„Google Kubernetes Engine“ (GKE) siūlo įvairius automatinio mastelio keitimo tipus tiek darbo krūviams, tiek infrastruktūrai. Šie automatinio mastelio keitimo mechanizmai leidžia efektyviai panaudoti išteklius, užtikrinant, kad GKE veikiančios programos galėtų susidoroti su įvairiais darbo krūviais be rankinio įsikišimo. Šiame atsakyme išnagrinėsime įvairius GKE teikiamus automatinio mastelio keitimo tipus ir jų veikimą.
1. Horizontaliosios angos automatinis skaleris (HPA):
Horizontaliojo skydelio automatinis mastelio keitiklis koreguoja kopijų (pod) skaičių diegime arba kopijų rinkinyje, atsižvelgdamas į stebimą procesoriaus naudojimą arba tinkintą metriką. Jis padidina arba sumažina modulių skaičių, kad išlaikytų pageidaujamą vidutinį procesoriaus panaudojimą visuose moduliuose. Pavyzdžiui, jei procesoriaus panaudojimas viršija tikslinę slenkstį, HPA padidins blokų skaičių, kad paskirstytų darbo krūvį. Ir atvirkščiai, jei procesoriaus panaudojimas yra mažesnis už tikslinę slenkstį, HPA sumažins ankščių skaičių.
Štai HPA konfigūracijos pavyzdys:
apiVersion: autoscaling/v2beta2 kind: HorizontalPodAutoscaler metadata: name: my-hpa spec: scaleTargetRef: apiVersion: apps/v1 kind: Deployment name: my-deployment minReplicas: 2 maxReplicas: 10 metrics: - type: Resource resource: name: cpu targetAverageUtilization: 50
2. Klasterio automatinis mastelis:
Cluster Autoscaler automatiškai koreguoja GKE klasterio dydį pridėdamas arba pašalindamas mazgus pagal išteklių poreikį. Jis stebi klasterio išteklių panaudojimą ir atitinkamai keičia mazgų skaičių. Jei dėl nepakankamų išteklių yra laukiančių grupių, „Cluster Autoscaler“ pridės naujų mazgų. Ir atvirkščiai, jei yra neveikiančių mazgų, jie bus pašalinti, kad būtų sutaupytos išlaidos.
Cluster Autoscaler galima įjungti kuriant grupę arba pridėti prie esamos grupės. Jis integruojamas su GKE klasterio automatinio mastelio valdikliu, kuris valdo mazgų gyvavimo ciklą.
3. Automatinis mazgo aprūpinimas:
Automatinis mazgų aprūpinimas yra išplėstinė funkcija, leidžianti GKE automatiškai kurti ir valdyti mazgų telkinius pagal darbo krūvio išteklių reikalavimus. Jis naudoja Cluster Autoscaler ir Vertical Pod Autoscaler, kad optimizuotų išteklių paskirstymą. Mazgo automatinis aprūpinimas užtikrina, kad klasteris turėtų reikiamą skaičiavimo išteklių kiekį darbo krūviui tvarkyti, pagerindamas išteklių panaudojimą ir sumažindamas išlaidas.
Mazgo automatinis aprūpinimas naudoja mazgų šablonus, kad nustatytų telkinio mazgų savybes. Šiuos šablonus galima pritaikyti pagal konkrečius mašinų tipus, etiketes ir nešvarumus, kad atitiktų skirtingų darbo krūvių reikalavimus.
GKE siūlo tris automatinio mastelio keitimo tipus: Horizontal Pod Autoscaler (HPA), skirtą podelių skaičiui reguliuoti, Cluster Autoscaler, skirtą klasterio dydžiui keisti, ir Node Auto Provisioning, skirtą mazgų telkiniams valdyti. Šie automatinio mastelio keitimo mechanizmai leidžia GKE efektyviai paskirstyti išteklius pagal darbo krūvio poreikius, užtikrinant optimalų našumą ir ekonomiškumą.
Kiti naujausi klausimai ir atsakymai apie EITC/CL/GCP „Google Cloud Platform“:
- Kiek GSP naudinga kuriant tinklalapius ar programas, diegiant ir priegloboje?
- Kaip apskaičiuoti potinklio IP adresų diapazoną?
- Kuo skiriasi „Cloud AutoML“ ir „Cloud AI Platform“?
- Kuo skiriasi „Big Table“ ir „BigQuery“?
- Kaip sukonfigūruoti apkrovos balansavimą GCP, kad būtų galima naudoti kelis pagrindinius žiniatinklio serverius su „WordPress“, užtikrinant, kad duomenų bazė yra nuosekli daugelyje „WordPress“ egzempliorių (žiniatinklio serverių)?
- Ar prasminga diegti apkrovos balansavimą, kai naudojamas tik vienas vidinis žiniatinklio serveris?
- Jei „Cloud Shell“ pateikia iš anksto sukonfigūruotą apvalkalą su „Cloud SDK“ ir jam nereikia vietinių išteklių, koks pranašumas naudojant vietinį „Cloud SDK“ diegimą, o ne „Cloud Shell“ naudojant „Cloud Console“?
- Ar yra „Android“ mobilioji programa, kurią galima naudoti „Google Cloud Platform“ tvarkymui?
- Kokie yra „Google Cloud Platform“ valdymo būdai?
- Kas yra debesų kompiuterija?
Peržiūrėkite daugiau klausimų ir atsakymų EITC/CL/GCP Google Cloud Platform