Informazioni sulle ComputeClass integrate in GKE

Questa pagina descrive le ComputeClass che Google Kubernetes Engine (GKE) installa nei cluster. Scopri il nome, la disponibilità e la configurazione dei nodi di ogni ComputeClass integrata. Questa pagina è destinata agli ingegneri della piattaforma e agli operatori di app che vogliono fare una scelta informata su quali ComputeClass sono disponibili e quale classe è ottimale per workload specifici.

Dovresti già avere familiarità con ComputeClasses.

Panoramica delle ComputeClass integrate

Molti workload GKE sono workload generici che non richiedono hardware specializzato, come server web o job batch su piccola scala. Per questi workload, la priorità è spesso ridurre l'overhead associato alla gestione manuale dell'infrastruttura dei nodi e alla configurazione della scalabilità automatica.

GKE dispone di varie ComputeClass integrate per casi d'uso come l'esecuzione di workload Autopilot in cluster standard o il posizionamento di workload generici a tolleranza di errore su VM spot. Utilizza una ComputeClass integrata per i workload che non richiedono hardware specifico (come le GPU) o impostazioni dei nodi specifiche (come i flag sysctl di Linux). Se i tuoi workload richiedono hardware più specializzato, utilizza una ComputeClass personalizzata.

ComputeClass integrate disponibili in GKE

La tabella seguente descrive le ComputeClass integrate disponibili in GKE:

Per visualizzare le specifiche di queste ComputeClass integrate, utilizza il comando kubectl get:

kubectl get computeclass COMPUTECLASS_NAME -o yaml

Prezzi

La fatturazione di Autopilot è diversa a seconda della ComputeClass richiesta dai pod. Per ulteriori informazioni, consulta la pagina Prezzi di Google Kubernetes Engine.

Selezione della ComputeClass integrata nei workload

Per selezionare una ComputeClass integrata o personalizzata quando esegui il deployment di un workload GKE, seleziona l'etichetta cloud.google.com/compute-class nel manifest del workload, come nell'esempio seguente:

apiVersion: apps/v1
kind: Deployment
metadata:
  name: helloweb
  labels:
    app: hello
spec:
  selector:
    matchLabels:
      app: hello
  template:
    metadata:
      labels:
        app: hello
    spec:
      nodeSelector:
        # Replace with the name of a compute class
        cloud.google.com/compute-class: COMPUTE_CLASS 
      containers:
      - name: hello-app
        image: us-docker.pkg.dev/google-samples/containers/gke/hello-app:1.0
        ports:
        - containerPort: 8080
        resources:
          requests:
            cpu: "250m"
            memory: "1Gi"

In questo esempio, COMPUTE_CLASS è il nome di una classe di calcolo. Non puoi selezionare più di una ComputeClass in un workload specifico.

Quando esegui il deployment di un workload che seleziona una ComputeClass, GKE utilizza le proprietà di questa ComputeClass per creare nuovi nodi per l'esecuzione dei pod. Ad esempio, se selezioni la ComputeClass integrata autopilot in un workload, GKE esegue questi pod in modalità Autopilot.

Applicazione predefinita delle ComputeClass integrate

Puoi impostare qualsiasi ComputeClass in un cluster come ComputeClass predefinita per uno spazio dei nomi specifico o per un intero cluster. GKE applica questa ComputeClass a tutti i pod che non selezionano esplicitamente una ComputeClass diversa. Per impostare una ComputeClass integrata come predefinita, esegui una delle seguenti operazioni:

• Per impostare la ComputeClass come predefinita dello spazio dei nomi, aggiungi un'etichetta per la ComputeClass allo spazio dei nomi.
• Per impostare la ComputeClass come predefinita a livello di cluster, crea una nuova ComputeClass denominata default e che abbia le stesse regole di priorità della ComputeClass integrata.

Per ulteriori informazioni sull'impostazione di una ComputeClass come predefinita per uno spazio dei nomi o un cluster, consulta Applicare le ComputeClass ai pod per impostazione predefinita.

Ad esempio, considera un cluster standard che esegue molti pod generici, come server web o job batch di piccole dimensioni. Se imposti una ComputeClass che imita la ComputeClass integrata autopilot come predefinita per il cluster, questi workload generici vengono eseguiti sulla piattaforma di calcolo ottimizzata per i container Autopilot senza modifiche alle specifiche del workload. I workload che richiedono hardware diverso possono aggiungere un selettore per una ComputeClass specifica.

Passaggi successivi

• Leggi la definizione della risorsa personalizzata ComputeClass