Au cours de la durée de vie d'une instance de machine virtuelle (VM) ou d'une instance Bare Metal, la machine hôte sur laquelle votre instance s'exécute peut subir plusieurs événements hôtes. Un événement hôte peut correspondre à une opération de maintenance courante de l'infrastructure Compute Engine ou, dans de rares cas, à une erreur d'hôte. Vous pouvez choisir la manière dont vos instances de calcul répondent pendant ou après un événement hôte en configurant la stratégie de maintenance de l'hôte.
Par défaut, la plupart des instances sont configurées pour effectuer une migration à chaud lors des événements d'hôte. Vous pouvez ignorer ce comportement et définir explicitement les instances à arrêter et, éventuellement, à redémarrer.
Certaines instances de calcul ne sont pas compatibles avec la migration à chaud et sont arrêtées lors d'événements de l'hôte, tels que les suivants :
- Instances Bare Metal
- Instances avec des GPU associés
- Instances H4D
- Instances dotées d'une interface réseau Cloud RDMA
- Instances Z3 avec plus de 18 000 Gio de disques Titanium SSD associés
- Instances Z4D et Z4M avec plus de 42 000 Gio de disques Titanium SSD associés
Pour en savoir plus sur le comportement des instances lors d'événements hôtes, consultez Comportements de maintenance et de redémarrage.
Types d'événements hôtes
Il existe trois types d'événements d'hôte, qui sont décrits plus en détail dans les sections suivantes :
Si votre instance ne répond plus, cela peut également déclencher un redémarrage ou l'arrêt de l'instance.
Événements de maintenance
Un événement de maintenance se produit lorsque Compute Engine doit effectuer une opération de maintenance ou de réparation qui nécessite de déplacer les VM hors du serveur hôte. Si vous activez la stratégie de maintenance de l'hôte de migration à chaud pour un type d'instance compatible, Compute Engine déplace l'instance vers un nouvel hôte, avec une interruption minimale de votre application.
Compute Engine applique également certains hyperviseurs légers et mises à niveau réseau en arrière-plan sans interruption en conservant l'instance sur le même hôte.
Le comportement d'une instance lors d'un événement de maintenance peut varier en fonction de la location de l'instance et du type de machine.
Pour les VM à locataire unique, la fréquence approximative des événements de maintenance planifiée de l'hôte est de quatre à six semaines. La compatibilité avec la migration à chaud dépend de la stratégie de maintenance de l'hôte de la VM à locataire unique.
Vous trouverez des informations sur le comportement de maintenance de chaque type de machine sur la page de la famille de machines correspondante, comme suit :
- Série C :
- C2 et C2D : famille de machines optimisées pour le calcul
- Famille de machines optimisées pour le réseau C4N
- Toutes les autres séries C : Famille de machines à usage général
- Séries E, N et T : famille de machines à usage général
- Série H : famille de machines optimisées pour le calcul
- Séries M et X : famille de machines à mémoire optimisée
- Série Z : famille de machines optimisées pour le stockage
Pour les familles de machines optimisées pour les accélérateurs, consultez les pages suivantes :
- GPU : Gérer les événements de maintenance de l'hôte GPU.
- TPU : Se préparer aux événements de maintenance dans la documentation Cloud TPU.
Maintenance d'urgence
Un événement de maintenance d'urgence se produit lorsque Compute Engine détecte une défaillance imminente de l'hôte ou un autre problème matériel nécessitant une maintenance urgente. Pour ces événements, Compute Engine planifie l'événement de maintenance et crée une notification. Les événements de maintenance d'urgence ont généralement un délai de notification plus court que les événements de maintenance standards.
Un événement de maintenance émergent est généralement annoncé 7 à 14 jours à l'avance. Selon la gravité du problème, la fenêtre de notification peut être plus courte. Consultez la notification de maintenance pour connaître les fonctionnalités compatibles, telles que le démarrage de la maintenance à l'heure de votre choix. Si aucune action n'est entreprise ou s'il n'est pas possible de démarrer manuellement la maintenance, Compute Engine la démarre automatiquement à la fin de la période de notification.
Si un événement de maintenance planifié est en attente lorsque Compute Engine émet une notification de maintenance d'urgence, l'événement de maintenance d'urgence remplace l'événement de maintenance planifié.
Vous pouvez vérifier la raison de la maintenance d'urgence dans le champ maintenanceReasons des métadonnées de l'instance. Ce champ contient une valeur qui représente la catégorie d'échec.
Erreurs de l'hôte
Une erreur d'hôte (compute.instances.hostError) signifie qu'un problème matériel ou logiciel s'est produit sur la machine physique ou l'infrastructure du centre de données hébergeant votre instance de calcul, ce qui a entraîné le plantage de votre instance. Une erreur d'hôte impliquant une défaillance matérielle totale ou d'autres problèmes matériels peut empêcher la migration à chaud de votre instance.
Si votre instance est configurée pour redémarrer automatiquement, ce qui est le paramètre par défaut, Compute Engine la redémarre, généralement dans les trois minutes suivant la détection de l'erreur. Selon le problème, le redémarrage peut prendre jusqu'à 5 minutes et demi.
Lorsqu'une instance de calcul rencontre une erreur d'hôte ou que vous signalez son hôte comme défectueux, l'hôte de l'instance nécessite une maintenance d'urgence non planifiée. Par défaut, Compute Engine envoie un préavis de quelques heures lorsqu'il planifie ce type de maintenance.
Il peut arriver qu'une instance de calcul ne réponde plus avant qu'une erreur d'hôte ne soit signalée. Vous pouvez réduire le temps d'attente de Compute Engine avant le redémarrage ou l'arrêt de l'instance en définissant le délai avant expiration de récupération d'erreur de l'hôte. Pour en savoir plus, consultez Définir la règle pour une instance existante.
Des pannes matérielles et logicielles peuvent se produire occasionnellement, mais sont rares. Pour protéger vos applications et vos services des événements système potentiellement perturbateurs, consultez les ressources suivantes :
- Concevoir des systèmes robustes
- Modèles d'applications évolutives et résilientes
- Créer des groupes d'instances gérés
Présentation de la stratégie de maintenance de l'hôte
La stratégie de maintenance de l'hôte d'une instance détermine son comportement lors des événements d'hôte suivants :
- Événement de maintenance
- Événement de maintenance d'urgence
- Événement d'erreur de l'hôte ou instance qui ne répond pas
Vous pouvez configurer les instances pour qu'elles continuent à fonctionner pendant la maintenance de l'hôte, tandis que Compute Engine les migre à chaud vers un autre hôte. Vous pouvez également choisir de les arrêter.
Vous pouvez modifier la stratégie de maintenance de l'hôte d'une instance en configurant les paramètres suivants :
- Comportement de maintenance : indique si l'instance est migrée à chaud ou arrêtée lors d'un événement de maintenance.
- Comportement de redémarrage : indique si Compute Engine redémarre ou arrête l'instance si elle se bloque, rencontre une erreur d'hôte ou ne répond plus.
- Temps de détection des erreurs d'hôte : durée maximale pendant laquelle Compute Engine attend avant de redémarrer ou d'arrêter une instance après avoir détecté qu'elle ne répondait pas.
Vous pouvez modifier la stratégie de maintenance de l'hôte d'une instance à tout moment pour contrôler son comportement.
Comportements de maintenance et de redémarrage
Lorsqu'un événement hôte se produit, l'instance de calcul peut utiliser la migration à chaud ou être arrêtée. Si une instance est arrêtée, vous pouvez choisir de la redémarrer vous-même ou de laisser Compute Engine la redémarrer automatiquement.
Les séries de machines suivantes peuvent ne pas être compatibles avec la migration à chaud et nécessiter un arrêt lors des événements de l'hôte :
Migration à chaud
Par défaut, la plupart des types d'instances sont configurés pour une migration à chaud, à l'exception des types d'instances mentionnés dans la section précédente.
Lors de la migration à chaud, Compute Engine migre automatiquement votre instance hors d'un événement de maintenance de l'infrastructure, et votre instance reste en cours d'exécution pendant la migration. Il est possible que votre instance connaisse une courte période de baisse de performances. Cependant, aucune différence n'est généralement constatée pour la plupart des instances. Ceci est idéal pour les instances qui nécessitent un temps d'activité constant et peuvent tolérer une courte période de performances réduites.
Lorsque Compute Engine migre votre instance, il signale un événement système qui est publié dans la liste des opérations de la zone et dans les journaux des événements système. Vous pouvez consulter cet événement en affichant les opérations Compute Engine concernant une zone spécifique. Les événements de migration à chaud sont associés au type d'opération suivant :
compute.instances.migrateOnHostMaintenance
Arrêter et redémarrer
Si vous ne souhaitez pas que votre instance migre à chaud ou si votre type d'instance n'est pas compatible avec la migration à chaud, vous pouvez choisir d'autoriserGoogle Cloud à arrêter l'instance lorsqu'un événement d'hôte se produit. Avec cette configuration, si un événement hôte se produit, Compute Engine envoie un signal d'arrêt progressif pour arrêter l'instance.
Il attend ensuite 60 secondes que l'instance s'arrête correctement, puis définit l'état de l'instance sur TERMINATED. Si l'instance ne s'arrête pas correctement en 60 secondes, elle est arrêtée de force.
Cette option est idéale si vos instances exigent des performances constantes et maximales, et si l'ensemble de votre application est conçu pour gérer les défaillances ou les redémarrages des instances.
Lorsque Compute Engine arrête une instance en raison d'un événement hôte, il signale un événement système qui est publié dans la liste des opérations de la zone et dans les journaux des événements système. Vous pouvez consulter cet événement en affichant les opérations Compute Engine concernant une zone spécifique. Les événements d'arrêt d'instance sont associés au type d'opération suivant :
compute.instances.terminateOnHostMaintenance
Redémarrage automatique
Si votre instance est configurée de manière à s'arrêter en cas d'événement de maintenance ou de plantage lié à un problème matériel sous-jacent, Compute Engine peut la redémarrer automatiquement. L'instance est redémarrée sur le même serveur hôte ou déplacée vers un autre serveur de la même zone qui ne participe pas à l'événement de maintenance.
Par défaut, Compute Engine tente de récupérer les instances avec des disques SSD locaux associés pendant une heure. Si la limite de temps est atteinte, Compute Engine tente de redémarrer l'instance sur un autre serveur hôte de la même zone.
Pour configurer le redémarrage automatique, définissez le champ de règle de maintenance de l'hôte automaticRestart sur true. Ce paramètre ne s'applique pas si l'instance est mise hors ligne en raison d'une indisponibilité de zone ou d'une opération manuelle, telle que l'appel de sudo shutdown dans l'OS invité.
Lorsque Compute Engine redémarre automatiquement une instance, il signale un événement système qui est publié dans la liste des opérations de la zone. Vous pouvez consulter cet événement en affichant les opérations Compute Engine concernant une zone spécifique. Les événements de redémarrage automatique sont associés au type d'opération suivant :
compute.instances.automaticRestart
Persistance du disque après l'arrêt de l'instance
Étant donné que Hyperdisk sont des stockages en réseau, lorsque votre instance redémarre, Compute Engine rattache le disque de démarrage et tous les disques secondaires à l'instance. Les données sur ces disques persistent lors de la migration à chaud et du redémarrage de l'instance.
Planification de la maintenance
Google Cloud propose des fonctionnalités permettant un contrôle plus strict de la maintenance.
En utilisant certaines familles de machines, vous pouvez spécifier des préférences de maintenance et recevoir des notifications d'événements de maintenance à venir via Cloud Logging, le serveur de métadonnées de l'instance, la commande gcloud CLI compute instances describe ou la méthode REST instances.describe. Dès réception d'une notification, vous disposez d'un certain délai pour démarrer la maintenance planifiée à l'heure de votre choix. Si vous ne déclenchez pas la maintenance planifiée, l'événement de maintenance se produit à la fin de la période de notification, qui correspond à l'heure planifiée indiquée dans la notification.
Vous pouvez utiliser ces fonctionnalités conjointement avec votre stratégie de maintenance de l'hôte pour personnaliser la planification de la maintenance afin qu'elle soit adaptée à votre charge de travail.
Étapes suivantes
- Apprenez-en plus sur la migration à chaud.
- Découvrez comment définir la stratégie de maintenance de l'hôte d'une instance.
- Apprenez-en plus sur l'obtention de notifications sur la migration à chaud
- En savoir plus sur la simulation de maintenance de l'hôte.
- En savoir plus sur la migration manuelle à chaud des VM à locataire unique.