Scegliere le classi di computing per i pod Autopilot

Questo documento mostra come selezionare classi di computing specifiche per eseguire carichi di lavoro con requisiti hardware unici nei cluster Google Kubernetes Engine (GKE) Autopilot. Prima di leggere questo documento, assicurati di conoscere il concetto di classi di computing in GKE Autopilot.

Panoramica delle classi di computing Autopilot

Autopilot offre classi di computing progettate per eseguire carichi di lavoro con requisiti hardware specifici. Queste classi di computing sono utili per carichi di lavoro come attività di machine learning e AI o per l'esecuzione di database in tempo reale con traffico elevato.

Queste classi di computing sono un sottoinsieme delle serie di macchine Compute Engine e offrono flessibilità oltre alla classe di computing per uso generico Autopilot predefinita. Ad esempio, la classe Scale-Out disattiva il multi-threading simultaneo in modo che ogni vCPU sia un core fisico.

In base alle esigenze dei singoli pod, puoi configurare i pod Autopilot normali o i pod Spot per richiedere nodi supportati da queste classi di computing. Puoi anche richiedere un'architettura CPU specifica, ad esempio Arm, nelle classi di computing che la supportano.

Prima di iniziare

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

  • Abilita l'API Google Kubernetes Engine.
    • Abilita l'API Google Kubernetes Engine
  • Per utilizzare Google Cloud CLI per questa attività, installala e poi inizializza gcloud CLI. Se hai già installato gcloud CLI, scarica l'ultima versione eseguendo il gcloud components update comando. Le versioni precedenti di gcloud CLI potrebbero non supportare l'esecuzione dei comandi in questo documento.

Richiedere una classe di computing nel pod Autopilot

Per indicare ad Autopilot di inserire i pod in una classe di computing specifica, specifica l'etichetta cloud.google.com/compute-class in un nodeSelector o in una regola di affinità dei nodi, come negli esempi seguenti:

nodeSelector

    apiVersion: apps/v1
    kind: Deployment
    metadata:
      name: hello-app
    spec:
      replicas: 3
      selector:
        matchLabels:
          app: hello-app
      template:
        metadata:
          labels:
            app: hello-app
        spec:
          nodeSelector:
            cloud.google.com/compute-class: "COMPUTE_CLASS"
          containers:
          - name: hello-app
            image: us-docker.pkg.dev/google-samples/containers/gke/hello-app:1.0
            resources:
              requests:
                cpu: "2000m"
                memory: "2Gi"

Sostituisci COMPUTE_CLASS con il nome della classe di computing in base al tuo caso d'uso, ad esempio Scale-Out. Se selezioni Performance, puoi facoltativamente selezionare una serie di macchine Compute Engine nel selettore di nodi. Se non specifichi una serie di macchine, GKE utilizza la serie di macchine C4 a seconda della disponibilità regionale. Per istruzioni, consulta Eseguire carichi di lavoro che richiedono un utilizzo intensivo della CPU con prestazioni ottimali.

nodeAffinity

    apiVersion: apps/v1
    kind: Deployment
    metadata:
      name: hello-app
    spec:
      replicas: 3
      selector:
        matchLabels:
          app: hello-app
      template:
        metadata:
          labels:
            app: hello-app
        spec:
          terminationGracePeriodSeconds: 25
          containers:
          - name: hello-app
            image: us-docker.pkg.dev/google-samples/containers/gke/hello-app:1.0
            resources:
              requests:
                cpu: "2000m"
                memory: "2Gi"
                ephemeral-storage: "1Gi"
          affinity:
            nodeAffinity:
              requiredDuringSchedulingIgnoredDuringExecution:
                nodeSelectorTerms:
                - matchExpressions:
                  - key: cloud.google.com/compute-class
                    operator: In
                    values:
                    - "COMPUTE_CLASS"

Sostituisci COMPUTE_CLASS con il nome della classe di computing in base al tuo caso d'uso, ad esempio Scale-Out. Se selezioni Performance, puoi facoltativamente selezionare una serie di macchine Compute Engine nel selettore di nodi. Se non specifichi una serie di macchine, GKE utilizza la serie di macchine C4 a seconda della disponibilità regionale. Per istruzioni, consulta Eseguire carichi di lavoro che richiedono un utilizzo intensivo della CPU con prestazioni ottimali.

Puoi anche richiedere classi di computing specifiche per i pod Spot.

Specificare le richieste di risorse

Quando scegli una classe di computing, assicurati di specificare le richieste di risorse per i pod in base alle richieste di risorse minime e massime per la classe selezionata. Se le richieste sono inferiori al minimo, Autopilot le aumenta automaticamente. Tuttavia, se le richieste sono superiori al massimo, Autopilot non esegue il deployment dei pod e visualizza un messaggio di errore.

Scegliere un'architettura CPU

Alcune classi di computing supportano più architetture CPU. Ad esempio, la classe Scale-Out supporta le architetture Arm e x86. Se non richiedi un'architettura specifica, Autopilot esegue il provisioning dei nodi con l'architettura predefinita della classe di computing specificata. Se i pod devono utilizzare un'architettura diversa, richiedila nella regola di affinità dei nodi o nel selettore di nodi, insieme alla richiesta della classe di computing. La classe di computing richiesta deve supportare l'architettura CPU specificata.

Per istruzioni, consulta Eseguire il deployment di pod Autopilot su architettura Arm.

Passaggi successivi