Optymalizowanie użycia i kosztów usługi Azure Kubernetes Service (AKS)

W tym artykule opisano praktyczne sposoby optymalizowania użycia i kosztów Azure Kubernetes Service (AKS) w zakresie skalowania, określania rozmiaru infrastruktury, użycia procesora GPU, wielodostępności i rabatów Azure.

W przypadku większości obciążeń produkcyjnych usługa AKS Automatic jest zalecanym punktem wyjścia, ponieważ wykorzystuje domyślne ustawienia gotowe do użycia w środowisku produkcyjnym, automatyzuje kluczowe operacje i pomaga ograniczyć nadmierną aprowizację. Usługa AKS Standard pozostaje właściwym wyborem, gdy potrzebujesz bardziej szczegółowego dostosowywania platformy.

Ten artykuł dotyczy:

Wybieranie punktu odniesienia optymalizacji

Zacznij od wybrania trybu klastra usługi AKS zgodnego z modelem kosztów i operacji.

Scenario Zalecany tryb klastra Dlaczego
Większość obciążeń produkcyjnych, w których potrzebujesz silnej wydajności kosztowej z niższym obciążeniem operacyjnym Automatyczne usługi AKS Wstępnie skonfigurowane wartości domyślne gotowe do produkcji, operacje zarządzane i wydajna alokacja zasobów pomagają zmniejszyć straty i czas spędzony na dostrajaniu platformy.
Obciążenia wymagające rozbudowanej niestandardowej konfiguracji klastra, specjalistycznych dodatków lub ścisłej kontroli nad platformą AKS Standard Pełna kontrola nad konfiguracją klastra i modelem operacyjnym.
Zespoły na wczesnym etapie dojrzałości operacyjnej Kubernetes, koncentrujące się na szybkim i przewidywalnym wdrażaniu Automatyczne usługi AKS Zmniejsza złożoność zarządzania platformą, dzięki czemu zespoły mogą skupić się na aplikacjach.
Zespoły z ustalonymi procesami inżynieryjnymi platformy i określonymi standardami architektury AKS Standard Obsługuje zaawansowane dostosowania i niestandardowe wzorce operacyjne.

Aby uzyskać więcej informacji, zobacz Czym jest usługa Azure Kubernetes Service (AKS) Automatic?

Korzyści kosztowe usługi AKS Automatic

Usługa AKS Automatic zmniejsza koszty na dwa sposoby: minimalizuje straty obliczeniowe dzięki automatyzacji i zmniejsza obciążenie operacyjne związane z uruchamianiem platformy Kubernetes. W poniższej tabeli podsumowano funkcje, które mają bezpośredni wpływ na koszty i sposób ich porównywania z usługą AKS Standard.

Wstępnie skonfigurowane funkcje są zawsze włączone i nie można ich zmieniać. Funkcje domyślne są konfigurowane, ale można je dostosować. Funkcje opcjonalne są dostępne do skonfigurowania i nie są domyślnie włączone.

Funkcja Automatyczne usługi AKS AKS Standard Wpływ na koszty
Automatyczne aprowizowanie węzłów (NAP) Wstępnie skonfigurowane Fakultatywny Automatycznie udostępnia węzły o odpowiedniej wielkości dla zasobników oczekujących na uruchomienie, zmniejszając ilość niewykorzystanych i nadmiarowo przydzielonych zasobów.
Automatyczny poziomy skalowalnik zasobników (HPA) Wstępnie skonfigurowane Fakultatywny Skaluje pody tak, aby odpowiadały zapotrzebowaniu bez ręcznej ingerencji, zapobiegając marnowaniu zasobów przy małym ruchu.
Narzędzie do automatycznego skalowania opartego na zdarzeniach platformy Kubernetes (KEDA) Wstępnie skonfigurowane Fakultatywny Skalowanie sterowane zdarzeniami eliminuje bezczynne repliki oczekujące na pracę.
Autoskalator pionowych zasobników (VPA) Wstępnie skonfigurowane Fakultatywny Automatycznie dostosowuje żądania zasobów i limity podów na podstawie ich rzeczywistego wykorzystania w czasie.
Wydajność pakowania zasobnika Wstępnie skonfigurowane Ręczne dostrajanie Pody są efektywnie rozmieszczane tak, aby zmaksymalizować wykorzystanie zasobów węzłów i zmniejszyć łączną liczbę potrzebnych węzłów.
Zarządzane rozwiązanie Prometheus + Container Insights Wartość domyślna Fakultatywny Zapewnia natychmiastową widoczność kosztów od pierwszego dnia bez konieczności konfigurowania możliwości obserwacji.
Automatyczne uaktualnienia systemu operacyjnego klastra i węzła Wstępnie skonfigurowane Ręczne lub opcjonalne Eliminuje nakład pracy zespołu inżynieryjnego związany z aktualizacjami i zmniejsza ryzyko kosztownych incydentów bezpieczeństwa wynikających z niezałatanych węzłów.
Automatyczna naprawa węzła Wstępnie skonfigurowane Wstępnie skonfigurowane Zmniejsza koszty przestojów spowodowanych przez niesprawne węzły bez ręcznej interwencji.
W pełni zarządzana grupa zasobów węzła Wstępnie skonfigurowane Opcjonalna blokada Zapobiega przypadkowym lub nieautoryzowanym modyfikacjom zasobów, które mogą generować nieoczekiwane koszty.
SLA dostępności (99,95% dla serwera API) Uwzględniane Płatne (przejście na plan Standard) Brak dodatkowych kosztów uzyskania finansowej gwarancji czasu pracy.
SLA gotowości podów (99,9% w ciągu 5 min) Uwzględniane Niedostępne Przewidywalna skalowalność bez konieczności inwestowania we własne mechanizmy niezawodności.

Uwaga / Notatka

Ponieważ narzędzia skalowania, takie jak HPA, KEDA i VPA, są wstępnie skonfigurowane w usłudze AKS Automatic, zespoły nie generują kosztów konfiguracji, testowania i konserwacji samych tych funkcji. W usłudze AKS Standard każda z tych funkcji wymaga ręcznej konfiguracji i ciągłego dostrajania.

Automatyczne skalowanie

Automatyczne skalowanie podów w poziomie

Narzędzie Horizontal Pod Autoscaler (HPA) monitoruje zapotrzebowanie na zasoby i automatycznie aktualizuje zasób obciążenia, aby skalować liczbę zasobników zgodnie z zapotrzebowaniem. Odpowiedź na zwiększone obciążenie polega na wdrożeniu większej liczby podów. Jeśli obciążenie się zmniejszy i liczba podów jest wyższa od skonfigurowanego minimum, autoskaler informuje zasób roboczy o skalowaniu w dół.

Interfejs API metryk pobiera dane z kubeleta co 60 sekund, a mechanizm HPA sprawdza interfejs API metryk co 15 sekund pod kątem wszelkich wymaganych zmian domyślnie. Oznacza to, że HPA odświeża się co 60 sekund. Podczas konfigurowania HPA dla wdrożenia należy zdefiniować minimalną i maksymalną liczbę replik, które mogą działać, oraz metryki używane przez HPA do określenia, kiedy skalować.

Wskazówka

W AKS Automatic mechanizm HPA jest wstępnie skonfigurowany i gotowy do użycia bez dodatkowej konfiguracji. W usłudze AKS Standard mechanizm HPA konfiguruje się ręcznie dla każdego obciążenia roboczego.

Aby uzyskać więcej informacji, zobacz Horizontal Pod Autoscaling oraz Autoskalowanie zasobników w usłudze AKS.

Kubernetes: automatyczne skalowanie oparte na zdarzeniach

Narzędzie Kubernetes Event-driven Autoscaler (KEDA) umożliwia automatyczne skalowanie obciążeń na podstawie zdarzeń. KEDA współpracuje z HPA i może rozszerzać funkcjonalność bez zastępowania lub duplikowania.

Wskazówka

W usłudze AKS Automatic usługa KEDA jest wstępnie skonfigurowana i włączona w klastrze. W usłudze AKS Standard zainstalujesz i skonfigurujesz ręcznie dodatek KEDA.

Możesz użyć dodatku KEDA dla usługi AKS, aby skalować aplikacje i korzystać z bogatego katalogu skalowania usługi Azure KEDA. Aby uzyskać więcej informacji, zobacz Autoskalowanie aplikacji za pomocą dodatku KEDA i Instalowanie dodatku KEDA dla usługi AKS.

Automatyczne skalowanie pionowe podów

Vertical Pod Autoscaler (VPA) automatycznie ustawia wartości żądań zasobów i limitów dla kontenerów dla każdego obciążenia na podstawie wcześniejszego wykorzystania. VPA zwalnia zasoby CPU i pamięć dla podów, aby zapewnić efektywne wykorzystanie klastrów AKS. Z czasem VPA przedstawia zalecenia dotyczące użycia zasobów.

Wskazówka

W usłudze AKS Automatic usługa VPA jest wstępnie skonfigurowana i włączona w klastrze. W usłudze AKS Standard włączysz i skonfigurujesz usługę VPA ręcznie.

Aby uzyskać więcej informacji, zobacz Pionowe autoskalowanie zasobników w usłudze Azure Kubernetes Service (AKS) i Używanie narzędzia Vertical Pod Autoscaler (VPA) w usłudze Azure Kubernetes Service (AKS).

Optymalizacja rozmiaru klastra

Dopasuj rozmiar klastra

Określ odpowiedni rozmiar klastrów, aby zoptymalizować koszty i wydajność. Ręczne zmienianie rozmiaru klastra przez dodanie lub usunięcie węzłów w celu spełnienia wymagań aplikacji. Możesz również automatycznie skalować klaster, aby automatycznie dostosować liczbę węzłów w odpowiedzi na zmieniające się wymagania.

Wskazówka

Usługa AKS Automatic domyślnie włącza zarządzane rozwiązania Prometheus i Container Insights, dzięki czemu natychmiast uzyskujesz wgląd w wykorzystanie zasobów od pierwszego dnia. W usłudze AKS Standard skonfigurujesz możliwość obserwowania oddzielnie. Wczesny wgląd pozwala reagować na sygnały nadmiarowego przydzielania zasobów, zanim przerodzą się one w trwałe marnotrawstwo.

Aby uzyskać więcej informacji, zobacz Zmienianie rozmiaru klastrów usługi Azure Kubernetes Service (AKS).

Skalowanie automatyczne klastra

Korzystając z narzędzia do automatycznego skalowania klastra, można automatycznie skalować pule węzłów na podstawie użycia zasobów i ograniczeń. Na przykład przeprowadź skalowanie w górę, aby zaplanować oczekujące zasobniki lub skalować w dół, aby zmniejszyć koszty nieużywanych węzłów. Profil narzędzia do automatycznego skalowania klastra to zestaw parametrów, które można dostroić w celu kontrolowania zachowania narzędzia do automatycznego skalowania klastra.

Aby uzyskać więcej informacji, zobacz Temat Skalowanie automatyczne klastra w usłudze Azure Kubernetes Service (AKS) — omówienie i Używanie narzędzia do automatycznego skalowania klastra w usłudze Azure Kubernetes Service (AKS).

Automatyczne provisionowanie węzłów

Automatyczne aprowizowanie węzłów (NAP), oparte na Karpenter, aprowizuje infrastrukturę o odpowiednim rozmiarze dla oczekujących zasobników i zwiększa wydajność pakowania pojemników.

  • W usłudze AKS Automatic automatyczne aprowizowanie węzłów jest częścią zarządzanego środowiska.
  • W standardowej wersji AKS automatyczne aprowizowanie węzłów jest dostępne, jeśli potrzebujesz tej funkcji w niestandardowym modelu klastra.

Aby uzyskać więcej informacji, zobacz Automatyczne aprowizowanie węzłów w Azure Kubernetes Service (AKS).

Optymalizacje procesora GPU

Partycjonowanie i udostępnianie procesora GPU

Partycjonowanie GPU pomaga w zwalczaniu niewykorzystania zasobów, dzieląc lub udostępniając GPU w różnych obciążeniach. W poniższych sekcjach opisano różne sposoby partycjonowania i udostępniania procesorów GPU w usłudze AKS.

Fragmentowanie czasu

GPU Operator firmy NVIDIA umożliwia podział czasu pracy GPU w klastrach Kubernetes. Stosując podział czasu, administrator systemu może zdefiniować zestaw replik dla GPU, z których każdą może niezależnie przydzielić do poda w celu uruchamiania obciążeń roboczych. Możesz zastosować domyślne konfiguracje podziału czasu dla całego klastra oraz konfiguracje specyficzne dla węzła.

Zrzut ekranu przedstawiający przykład wykresu wizualnego pokazujący przydzielanie czasu pracy procesora GPU.

Aby uzyskać więcej informacji, zobacz Time-slicing GPU in Kubernetes (Czas fragmentowania procesorów GPU na platformie Kubernetes).

Usługa wieloprocesowa (MPS)

Pojedynczy proces może nie używać całej pojemności pamięci i przepustowości obliczeniowej dostępnej na procesorze GPU. Usługa Multi-Process Service (MPS) umożliwia partycjonowanie logiczne pamięci i zasobów obliczeniowych między obciążeniami. Umożliwia również nakładanie się na GPU operacji kernela i kopiowania pamięci pochodzących z różnych procesów. MpS pomaga osiągnąć wyższe wykorzystanie procesora GPU i krótszy czas działania.

Zrzut ekranu przedstawiający przykład wykresu wizualnego przedstawiający usługę wieloprocesową procesora GPU (MPS).

Aby uzyskać więcej informacji, zobacz Multi-Process Service (MPS).

Procesory GPU z wieloma wystąpieniami (MIG)

Procesory graficzne z wieloma instancjami (MIG) umożliwiają partycjonowanie procesorów GPU opartych na architekturze NVIDIA Ampere i późniejszych architekturach na oddzielne i bezpieczne instancje GPU dla aplikacji CUDA.

Zrzut ekranu przedstawiający wizualny przykład wykresu prezentujący GPU z wieloma wystąpieniami (MIG).

Aby uzyskać więcej informacji, zobacz Operator GPU z MIG i Tworzenie puli węzłów GPU z wieloma wystąpieniami w usłudze Azure Kubernetes Service (AKS).

Wielodzierżawność

Wielodzierżawność odnosi się do udostępniania infrastruktury między najemcami, zespołami i jednostkami biznesowymi. W poniższej tabeli przedstawiono różne sposoby implementowania wielodostępności w usłudze AKS:

Typ wielodostępności Poziom wielodostępności Gęstość zasobnika klastra Alokacja kosztu Idealny przypadek użycia Potencjalne zagrożenia
Dedykowany klaster Twarda wielodostępność Obniżyć Najprostszym Pełne granice izolacji zabezpieczeń i prosta alokacja kosztów • Rozrastanie klastra na dużą skalę zwiększa koszty zarządzania
• Niższa gęstość zasobników i więcej nadmiernie przydzielonych zasobów
Dedykowana pula węzłów Miękka wielodostępność Średni Średni Średnia gęstość pod • Wymaga zaufania między dzierżawami
• Wymaga dodatkowych konfiguracji klastra, takich jak zasady sieciowe, zarządzanie przydziałami, kontrola dostępu oparta na rolach (RBAC) itp.
Dedykowana przestrzeń nazw Miękka wielodostępność Wyższa Trudniejsze Udostępnianie infrastruktury w celu zmaksymalizowania wykorzystania zasobów • Niebezpieczne dla wrogich środowisk domyślnie
• Wymaga dodatkowych konfiguracji klastra, takich jak zasady sieciowe, zarządzanie przydziałami, kontrola dostępu oparta na rolach (RBAC) itp.

Dedykowany klaster

W przypadku dedykowanej wielodostępności klastra klastry są dedykowane dla jednego obciążenia lub zespołu.

Zrzut ekranu wizualnego wykresu pokazujący wielodostępność dedykowanego klastra.

W poniższej tabeli przedstawiono zalety i wady użycia dedykowanego klastra:

Zalety Minusy
• Łatwiejsza metoda izolacji
• Prosta alokacja kosztów i rozliczenie
• Doskonałe rozwiązanie w przypadku, gdy dzierżawcy nie ufają sobie nawzajem (często z perspektywy zabezpieczeń i udostępniania zasobów)		 • Wysokie koszty związane z zarządzaniem i kosztami finansowymi
• Ogólnie niska gęstość zasobników i nadmiarowe zasoby

Dedykowana pula węzłów

Dzięki modelowi współdzierżawy z dedykowaną pulą węzłów klastry są współużytkowane przez wielu dzierżawców.

Zrzut ekranu przedstawiający przykład wykresu pokazujący wielodzierżawność dedykowanej puli węzłów.

W poniższej tabeli przedstawiono zalety i wady użycia dedykowanej puli węzłów:

Zalety Minusy
• Średnia gęstość strąków
• Część współużytkowanej infrastruktury
• Stosowanie tagów platformy Azure do pul węzłów przeznaczonych dla jednej dzierżawy (propagacja tagów do węzłów i utrwalanie ich za pomocą uaktualnień)		 • Wymaga zaufania między najemcami
• Wymaga dodatkowych konfiguracji klastra, takich jak zasady sieciowe, zarządzanie przydziałami, kontrola dostępu oparta na rolach (RBAC) itp.

Dedykowana przestrzeń nazw

Dzięki wielodostępności opartej na dedykowanych przestrzeniach nazw klastry są współużytkowane przez wielu dzierżawców, a przestrzenie nazw pełnią rolę granicy izolacji.

Zrzut ekranu przedstawiający przykład wykresu dotyczącego dedykowanej wielodostępności w przestrzeni nazw.

W poniższej tabeli przedstawiono zalety i wady używania dedykowanej przestrzeni nazw:

Zalety Minusy
• Większa gęstość modułów
• Najlepsze opakowanie binpacking
• Udostępnianie infrastruktury w celu zmaksymalizowania wykorzystania zasobów		 • Niebezpieczne dla wrogich środowisk domyślnie
• Wymaga dodatkowych środków bezpieczeństwa, jeśli nie można ufać wszystkim dzierżawcom

Rabaty na platformę Azure

Aby uzyskać większe oszczędności, skorzystaj z rabatów Azure, takich jak plany oszczędnościowe Azure, Zarezerwowane Instancje i Korzyści Hybrydowe Azure.

Typ rabatu platformy Azure Szczegóły
Plany oszczędności Azure • Zobowiązanie z góry 1–3 lata
• Oszczędź do 65% w porównaniu z płatnościami na zasadzie użycia
• Elastyczne, bez ograniczeń rodziny jednostek SKU ani regionów
• Najlepsze dla obciążeń o spójnych kosztach oraz zasobach w różnych SKU i regionach
Wystąpienia zarezerwowane • Zobowiązanie z góry 1–3 lata
• Oszczędzaj do 72% w porównaniu z modelem rozliczeń pay-as-you-go
• Ograniczone do określonych rodzin jednostek SKU i regionów
• Najlepsze dla stabilnych obciążeń działających w trybie ciągłym (bez nieoczekiwanych zmian SKU lub regionu)
Korzyści użycia hybrydowego platformy Azure • Korzystanie z własnych lokalnych licencji systemu Windows Server i programu SQL Server na platformę Azure
• Użyj jakichkolwiek kwalifikujących się licencji lokalnych, które mają aktywny pakiet Software Assurance (SA) lub kwalifikującą się subskrypcję

Treści powiązane

Aby dowiedzieć się więcej o kosztach usługi AKS i usłudze AKS Automatic, zobacz następujące artykuły:

  • Last updated on