IP: $external_ip"
   echo
   

   Dopo il provisioning dell'indirizzo IP esterno, l'output dovrebbe essere simile al seguente:

   External IP: 203.0.113.0
   

6. Effettua una richiesta HTTP per verificare che il deployment funzioni come previsto:

   curl -w '\n' http://$external_ip
   

   L'output è simile al seguente:

   Hello from NODE:gke-my-cluster-default-pool-32019863-b41t, POD:x86-hello-deployment-6b7b456dd5-mwfkd, CPU PLATFORM:linux/amd64
   

   L'output mostra che questo deployment compatibile con x86 è in esecuzione su un nodo del pool di nodi predefinito nell'architettura amd64. I nodi nel pool di nodi predefinito del cluster dispongono di processori x86 (Intel o AMD).

Aggiungi nodi Arm al cluster

Nella parte successiva di questo tutorial, aggiungi nodi Arm al cluster esistente. In questi node viene implementata la versione compatibile con Arm dell'applicazione quando viene ricostruita per l'esecuzione su Arm.

Check Point

Finora hai raggiunto i seguenti obiettivi:

• Crea un cluster GKE utilizzando nodi x86.
• archiviare un'immagine container compatibile con x86 con Docker in Artifact Registry.
• Esegui il deployment di un carico di lavoro compatibile con x86 in un cluster GKE.

Hai configurato un ambiente cluster con nodi x86 e un carico di lavoro compatibile con x86. Questa configurazione è simile agli ambienti cluster esistenti se al momento non utilizzi nodi Arm e carichi di lavoro compatibili con Arm.

Aggiungere un pool di nodi Arm al cluster

Aggiungi un pool di nodi Arm al cluster esistente:

gcloud container node-pools create arm-pool \
    --cluster $CLUSTER_NAME \
    --zone $ZONE \
    --machine-type=c4a-standard-2 \
    --num-nodes=1

Il tipo di macchina c4a-standard-2 è una VM Arm della serie di macchine C4A.

Puoi creare un pool di nodi con nodi Arm nello stesso modo in cui crei un pool di nodi con nodi x86. Dopo aver creato questo pool di nodi, in questo cluster verranno eseguiti sia i nodi x86 sia i nodi Arm.

Per scoprire di più sull'aggiunta di pool di nodi Arm ai cluster esistenti, consulta Aggiungere un pool di nodi Arm a un cluster GKE.

Eseguire l'upgrade dell'applicazione esistente in esecuzione su nodi basati su x86

I nodi di più tipi di architettura possono lavorare perfettamente insieme in un cluster. GKE non pianifica i carichi di lavoro esistenti in esecuzione su nodi x86 su nodi Arm nel cluster perché viene inserito automaticamente un'alterazione sui nodi Arm. Puoi verificarlo eseguendo l'upgrade dell'applicazione esistente.

1. Aggiorna il carico di lavoro eseguendone lo scale up fino a 6 repliche:

   $(cd k8s/overlays/x86_increase_replicas && kustomize edit set image hello=us-central1-docker.pkg.dev/$PROJECT_ID/docker-repo/x86-hello:v0.0.1) 
   kubectl apply -k k8s/overlays/x86_increase_replicas/
   

2. Attendi 30 secondi, quindi esegui il comando seguente per controllare lo stato del deployment:

   kubectl get pods -l="app=hello" --field-selector="status.phase=Pending"
   

   L'output dovrebbe essere simile al seguente:

   NAME                                    READY   STATUS    RESTARTS   AGE
   x86-hello-deployment-6b7b456dd5-6tkxd   0/1     Pending   0          40s
   x86-hello-deployment-6b7b456dd5-k95b7   0/1     Pending   0          40s
   x86-hello-deployment-6b7b456dd5-kc876   0/1     Pending   0          40s
   

   Questa uscita mostra i pod con stato In attesa perché non è rimasto spazio sui nodi basati su x86. Poiché il gestore della scalabilità automatica dei cluster è disabilitato e i nodi Arm sono stati compromessi, i carichi di lavoro non verranno di cui non verrà eseguito il deployment su nessuno dei nodi Arm disponibili. Questa incompatibilità impedisce a GKE di pianificare i carichi di lavoro x86 su nodi Arm. Per eseguire il deployment su nodi Arm, devi indicare che il deployment è compatibile con i nodi Arm.

3. Controlla i pod in stato Running:

   kubectl get pods -l="app=hello" --field-selector="status.phase=Running" -o wide
   

   L'output dovrebbe essere simile al seguente:

   NAME                                    READY   STATUS    RESTARTS   AGE   IP            NODE                                        NOMINATED NODE   READINESS GATES
   x86-hello-deployment-6b7b456dd5-cjclz   1/1     Running   0          62s   10.100.0.17   gke-my-cluster-default-pool-32019863-b41t   <none>           <none>
   x86-hello-deployment-6b7b456dd5-mwfkd   1/1     Running   0          34m   10.100.0.11   gke-my-cluster-default-pool-32019863-b41t   <none>           <none>
   x86-hello-deployment-6b7b456dd5-n56rg   1/1     Running   0          62s   10.100.0.16   gke-my-cluster-default-pool-32019863-b41t   <none>           <none>
   

   In questo output, la colonna NODE indica che tutti i pod del deployment vengono eseguiti solo nel pool predefinito, il che significa che i pod compatibili con x86 vengono pianificati solo sui nodi x86. Il pod originale che era già pianificato prima della creazione del pool di nodi Arm è ancora in esecuzione sullo stesso nodo.

4. Esegui questo comando per accedere al servizio e visualizzare l'output:

   for i in $(seq 1 6); do curl -w '\n' http://$external_ip; done
   

   L'output è simile al seguente:

   Hello from NODE:gke-my-cluster-default-pool-32019863-b41t, POD:x86-hello-deployment-6b7b456dd5-cjclz, CPU PLATFORM:linux/amd64
   Hello from NODE:gke-my-cluster-default-pool-32019863-b41t, POD:x86-hello-deployment-6b7b456dd5-cjclz, CPU PLATFORM:linux/amd64
   Hello from NODE:gke-my-cluster-default-pool-32019863-b41t, POD:x86-hello-deployment-6b7b456dd5-n56rg, CPU PLATFORM:linux/amd64
   Hello from NODE:gke-my-cluster-default-pool-32019863-b41t, POD:x86-hello-deployment-6b7b456dd5-n56rg, CPU PLATFORM:linux/amd64
   Hello from NODE:gke-my-cluster-default-pool-32019863-b41t, POD:x86-hello-deployment-6b7b456dd5-cjclz, CPU PLATFORM:linux/amd64
   Hello from NODE:gke-my-cluster-default-pool-32019863-b41t, POD:x86-hello-deployment-6b7b456dd5-cjclz, CPU PLATFORM:linux/amd64
   

   Questo output mostra che tutte le richieste di pubblicazione dei pod sono in esecuzione su nodi x86. Alcuni pod non possono rispondere perché sono ancora in stato Pending perché non c'è spazio sui nodi x86 esistenti e non verranno pianificati sui nodi Arm.

Ricrea l'applicazione per l'esecuzione su Arm

Nella sezione precedente hai aggiunto un pool di nodi Arm al tuo cluster esistente. Tuttavia, quando hai eseguito l'upgrade dell'applicazione x86 esistente, non è stato pianificato alcun workload sui nodi Arm. In questa sezione, ricostruisci l'applicazione in modo che sia compatibile con Arm, in modo che possa essere eseguita sui nodi Arm del cluster.

Per questo esempio, svolgi questi passaggi utilizzando docker build. Questo approccio in due passaggi include:

• Prima fase: compila il codice per Arm.
• Seconda fase: copia l'eseguibile in un contenitore snello.

Dopo aver seguito questi passaggi, avrai un'immagine compatibile con Arm oltre all'immagine compatibile con x86.

Il secondo passaggio di copia dell'eseguibile in un altro contenitore segue una delle best practice per la creazione di un contenitore, ovvero creare l'immagine più piccola possibile.

Questo tutorial utilizza un'applicazione di esempio creata con il linguaggio di programmazione Golang. Con Golang, puoi eseguire la compilazione incrociata di un'applicazione per diversi sistemi operativi e piattaforme CPU specificando le variabili di ambiente GOOS e GOARCH.

1. Esegui cat Dockerfile_arm per visualizzare il Dockerfile scritto per Arm:

   #
   # Build: 1st stage
   #
   FROM golang:1.18-alpine as builder 
   WORKDIR /app
   COPY go.mod .
   COPY hello.go .
   RUN GOARCH=arm64 go build -o /hello && \
      apk add --update --no-cache file && \
      file /hello
   

   Lo snippet mostrato qui mostra solo la prima fase. Nel file sono incluse entrambe le fasi.

   In questo file, l'impostazione GOARCH=arm64 indica al compilatore Go di compilare l'applicazione per l'insieme di istruzioni Arm. Non è necessario impostare GOOS perché l'immagine di base nella prima fase è un'immagine Linux Alpine.

2. Compila il codice per Arm ed eseguine il push su Artifact Registry:

   docker build -t us-central1-docker.pkg.dev/$PROJECT_ID/docker-repo/arm-hello:v0.0.1 -f Dockerfile_arm .
   docker push us-central1-docker.pkg.dev/$PROJECT_ID/docker-repo/arm-hello:v0.0.1
   

Esegui il deployment della versione ARM dell'applicazione

Ora che l'applicazione è stata creata per funzionare su nodi Arm, puoi eseguirne il deployment sui nodi Arm del tuo cluster.

1. Controlla add_arm_support.yaml eseguendo cat k8s/overlays/arm/add_arm_support.yaml:

   L'output è simile al seguente:

      nodeSelector:
         kubernetes.io/arch: arm64
   

   Questo nodeSelector specifica che il carico di lavoro deve essere eseguito solo sui nodi Arm. Quando utilizzi nodeSelector, GKE aggiunge una tolleranza che corrisponde al taint sui nodi ARM, consentendo a GKE di pianificare il carico di lavoro su questi nodi. Per scoprire di più su come impostare questo campo, consulta Preparare un workload Arm per il deployment.

2. Esegui il deployment di una replica della versione dell'applicazione compatibile con Arm:

   $(cd k8s/overlays/arm && kustomize edit set image hello=us-central1-docker.pkg.dev/$PROJECT_ID/docker-repo/arm-hello:v0.0.1) 
   kubectl apply -k k8s/overlays/arm
   

3. Attendi 5 secondi, quindi verifica che il deployment ARM risponda alle richieste curl:

   for i in $(seq 1 6); do curl -w '\n' http://$external_ip; done
   

   L'output è simile al seguente:

   Hello from NODE:gke-my-cluster-default-pool-32019863-b41t, POD:x86-hello-deployment-6b7b456dd5-n56rg, CPU PLATFORM:linux/amd64
   Hello from NODE:gke-my-cluster-default-pool-32019863-b41t, POD:x86-hello-deployment-6b7b456dd5-n56rg, CPU PLATFORM:linux/amd64
   Hello from NODE:gke-my-cluster-default-pool-32019863-b41t, POD:x86-hello-deployment-6b7b456dd5-mwfkd, CPU PLATFORM:linux/amd64
   Hello from NODE:gke-my-cluster-default-pool-32019863-b41t, POD:x86-hello-deployment-6b7b456dd5-mwfkd, CPU PLATFORM:linux/amd64
   Hello from NODE:gke-my-cluster-arm-pool-e172cff7-shwc, POD:arm-hello-deployment-69b4b6bdcc-n5l28, CPU PLATFORM:linux/arm64
   Hello from NODE:gke-my-cluster-default-pool-32019863-b41t, POD:x86-hello-deployment-6b7b456dd5-n56rg, CPU PLATFORM:linux/amd64
   

   Questo output deve includere le risposte sia delle applicazioni compatibili con x86 sia di quelle compatibili con Arm che rispondono alla richiesta curl.

Crea un'immagine multi-architettura per eseguire un carico di lavoro su più architetture

Sebbene tu possa utilizzare la strategia descritta nella sezione precedente ed eseguire il deployment di carichi di lavoro separati per x86 e Arm, questo richiederebbe di gestire e mantenere organizzate due procedure di compilazione e due immagini contenitore.

L'ideale sarebbe creare ed eseguire l'applicazione senza problemi su entrambe le piattaforme x86 e Arm. Ti consigliamo questo approccio. Per eseguire l'applicazione con un unico manifest su più piattaforme di architettura, devi utilizzare immagini multi-architettura (multi-arch). Per scoprire di più sulle immagini multi-architettura, consulta Creare immagini multi-architettura per i carichi di lavoro Arm.

Per utilizzare le immagini multi-architettura, devi assicurarti che la tua applicazione soddisfi i seguenti prerequisiti:

• L'applicazione non ha dipendenze specifiche della piattaforma dell'architettura.
• Tutte le dipendenze devono essere create per più architetture o, come minimo, per le piattaforme di destinazione.

L'applicazione di esempio utilizzata in questo tutorial soddisfa entrambi questi prerequisiti. Tuttavia, ti consigliamo di testare le tue applicazioni durante la creazione delle immagini multi-architettura prima di eseguirne il deployment in produzione.

Crea ed esegui il push di immagini multi-architettura

Puoi creare immagini multi-arch con Docker Buildx se il tuo workload soddisfa i seguenti prerequisiti:

• L'immagine di base supporta più architetture. Per verificare, esegui docker manifest inspect sull'immagine di base e controlla l'elenco delle piattaforme di architettura. Guarda un esempio di come ispezionare un'immagine alla fine di questa sezione.
• L'applicazione non richiede passaggi di compilazione speciali per ogni piattaforma di architettura. Se sono stati richiesti passaggi speciali, Buildx potrebbe non essere sufficiente. Devi avere un Dockerfile separato per ogni piattaforma e creare il manifest manualmente con docker manifest create.

L'immagine di base dell'applicazione di esempio è Alpine, che supporta più architetture. Inoltre, non sono presenti passaggi specifici per l'architettura della piattaforma, pertanto puoi compilare l'immagine multi-arch con Buildx.

1. Controlla il Dockerfile eseguendo cat Dockerfile:

   # This is a multi-stage Dockerfile. 
   # 1st stage builds the app in the target platform
   # 2nd stage create a lean image coping the binary from the 1st stage
   
   #
   # Build: 1st stage
   #
   FROM golang:1.18-alpine as builder 
   ARG BUILDPLATFORM    
   ARG TARGETPLATFORM
   RUN echo "I am running on $BUILDPLATFORM, building for $TARGETPLATFORM"  
   WORKDIR /app
   COPY go.mod .
   COPY hello.go .
   RUN go build -o /hello && \
      apk add --update --no-cache file && \
      file /hello   
   
   #
   # Release: 2nd stage
   #
   FROM alpine
   WORKDIR /
   COPY --from=builder /hello /hello
   CMD [ "/hello" ]
   

   Questo Dockerfile definisce due fasi: la fase di compilazione e la fase di rilascio. Devi utilizzare lo stesso Dockerfile utilizzato per la compilazione dell'applicazione x86.

2. Esegui il comando seguente per creare e utilizzare un nuovo compilatore docker buildx:

   docker buildx create --name multiarch --use --bootstrap
   

   Ora che hai creato questo nuovo generatore, puoi creare e inviare un'immagine compatibile sia con linux/amd64 che con linux/arm64 utilizzando il flag --platform. Per ogni piattaforma fornita con il flag, Buildx crea un'immagine nella piattaforma di destinazione. Quando Buildx crea l'immagine linux/arm64, scarica le immagini di base arm64. Nella prima fase, viene creato il file binario sull'immagine arm64 golang:1.18-alpine per arm64. Nella seconda fase, viene scaricata l'immaginearm64 Alpine Linux e il file binario viene copiato in un livello di quell'immagine.

3. Crea ed esegui il push dell'immagine:

   docker buildx build -t us-central1-docker.pkg.dev/$PROJECT_ID/docker-repo/multiarch-hello:v0.0.1 -f Dockerfile --platform linux/amd64,linux/arm64 --push .
   

   L'output è simile al seguente:

   => [linux/arm64 builder x/x] ..
   => [linux/amd64 builder x/x] ..
   

   Questo output mostra che vengono generate due immagini, una per linux/arm64 e una per linux/amd64.

4. Controlla il manifest della nuova immagine multi-architettura:

   docker manifest inspect us-central1-docker.pkg.dev/$PROJECT_ID/docker-repo/multiarch-hello:v0.0.1
   

   L'output è simile al seguente:

   {
      "schemaVersion": 2,
      "mediaType": "application/vnd.docker.distribution.manifest.list.v2+json",
      "manifests": [
         {
            "mediaType": "application/vnd.docker.distribution.manifest.v2+json",
            "size": 739,
            "digest": "sha256:dfcf8febd94d61809bca8313850a5af9113ad7d4741edec1362099c9b7d423fc",
            "platform": {
               "architecture": "amd64",
               "os": "linux"
            }
         },
         {
            "mediaType": "application/vnd.docker.distribution.manifest.v2+json",
            "size": 739,
            "digest": "sha256:90b637d85a93c3dc03fc7a97d1fd640013c3f98c7c362d1156560bbd01f6a419",
            "platform": {
               "architecture": "arm64",
               "os": "linux"
            }
         }
      ]
   

   In questo output, la sezione manifests include due manifest, uno con l'architettura della piattaforma amd64 e l'altro con l'architettura della piattaforma arm64.

   Quando esegui il deployment di questa immagine container nel tuo cluster, GKE scarica automaticamente solo l'immagine che corrisponde all'architettura del nodo.

Esegui il deployment della versione multi-architettura dell'applicazione

1. Prima di eseguire il deployment dell'immagine multi-architettura, elimina i workload originali:

   kubectl delete deploy x86-hello-deployment arm-hello-deployment
   

2. Controlla l'overlay kustomize add_multiarch_support.yaml eseguendo cat k8s/overlays/multiarch/add_multiarch_support.yaml:

   L'output include il seguente insieme di tolleranze:

      tolerations:
         - key: kubernetes.io/arch
            operator: Equal
            value: arm64
            effect: NoSchedule
   

   Questa tolleranza consente l'esecuzione del carico di lavoro sui nodi Arm del cluster, poiché corrisponde al taint impostato su tutti i nodi Arm. Poiché questo carico di lavoro ora può essere eseguito su qualsiasi nodo del cluster, è necessaria solo la tolleranza. Con solo la tolleranza, GKE può pianificare il carico di lavoro sia sui nodi x86 sia su quelli Arm. Se vuoi specificare dove GKE può pianificare i workload, utilizza i selettori di nodi e le regole di affinità dei nodi. Per scoprire di più su come impostare questi campi, consulta Prepara un workload Arm per il deployment.

3. Esegui il deployment dell'immagine container multi-arch con 6 repliche:

   $(cd k8s/overlays/multiarch && kustomize edit set image hello=us-central1-docker.pkg.dev/$PROJECT_ID/docker-repo/multiarch-hello:v0.0.1) 
   kubectl apply -k k8s/overlays/multiarch
   

4. Attendi 10 secondi, quindi verifica che tutte le repliche dell'applicazione siano in esecuzione:

   kubectl get pods -l="app=hello" -o wide
   

   L'output è simile al seguente:

   NAME                                         READY   STATUS    RESTARTS   AGE   IP            NODE                                        NOMINATED NODE   READINESS GATES
   multiarch-hello-deployment-65bfd784d-5xrrr   1/1     Running   0          95s   10.100.1.5    gke-my-cluster-arm-pool-e172cff7-shwc       <none>           <none>
   multiarch-hello-deployment-65bfd784d-7h94b   1/1     Running   0          95s   10.100.1.4    gke-my-cluster-arm-pool-e172cff7-shwc       <none>           <none>
   multiarch-hello-deployment-65bfd784d-7qbkz   1/1     Running   0          95s   10.100.1.7    gke-my-cluster-arm-pool-e172cff7-shwc       <none>           <none>
   multiarch-hello-deployment-65bfd784d-7wqb6   1/1     Running   0          95s   10.100.1.6    gke-my-cluster-arm-pool-e172cff7-shwc       <none>           <none>
   multiarch-hello-deployment-65bfd784d-h2g2k   1/1     Running   0          95s   10.100.0.19   gke-my-cluster-default-pool-32019863-b41t   <none>           <none>
   multiarch-hello-deployment-65bfd784d-lc9dc   1/1     Running   0          95s   10.100.0.18   gke-my-cluster-default-pool-32019863-b41t   <none>           <none>
   

   Questo output include una colonna NODE che indica che i pod sono in esecuzione su entrambi i nodi del pool di nodi Arm e su altri nel pool di nodi predefinito (x86).

5. Esegui questo comando per accedere al servizio e visualizzare l'output:

   for i in $(seq 1 6); do curl -w '\n' http://$external_ip; done
   

   L'output è simile al seguente:

   Hello from NODE:gke-my-cluster-arm-pool-e172cff7-shwc, POD:multiarch-hello-deployment-65bfd784d-7qbkz, CPU PLATFORM:linux/arm64
   Hello from NODE:gke-my-cluster-default-pool-32019863-b41t, POD:multiarch-hello-deployment-65bfd784d-lc9dc, CPU PLATFORM:linux/amd64
   Hello from NODE:gke-my-cluster-arm-pool-e172cff7-shwc, POD:multiarch-hello-deployment-65bfd784d-5xrrr, CPU PLATFORM:linux/arm64
   Hello from NODE:gke-my-cluster-arm-pool-e172cff7-shwc, POD:multiarch-hello-deployment-65bfd784d-7wqb6, CPU PLATFORM:linux/arm64
   Hello from NODE:gke-my-cluster-arm-pool-e172cff7-shwc, POD:multiarch-hello-deployment-65bfd784d-7h94b, CPU PLATFORM:linux/arm64
   Hello from NODE:gke-my-cluster-arm-pool-e172cff7-shwc, POD:multiarch-hello-deployment-65bfd784d-7wqb6, CPU PLATFORM:linux/arm64
   

   Dovresti vedere che i pod in esecuzione sulle piattaforme di architettura rispondono alle richieste.

   Nota: è possibile che tu esegua questo comando e riceva solo risposte dai pod in esecuzione su una piattaforma di architettura. In questo caso, esegui il comando un'altra volta o due e dovresti ricevere risposte da entrambe le piattaforme di architettura.

Hai creato e implementato un'immagine multi-arch per eseguire senza problemi un carico di lavoro su più architetture.

Esegui la pulizia

Per evitare che al tuo account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questo tutorial, elimina il progetto che contiene le risorse oppure mantieni il progetto ed elimina le singole risorse.

Al termine del tutorial, puoi eliminare le risorse che hai creato per ridurre l'utilizzo della quota e interrompere gli addebiti. Le seguenti sezioni descrivono come eliminare o disattivare queste risorse.

Elimina il progetto

Il modo più semplice per eliminare la fatturazione è eliminare il progetto che hai creato per il tutorial.

Per eliminare il progetto:

Attenzione: l'eliminazione di un progetto ha i seguenti effetti:

• L'intero contenuto del progetto viene eliminato. Se hai utilizzato un progetto esistente per le attività descritte in questo documento, quando lo elimini elimini anche tutto il lavoro svolto nel progetto.
• Gli ID progetto personalizzati non sono più disponibili. Quando hai creato questo progetto, potresti aver creato un ID progetto personalizzato che vuoi utilizzare in futuro. Per conservare gli URL che utilizzano l'ID progetto, ad esempio un appspot.com URL, elimina le risorse selezionate all'interno del progetto anziché eliminare l'intero progetto.

Se intendi esplorare più architetture, tutorial o guide rapide, il riuso dei progetti può aiutarti a non superare i limiti di quota.

1. In the Google Cloud console, go to the Manage resources page.

   Go to Manage resources

2. In the project list, select the project that you want to delete, and then click Delete.
3. In the dialog, type the project ID, and then click Shut down to delete the project.

Elimina il servizio, il cluster e il repository

Se non vuoi eliminare l'intero progetto, elimina il cluster e il repository che hai creato per il tutorial:

1. Elimina il servizio dell'applicazione eseguendo kubectl delete:

   kubectl delete service hello-service
   

   Questo comando elimina il bilanciatore del carico Compute Engine che hai creato quando hai esposto il deployment.

2. Elimina il cluster eseguendo gcloud container clusters delete:

   gcloud container clusters delete $CLUSTER_NAME --zone $ZONE
   

3. Elimina il repository:

   gcloud artifacts repositories delete docker-repo —location=us-central1 --async
   

Passaggi successivi

• Carichi di lavoro Arm su GKE
• Creare cluster e pool di nodi con nodi Arm
• Creare immagini multi-architettura per i workload Arm
• Prepara un workload Arm per il deployment
• Preparare i workload Autopilot sull'architettura Arm
• Best practice per l'esecuzione di applicazioni Kubernetes con ottimizzazione dei costi su GKE
• Esplora architetture di riferimento, diagrammi e best practice su Google Cloud. Consulta il nostro Cloud Architecture Center.