Pour augmenter la capacité de vos clusters Google Distributed Cloud, vous pouvez ajuster plusieurs limites de cluster associées, telles que le nombre de nœuds, de pods et de services. Ce document explique comment ces dimensions interagissent, et décrit les exigences et les bonnes pratiques qui vous aident à évoluer sans perturber vos charges de travail.
Comprendre les limites
Google Distributed Cloud est un système complexe doté d'une grande surface d'intégration. De nombreuses dimensions affectent l'évolutivité des clusters. Par exemple, le nombre de nœuds n'est qu'une des nombreuses dimensions sur lesquelles Google Distributed Cloud peut évoluer. Les autres dimensions incluent le nombre total de pods et de services. Bon nombre de ces dimensions, telles que le nombre de pods par nœud et le nombre de nœuds par cluster, sont interdépendantes. Pour en savoir plus sur les dimensions qui ont un effet sur l'évolutivité, consultez Seuils d'évolutivité Kubernetes dans la section Scalability Special Interest Group (SIG) du dépôt de la communauté Kubernetes sur GitHub.
Les limites d'évolutivité sont également sensibles à la configuration du matériel et des nœuds sur lesquels votre cluster s'exécute. Les limites décrites dans ce document sont validées dans un environnement qui est très probablement différent du vôtre. Par conséquent, vous ne pouvez pas reproduire les mêmes chiffres lorsque l'environnement sous-jacent constitue le facteur limitant.
Pour en savoir plus sur les limites qui s'appliquent à vos clusters Google Distributed Cloud, consultez Quotas et limites.
Préparer l'évolutivité
Lorsque vous vous préparez à faire évoluer vos clusters Google Distributed Cloud, tenez compte des exigences et des limites décrites dans les sections suivantes.
Exigences concernant le processeur et la mémoire des nœuds du plan de contrôle
Le tableau suivant présente la configuration de processeur et de mémoire recommandée pour les nœuds du plan de contrôle des clusters exécutant des charges de travail de production :
| Nombre de nœuds de cluster | CPU du plan de contrôle recommandés | Mémoire recommandée pour le plan de contrôle |
|---|---|---|
| 1-50 | 8 cœurs | 32 Gio |
| 51 à 100 | 16 cœurs | 64 Gio |
Nombre de pods et de services
Le nombre de pods et de services que vous pouvez avoir dans vos clusters est contrôlé par les paramètres suivants :
clusterNetwork.pods.cidrBlocksSpécifie le nombre de pods autorisés dans votre cluster.nodeConfig.podDensity.maxPodsPerNodeSpécifie le nombre maximal de pods pouvant être exécutés sur un même nœud.clusterNetwork.services.cidrBlocksspécifie le nombre de services autorisés dans votre cluster.
CIDR de pod et nombre maximal de nœuds
Le nombre total d'adresses IP réservées aux pods de votre cluster est l'un des facteurs limitant le scaling à la hausse de votre cluster. Ce paramètre, associé au paramètre du nombre maximal de pods par nœud, détermine le nombre maximal de nœuds que vous pouvez avoir dans votre cluster avant de risquer d'épuiser les adresses IP de vos pods.
Réfléchissez aux éléments suivants :
Le nombre total d'adresses IP réservées aux pods de votre cluster est spécifié avec
clusterNetwork.pods.cidrBlocks, qui accepte une plage d'adresses IP spécifiée au format CIDR. Par exemple, la valeur préremplie192.168.0.0/16spécifie une plage de 65 536 adresses IP, de192.168.0.0à192.168.255.255.Le nombre maximal de pods pouvant être exécutés sur un même nœud est spécifié avec
nodeConfig.podDensity.maxPodsPerNode.En fonction du paramètre de nombre maximal de pods par nœud, Google Distributed Cloud provisionne environ deux fois plus d'adresses IP sur le nœud. Les adresses IP supplémentaires permettent d'éviter la réutilisation involontaire des adresses IP des pods sur une courte période.
En divisant le nombre total d'adresses IP de pods par le nombre d'adresses IP de pods provisionnées sur chaque nœud, vous obtenez le nombre total de nœuds que vous pouvez avoir dans votre cluster.
Par exemple, si votre CIDR de pod est 192.168.0.0/17, vous disposez d'un total de 32 768 adresses IP (2(32-17) = 215 = 32 768). Si vous définissez le nombre maximal de pods par nœud sur 250, Google Distributed Cloud provisionne une plage d'environ 500 adresses IP, ce qui équivaut à peu près à un bloc CIDR /23 (2(32-23) = 29 = 512).
Le nombre maximal de nœuds dans ce cas est donc de 64 (215 adresses/cluster divisé par 29 adresses/nœud = 2(15-9) nœuds/cluster = 26 = 64 nœuds/cluster).
clusterNetwork.pods.cidrBlocks et nodeConfig.podDensity.maxPodsPerNode sont immuables. Planifiez donc soigneusement la croissance future de votre cluster pour éviter de manquer de capacité sur les nœuds. Pour connaître les limites maximales recommandées pour les pods par cluster, les pods par nœud et les nœuds par cluster en fonction des tests, consultez Limites.
CIDR des services
Vous pouvez mettre à jour votre CIDR de service pour ajouter des services à mesure que vous faites évoluer votre cluster. En revanche, vous ne pouvez pas réduire la plage CIDR du service. Pour en savoir plus, consultez la section Augmenter la portée du réseau de services.
Ressources réservées aux démons système
Par défaut, Google Distributed Cloud réserve automatiquement des ressources sur un nœud pour les daemons système, tels que sshd ou udev. Les ressources de processeur et de mémoire sont réservées sur un nœud pour les daemons système afin que ceux-ci disposent des ressources dont ils ont besoin. Sans cette fonctionnalité, les pods peuvent consommer la majeure partie des ressources d'un nœud, ce qui empêche les daemons système d'effectuer leurs tâches.
Plus précisément, Google Distributed Cloud réserve 80 millicores de processeur (80 mCPU) et 280 mébioctets (280 Mio) de mémoire sur chaque nœud pour les daemons système. Notez que l'unité de processeur mCPU correspond à un millième de cœur. Par conséquent, 80/1 000 ou 8 % d'un cœur sur chaque nœud est réservé aux daemons système. La quantité de ressources réservées est faible et n'a pas d'impact significatif sur les performances des pods. Cependant, le kubelet d'un nœud peut expulser des pods si leur utilisation du processeur ou de la mémoire dépasse les quantités qui leur ont été allouées.
Mise en réseau avec MetalLB
Vous pouvez augmenter le nombre de speakers MetalLB pour résoudre les aspects suivants :
Bande passante : la bande passante totale du cluster pour les services d'équilibrage de charge dépend du nombre de nœuds de diffusion et de la bande passante de chaque nœud de speaker. Un trafic réseau plus important nécessite davantage de speakers.
Tolérance aux pannes : plus il y a de speakers, moins l'impact global d'une défaillance d'un seul speaker est important.
MetalLB nécessite des connectivités de couche 2 entre les nœuds d'équilibrage de charge. Dans ce cas, vous pouvez être limité par le nombre de nœuds avec une connectivité de couche 2 sur lesquels vous pouvez placer des speakers MetalLB.
Prévoyez soigneusement le nombre de speakers MetalLB que vous souhaitez avoir dans votre cluster et déterminez le nombre de nœuds de couche 2 dont vous avez besoin. Pour en savoir plus, consultez la section Problèmes d'évolutivité de MetalLB.
Par ailleurs, lorsque vous utilisez le mode d'équilibrage de charge groupé, les nœuds du plan de contrôle doivent également se trouver sur le même réseau de couche 2. L'équilibrage de charge manuel n'est pas soumis à cette restriction. Pour en savoir plus, consultez Mode d'équilibreur de charge manuel.
Exécuter de nombreux nœuds, pods et services
L'ajout de nœuds, de pods et de services est un moyen d'effectuer un scaling à la hausse de votre cluster. Les sections suivantes décrivent certains paramètres et configurations supplémentaires à prendre en compte lorsque vous augmentez le nombre de nœuds, de pods et de services dans votre cluster. Pour en savoir plus sur les limites de ces dimensions et sur leur relation, consultez Limites.
Créer un cluster sans kube-proxy
Pour créer un cluster hautes performances pouvant évoluer pour utiliser un grand nombre de services et de points de terminaison, nous vous recommandons de créer le cluster sans kube-proxy. Sans kube-proxy, le cluster utilise GKE Dataplane V2 en mode kube-proxy-replacement. Ce mode évite la consommation de ressources requise pour gérer un grand nombre de règles iptables.
Vous ne pouvez pas désactiver l'utilisation de kube-proxy pour un cluster existant. Cette configuration doit être définie lors de la création du cluster. Pour obtenir des instructions et plus d'informations, consultez la section Créer un cluster sans kube-proxy.
Configuration de CoreDNS
Cette section décrit les aspects de CoreDNS qui ont une incidence sur l'évolutivité de vos clusters.
DNS des pods
Par défaut, les clusters Google Distributed Cloud injectent des pods avec un resolv.conf semblable à l'exemple suivant :
nameserver KUBEDNS_CLUSTER_IP
search <NAMESPACE>.svc.cluster.local svc.cluster.local cluster.local c.PROJECT_ID.internal google.internal
options ndots:5
L'option ndots:5 signifie que les noms d'hôte comportant moins de cinq points ne sont pas considérés comme des noms de domaine complets. Le serveur DNS ajoute tous les domaines de recherche spécifiés avant de rechercher le nom d'hôte demandé à l'origine, ce qui permet de classer les recherches comme suit lors de la résolution de google.com :
google.com.NAMESPACE.svc.cluster.localgoogle.com.svc.cluster.localgoogle.com.cluster.localgoogle.com.c.PROJECT_ID.internalgoogle.com.google.internalgoogle.com
Chacune des recherches est effectuée pour IPv4 (enregistrement A) et IPv6 (enregistrement AAAA), ce qui entraîne 12 requêtes DNS pour chaque requête non-FQDN, ce qui amplifie considérablement le trafic DNS. Pour atténuer ce problème, nous vous recommandons de déclarer le nom d'hôte à rechercher en tant que nom de domaine complet en ajoutant un point final (google.com.). Cette déclaration doit être effectuée au niveau de la charge de travail de l'application. Pour en savoir plus, consultez la page de manuel de resolv.conf.
IPv6
Si le cluster n'utilise pas IPv6, il est possible de réduire de moitié les requêtes DNS en éliminant la recherche d'enregistrement AAAA sur le serveur DNS en amont. Si vous avez besoin d'aide pour désactiver les recherches AAAA, contactez Cloud Customer Care.
Pool de nœuds dédié
En raison de la nature critique des requêtes DNS dans les cycles de vie des applications, nous vous recommandons d'utiliser des nœuds dédiés pour le déploiement coredns. Ce déploiement relève d'un domaine de défaillance différent de celui des applications normales. Si vous avez besoin d'aide pour configurer des nœuds dédiés pour le déploiement coredns, contactez Cloud Customer Care.
Problèmes d'évolutivité de MetalLB
MetalLB s'exécute en mode actif-passif, ce qui signifie qu'à tout moment, un seul haut-parleur MetalLB diffuse une adresse IP virtuelle LoadBalancer particulière.
Basculement
Avant la version 1.28.0 de Google Distributed Cloud, à grande échelle, le basculement de MetalLB pouvait prendre beaucoup de temps et présenter un risque pour la fiabilité du cluster.
Limites de connexion
Si une adresse IP virtuelle LoadBalancer particulière, tel qu'un service Ingress, attend près de 30 000 connexions simultanées ou plus, il est probable que le nœud de speaker qui gère l'adresse IP virtuelle épuise les ports disponibles. En raison d'une limitation de l'architecture, il n'existe aucune solution à ce problème de la part de MetalLB. Envisagez de passer à l'équilibrage de charge groupé avec BGP avant de créer le cluster ou utilisez une autre classe d'entrée. Pour en savoir plus, consultez la page Configuration d'entrée.
Speakers de l'équilibreur de charge
Par défaut, Google Distributed Cloud utilise le même pool de nœuds d'équilibreur de charge pour le plan de contrôle et le plan de données. Si vous ne spécifiez pas de pool de nœuds d'équilibreur de charge (loadBalancer.nodePoolSpec), le pool de nœuds du plan de contrôle (controlPlane.nodePoolSpec) est utilisé.
Pour augmenter le nombre de speakers lorsque vous utilisez le pool de nœuds du plan de contrôle pour l'équilibrage de charge, vous devez augmenter le nombre de machines du plan de contrôle. Pour les déploiements en production, nous vous recommandons d'utiliser trois nœuds de plan de contrôle pour la haute disponibilité. Augmenter le nombre de nœuds du plan de contrôle au-delà de trois pour accueillir des speakers supplémentaires n'est pas forcément une bonne manière d'utiliser vos ressources.
Configuration d'Ingress
Si vous prévoyez près de 30 000 connexions simultanées vers une seule adresse IP virtuelle de service LoadBalancer, il est possible que MetalLB ne soit pas en mesure de les gérer.
Vous pouvez envisager d'exposer l'IP virtuelle via d'autres mécanismes, tels que F5 BIG-IP. Vous pouvez également créer un cluster à l'aide de l'équilibrage de charge groupé avec BGP, qui n'est pas soumis à la même limitation.
Ajuster les composants Cloud Logging et Cloud Monitoring
Dans les grands clusters, en fonction des profils d'application et du modèle de trafic, les configurations de ressources par défaut pour les composants Cloud Logging et Cloud Monitoring peuvent ne pas être suffisantes. Pour savoir comment ajuster les demandes et les limites de ressources pour les composants d'observabilité, consultez Configurer les ressources des composants Stackdriver.
En particulier, kube-state-metrics dans les clusters comportant un grand nombre de services et de points de terminaison peut entraîner une utilisation excessive de la mémoire à la fois sur kube-state-metrics lui-même et sur gke-metrics-agent sur le même nœud. L'utilisation des ressources de metrics-server peut également évoluer en termes de nœuds, de pods et de services. Si vous rencontrez des problèmes de ressources sur ces composants, contactez Cloud Customer Care.
Utiliser sysctl pour configurer votre système d'exploitation
Nous vous recommandons d'ajuster la configuration du système d'exploitation de vos nœuds pour l'adapter au mieux à votre cas d'utilisation de charge de travail. Les paramètres fs.inotify.max_user_watches et fs.inotify.max_user_instances qui contrôlent le nombre de ressources inotify doivent souvent être ajustés. Par exemple, si vous voyez des messages d'erreur comme celui-ci, vous pouvez essayer de voir si ces paramètres doivent être ajustés :
The configured user limit (128) on the number of inotify instances has been reached
ENOSPC: System limit for number of file watchers reached...
Le réglage varie généralement en fonction des types de charges de travail et de la configuration matérielle. Vous pouvez consulter les bonnes pratiques spécifiques à l'OS auprès de votre fournisseur d'OS.
Bonnes pratiques
Cette section décrit les bonnes pratiques pour effectuer un scaling à la hausse de votre cluster.
Mettre à l'échelle une dimension à la fois
Pour minimiser les problèmes et faciliter l'annulation des modifications, n'ajustez pas plus d'une dimension à la fois. Le scaling simultané de plusieurs dimensions peut entraîner des problèmes, même au sein des clusters plus petits. Par exemple, si vous essayez d'augmenter le nombre de pods programmés par nœud à 110 tout en augmentant le nombre de nœuds du cluster à 250, l'opération échouera probablement, car le nombre de pods, le nombre de pods par nœud et le nombre de nœuds sont trop élevés.
Faire évoluer progressivement les clusters
Le scaling à la hausse d'un cluster peut nécessiter beaucoup de ressources. Pour réduire le risque d'échec des opérations de cluster ou d'interruption des charges de travail du cluster, nous vous déconseillons de créer des clusters volumineux avec de nombreux nœuds en une seule opération.
Créer des clusters hybrides ou autonomes sans nœuds de calcul
Si vous créez un grand cluster hybride ou autonome avec plus de 50 nœuds de calcul, il est préférable de créer d'abord un cluster à haute disponibilité (HD) avec des nœuds de plan de contrôle, puis d'augmenter progressivement la capacité. L'opération de création de cluster utilise un cluster d'amorçage, qui n'est pas à haute disponibilité et est donc moins fiable. Une fois le cluster hybride ou autonome à haute disponibilité créé, vous pouvez l'utiliser pour effectuer un scaling à la hausse vers davantage de nœuds.
Augmenter le nombre de nœuds de calcul par lots
Si vous étendez un cluster à davantage de nœuds de calcul, il est préférable de procéder par étapes. Nous vous recommandons de ne pas ajouter plus de 20 nœuds à la fois. Cela est particulièrement vrai pour les clusters qui exécutent des charges de travail critiques.
Activer les récupérations d'images parallèles
Par défaut, kubelet extrait les images de manière séquentielle, l'une après l'autre. Si votre connexion en amont au serveur de registre d'images est de mauvaise qualité, une extraction d'image incorrecte peut bloquer l'ensemble de la file d'attente d'un pool de nœuds donné.
Pour atténuer ce problème, nous vous recommandons de définir serializeImagePulls sur false dans la configuration kubelet personnalisée. Pour obtenir des instructions et plus d'informations, consultez la section Configurer les paramètres de récupération d'images kubelet.
L'activation de l'extraction d'images en parallèle peut entraîner des pics de consommation de bande passante réseau ou d'E/S de disque.
Ajuster les requêtes et les limites de ressources de l'application
Dans les environnements densément empaquetés, les charges de travail d'application peuvent être expulsées. Kubernetes utilise le mécanisme référencé pour classer les pods en cas d'éviction.
Pour paramétrer les ressources de votre conteneur, une bonne pratique consiste à utiliser la même quantité de mémoire pour les demandes et les limites de ressources, ainsi qu'à fixer une limite d'utilisation du processeur plus importante ou indéterminée. Pour en savoir plus, consultez Préparer des applications Kubernetes basées sur le cloud dans le Cloud Architecture Center.
Faire appel à un partenaire de stockage
Nous vous recommandons d'utiliser l'un des partenaires de stockage GDC Ready pour les déploiements à grande échelle. Il est important de confirmer les informations suivantes auprès du partenaire de stockage concerné :
- Les déploiements de stockage suivent les bonnes pratiques pour les aspects liés au stockage, tels que la haute disponibilité, la définition des priorités, les affinités de nœuds, ainsi que les requêtes et les limites de ressources.
- La version de stockage est qualifiée avec la version spécifique de Google Distributed Cloud.
- Le fournisseur de stockage peut prendre en charge le déploiement à grande échelle que vous souhaitez effectuer.
Configurer des clusters pour la haute disponibilité
Il est important d'auditer votre déploiement à grande échelle et de vous assurer que les composants critiques sont configurés pour la haute disponibilité dans la mesure du possible. Google Distributed Cloud accepte les options de déploiement HD pour tous les types de clusters. Pour en savoir plus, consultez la section Choisir un modèle de déploiement. Pour obtenir des exemples de fichiers de configuration de cluster de déploiements HD, consultez la section Exemples de configuration de cluster.
Il est également important d'auditer d'autres composants, y compris :
- Fournisseur de stockage
- Webhooks de cluster
Surveiller l'utilisation des ressources
Cette section fournit quelques recommandations de base pour la surveillance des clusters à grande échelle.
Surveillez de près les métriques d'utilisation
Il est essentiel de surveiller l'utilisation des nœuds et des composants système individuels, et de s'assurer qu'ils disposent d'une marge de sécurité confortable. Pour connaître les fonctionnalités de surveillance standards disponibles par défaut, consultez Utiliser des tableaux de bord prédéfinis.
Surveiller la consommation de bande passante
Surveillez de près la consommation de bande passante pour vous assurer que le réseau n'est pas saturé, ce qui entraînerait une dégradation des performances de votre cluster.
Améliorer les performances etcd
La vitesse du disque est essentielle à la performance et à la stabilité d'etcd. Un disque lent augmente la latence des requêtes etcd, ce qui peut entraîner des problèmes de stabilité du cluster. Pour améliorer les performances du cluster, Google Distributed Cloud stocke les objets d'événement dans une instance etcd dédiée distincte. L'instance etcd standard utilise /var/lib/etcd comme répertoire de données et le port 2379 pour les requêtes client. L'instance etcd-events utilise /var/lib/etcd-events comme répertoire de données et le port 2382 pour les requêtes client.
Nous vous recommandons d'utiliser un disque dur SSD pour vos espaces de stockage etcd. Pour des performances optimales, installez des disques distincts sur /var/lib/etcd et /var/lib/etcd-events. L'utilisation de disques dédiés garantit que les deux instances etcd ne partagent pas les E/S de disque.
La documentation d'etcd fournit des recommandations matérielles supplémentaires pour garantir les meilleures performances etcd lors de l'exécution de vos clusters en production.
Pour vérifier les performances de votre etcd et de votre disque, utilisez les métriques de latence des E/S etcd suivantes dans l'explorateur de métriques :
etcd_disk_backend_commit_duration_seconds: la durée doit être inférieure à 25 millisecondes pour le 99e centile (p99).etcd_disk_wal_fsync_duration_seconds: la durée doit être inférieure à 10 millisecondes pour le 99e centile (p99).
Pour en savoir plus sur les performances de l'etcd, consultez les pages Que signifie l'avertissement etcd "Appliquer les entrées a pris trop de temps" ? et Que signifie l'avertissement etcd "Échec de l'envoi de pulsations dans les temps" ?.
Si vous avez besoin d'une aide supplémentaire, contactez Cloud Customer Care. Vous pouvez également consulter Obtenir de l'aide pour en savoir plus sur les ressources d'assistance, y compris en ce qui concerne les thématiques suivantes :
- Conditions requises pour ouvrir une demande d'assistance
- Outils pour vous aider à résoudre les problèmes liés à la configuration de votre environnement, les journaux et les métriques
- Composants acceptés