Költségek optimalizálása az Azure Kubernetes Service-ben (AKS)
A költségoptimalizálás az erőforrások értékének maximalizálását és a szükségtelen költségek minimalizálását ismerteti a felhőkörnyezetben. Ez a folyamat magában foglalja a költséghatékony konfigurációs lehetőségek azonosítását és az ajánlott eljárások implementálását a működési hatékonyság javítása érdekében. Az AKS-környezetek úgy optimalizálhatók, hogy minimalizálják a költségeket, figyelembe véve a teljesítményre és a megbízhatóságra vonatkozó követelményeket.
Ebben a cikkben a következő tudnivalókat ismerheti meg:
- Stratégiai infrastruktúra kiválasztása
- Dinamikus rightsizing and autoscaling
- Azure-kedvezmények kihasználása jelentős megtakarításokhoz
- Holisztikus monitorozás és FinOps-eljárások
Az alkalmazáskörnyezet előkészítése
Termékváltozat-család értékelése
Fontos, hogy az üzembe helyezés előtt értékelje ki az alkalmazás erőforrás-követelményeit. A kis fejlesztési számítási feladatok infrastruktúraigénye eltérő, mint a nagy, éles üzemre kész számítási feladatok. Bár a processzor-, memória- és hálózati kapacitáskonfigurációk kombinációja nagyban befolyásolja a termékváltozat költséghatékonyságát, vegye figyelembe a következő virtuálisgép-típusokat:
- Az Azure Spot virtuális gépek - kihasználatlan csomópontkészleteit az Azure Spot virtuálisgép-méretezési csoportok biztosítják, és egyetlen tartalék tartományba helyezik üzembe, magas rendelkezésre állás vagy SLA-garancia nélkül. A kihasználatlan virtuális gépek lehetővé teszik a kihasználatlan Azure-kapacitás előnyeit jelentős kedvezményekkel (akár 90%, a használatalapú fizetéshez képest). Ha az Azure-nak vissza kell igényelnie a kapacitást, az Azure-infrastruktúra kiüríti a kihasználatlan csomópontokat. A legjobb megoldás fejlesztési/tesztelési környezetekhez, olyan számítási feladatokhoz, amelyek képesek kezelni a megszakításokat, például a kötegelt feldolgozási feladatokat és a rugalmas végrehajtási idejű számítási feladatokat.
- Ampere Altra Arm-alapú processzorok (ARM64) – Az ARM64 virtuális gépek energiatakarékosak és költséghatékonyak, de nem veszélyeztetik a teljesítményt. Az AMR64-csomópontkészlet AKS-támogatásával ARM64 Ubuntu-ügynökcsomópontokat hozhat létre, és akár intel- és ARM-architektúracsomópontokat is keverhet egy fürtben. Ezek az ARM-alapú virtuális gépek dinamikus, méretezhető számítási feladatok hatékony futtatására lettek tervezve, és akár 50%-kal jobb ár-teljesítményt biztosítanak, mint a méretezhető számítási feladatokhoz hasonló x86-alapú virtuális gépek. Web- vagy alkalmazáskiszolgálókhoz, nyílt forráskódú adatbázisokhoz, natív felhőbeli alkalmazásokhoz, játékkiszolgálókhoz és sok máshoz ideális.
- GPU-optimalizált termékváltozatok – A számítási feladat jellegétől függően fontolja meg a számításoptimalizált, a memóriaoptimalizált, a tárterület-optimalizált vagy akár a grafikus feldolgozási egység (GPU) által optimalizált virtuálisgép-termékváltozatok használatát. A GPU virtuálisgép-méretek olyan speciális virtuális gépek, amelyek egyetlen, több és tört GPU-val érhetők el. Az AKS GPU-kompatibilis Linux-csomópontkészletei a legjobban olyan számítási feladatokhoz használhatók, mint a grafikus megjelenítés, a nagy modell betanítása és a következtetés.
Feljegyzés
A számítási költségek régiónként eltérőek. Ha kevésbé költséges régiót választ a számítási feladatok futtatásához, tisztában kell lennie a késés és az adatátviteli költségek lehetséges hatásával. A virtuálisgép-termékváltozatokról és azok jellemzőiről további információt az Azure-beli virtuális gépek méretei című témakörben talál.
Fürt által előre beállított konfigurációk használata
A megfelelő virtuálisgép-termékváltozat, régiók, csomópontok száma és egyéb konfigurációs beállítások kiválasztása nehéz lehet előre. Az Azure Portalon a fürt által előre beállított konfigurációk kijátszják ezt a kezdeti kihívást azáltal, hogy a különböző, költségtudatos és nagy teljesítményű alkalmazáskörnyezetekhez ajánlott konfigurációkat biztosítanak. A fejlesztési/tesztelési beállítás az új számítási feladatok fejlesztéséhez vagy a meglévő számítási feladatok teszteléséhez a legjobb. Az Üzemi gazdaság beállítás a legjobb megoldás az éles forgalom költségtudatos kiszolgálására, ha a számítási feladatok képesek elviselni a megszakításokat. A nem kritikus funkciók alapértelmezés szerint ki vannak kapcsolva, és az előre beállított értékek bármikor módosíthatók.
Fontolja meg a több-bérlős működést
Az AKS rugalmasságot biztosít a több-bérlős fürtök futtatásában és az erőforrások elkülönítésében. A barátságos több-bérlősség érdekében a fürtök és az infrastruktúra logikai elkülönítéssel osztható meg a csapatok és az üzleti egységek között. A Kubernetes-névterek alkotják a számítási feladatok és erőforrások logikai elkülönítési határát. A megosztási infrastruktúra csökkenti a fürtkezelési többletterhelést, ugyanakkor javítja a fürt erőforrás-kihasználtságát és podsűrűségét. Ha többet szeretne megtudni a több-bérlős AKS-ről, és meg szeretné állapítani, hogy megfelel-e a szervezeti igényeinek, tekintse meg a több-bérlős és a több-bérlős fürtök tervezésére vonatkozó AKS-szempontokat.
Figyelmeztetés
A Kubernetes-környezetek nem teljesen biztonságosak ellenséges több-bérlős környezetben. Ha a megosztott infrastruktúra egyik bérlője sem megbízható, további tervezésre van szükség, hogy a bérlők ne befolyásolják más szolgáltatások biztonságát.
Fontolja meg a fizikai elkülönítés határait. Ebben a modellben a csapatok vagy számítási feladatok a saját fürtjükhöz vannak rendelve. A hozzáadott irányítás és a pénzügyi többletterhelés kompromisszumot jelent.
Felhőalapú natív alkalmazások létrehozása
A tároló lehető leghajlítottabbá tétele
A lean tároló a tárolóalapú alkalmazás méretének és erőforrás-lábnyomának optimalizálására utal. Ellenőrizze, hogy az alaprendszerkép minimális-e, és csak a szükséges függőségeket tartalmazza-e. Távolítsa el a szükségtelen kódtárakat és csomagokat. A kisebb tárolórendszerképek felgyorsítják az üzembe helyezési időket, és növelik a skálázási műveletek hatékonyságát. Egy lépéssel tovább haladva az Artifact Streaming on AKS lehetővé teszi tárolólemezképek streamelésére az Azure Container Registryből (ACR). Csak a pod kezdeti indításához szükséges réteget húzza le, így percről másodpercre csökkenti a nagyobb képek lekérési idejét.
Erőforráskvóták kényszerítése
Az erőforráskvóták lehetővé teszik az erőforrások lefoglalását és korlátozását egy fejlesztői csapat vagy projekt számára. A kvóták egy névtérben vannak meghatározva, és beállíthatók a számítási erőforrásokon, a tárolási erőforrásokon és az objektumok számán. Erőforráskvóták meghatározásakor az egyes névterek nem használhatnak fel több erőforrást, mint amennyit lefoglaltak. Ez különösen fontos a több-bérlős fürtök esetében, ahol a csapatok megosztják az infrastruktúrát.
Fürtindítási stop használata
A kis fejlesztési és tesztelési fürtök felügyelet nélkül nagy mennyiségű szükségtelen kiadást képesek megvalósítani. Kapcsolja ki azokat a fürtöket, amelyeknek nem kell mindig futniuk a fürtindítás és -leállítás használatával. Ezzel leállítja az összes rendszer- és felhasználóicsomópont-készletet, hogy ne kelljen extra számítást fizetnie. A fürt ismételt indításakor az összes objektum és fürtállapot megmarad.
Kapacitásfoglalások használata
A kapacitásfoglalások lehetővé teszik a számítási kapacitás lefoglalását egy Azure-régióban vagy rendelkezésre állási zónában bármilyen időtartamig. A fenntartott kapacitás a foglalás törléséig azonnal használható lesz. A meglévő kapacitásfoglalási csoport csomópontkészlethez való társítása garantálja a csomópontkészlet számára lefoglalt kapacitást, és segít elkerülni az igény szerinti díjszabás esetleges kiugró emelkedését a nagy számítási igényű időszakokban.
A környezet figyelése és költés
Láthatóság növelése a Microsoft Cost Management használatával
A Microsoft Cost Management számos lehetőséget kínál a felhőbeli költségvetésezéshez, az előrejelzéshez és a költségek láthatóságához a fürtön belül és kívül egyaránt. A megfelelő láthatóság elengedhetetlen a költségtrendek megfejtéséhez, az optimalizálási lehetőségek azonosításához és az alkalmazásfejlesztők és a platformcsapatok elszámoltathatóságának növeléséhez. Engedélyezze az AKS Cost Analysis bővítményt a Kubernetes-szerkezetek részletes fürtköltség-lebontásához , valamint az Azure Compute, Network és Storage kategóriákhoz.
Azure Monitor
Ha metrikaadatokat a Container Insightson keresztül betölt, javasoljuk, hogy migráljon a felügyelt Prometheus-metrikákba, ami jelentős költségcsökkentést kínál. Az adatgyűjtési szabály (DCR) használatával letilthatja a Container Insights-metrikákat, és üzembe helyezheti a felügyelt Prometheus bővítményt, amely az Azure Resource Manager, az Azure CLI, az Azure Portal és a Terraform használatával támogatja a konfigurációt.
Ha a naplóbetöltésre támaszkodik, azt is javasoljuk, hogy használja az Alapszintű Naplók API-t a Log Analytics költségeinek csökkentése érdekében. További információkért tekintse meg az Azure Monitor ajánlott eljárásait és a Container Insights költségeinek kezelését.
Számítási feladatok optimalizálása automatikus méretezéssel
Alkalmazás automatikus skálázásának engedélyezése
Függőleges pod automatikus skálázása
A tényleges használatnál lényegesen magasabb kérések és korlátok túlterhelt számítási feladatokat és felesleges erőforrásokat eredményezhetnek. Ezzel szemben a túl alacsony kérések és korlátok szabályozást és számítási feladatokkal kapcsolatos problémákat eredményezhetnek a memória hiánya miatt. A függőleges podok automatikus skálázása (VPA) lehetővé teszi a podok által igényelt processzor- és memóriaerőforrások finomhangolását. A VPA ajánlott értékeket biztosít a processzor- és memóriakérelmekhez, valamint az előzménytárolók használatán alapuló korlátokhoz, amelyeket manuálisan vagy automatikusan állíthat be. A legjobb az ingadozó erőforrásigényű alkalmazásokhoz.
Pod automatikus horizontális skálázása
A vízszintes pod-automatikus skálázás (HPA) dinamikusan skálázza a podreplikák számát egy megfigyelt metrika, például a PROCESSZOR- vagy memóriakihasználtság alapján. A nagy igényű időszakokban a HPA felskálázható, és további podreplikákat ad hozzá a számítási feladat elosztásához. Az alacsony igényű időszakokban a HPA skálázható, csökkentve a replikák számát az erőforrások megőrzése érdekében. A legjobb a kiszámítható erőforrásigényű alkalmazásokhoz.
Figyelmeztetés
Ne használja a VPA-t a HPA-val együtt ugyanazon a CPU- vagy memóriametrikán. Ez a kombináció ütközésekhez vezethet, mivel mindkét automatikus skálázó ugyanazokkal a metrikákkal próbál reagálni az igények változásaira. A VPNA-t azonban használhatja a CPU-hoz vagy a memóriához a HPA-val együtt az egyéni metrikákhoz az átfedések elkerülése érdekében, és biztosíthatja, hogy minden automatikus skálázó a számítási feladatok skálázásának különböző szempontjaira összpontosítson.
Kubernetes eseményvezérelt automatikus skálázás
A Kubernetes eseményvezérelt automatikus skálázási (KEDA) bővítmény további rugalmasságot biztosít az alkalmazás viselkedéséhez igazodó különböző eseményvezérelt metrikák alapján történő skálázáshoz. Webalkalmazások esetében például a KEDA figyelheti a bejövő HTTP-kérések forgalmát, és beállíthatja a podreplikák számát, hogy az alkalmazás rugalmas maradjon. A feladatok feldolgozásához a KEDA az üzenetsor hossza alapján skálázhatja az alkalmazást. A felügyelt támogatás minden Azure Scalerhez biztosított.
Infrastruktúra automatikus skálázásának engedélyezése
Fürt automatikus skálázása
Az alkalmazásigény fenntartása érdekében a fürt automatikus skálázása figyeli azokat a podokat, amelyek erőforrás-korlátozások miatt nem ütemezhetők, és ennek megfelelően skálázza a csomópontkészlet csomópontjainak számát. Ha a csomópontok nem rendelkeznek podokkal, a fürt automatikus skálázása leskálázza a csomópontok számát. Vegye figyelembe, hogy a fürt automatikus skálázási profilbeállításai a fürt összes automatikus skálázási funkcióval kompatibilis csomópontkészletére vonatkoznak. További információkért tekintse meg a fürt automatikus skálázási ajánlott eljárásait és szempontjait.
Csomópont automatikus üzembe helyezése
A bonyolult számítási feladatokhoz több csomópontkészletre lehet szükség, amelyek különböző virtuálisgép-méretkonfigurációkkal megfelelnek a PROCESSZOR- és memóriakövetelményeknek. Több csomópontkészlet-konfiguráció pontos kiválasztása és kezelése összetettebbé és működési többletterheléshez vezet. A Node Autoprovision (NAP) leegyszerűsíti az SKU kiválasztási folyamatát, és a függőben lévő poderőforrás-követelmények alapján az optimális virtuálisgép-konfigurációt határozza meg a számítási feladatok leghatékonyabb és legköltséghatékonyabb futtatásához.
Feljegyzés
További skálázási ajánlott eljárásokért tekintse meg az Azure Kubernetes Service (AKS)kis és közepes számítási feladatainak teljesítményét és skálázását, valamint a nagy számítási feladatok teljesítmény- és skálázási ajánlott eljárásait az Azure Kubernetes Service-ben (AKS).
Mentés Azure-kedvezményekkel
Azure Reservations
Ha a számítási feladat kiszámítható, és hosszabb ideig létezik, fontolja meg az Azure Reservation megvásárlását az erőforrásköltségek további csökkentése érdekében. Az Azure Reservations egy vagy hároméves időtartamon működik, és akár 72%-os kedvezményt is kínál a számítási használatalapú fizetéshez képest. A foglalások automatikusan érvényesek az egyező erőforrásokra. Leginkább olyan számítási feladatokhoz ajánlott, amelyek elkötelezettek az ugyanazon termékváltozatokban és régiókban való hosszabb ideig történő futtatás mellett.
Azure megtakarítási csomag
Ha konzisztens költségekkel rendelkezik, de a különböző erőforrások SKU-k és régiók közötti használata az Azure Reservationst hetetlensé teszi, fontolja meg egy Azure-beli megtakarítási csomag megvásárlását. Az Azure Reservationshez hasonlóan az Azure Savings Plans is egy vagy hároméves időtartamon működik, és automatikusan vonatkozik a juttatási hatókörön belüli erőforrásokra. Véglegesíti, hogy egy rögzített óramennyiséget költ számítási erőforrásokra, termékváltozattól vagy régiótól függetlenül. A legjobb a különböző erőforrásokat és/vagy különböző adatközponti régiókat használó számítási feladatokhoz.
Azure Hybrid Benefit
Az Azure Kubernetes Service -hez (AKS) készült Azure Hybrid Benefit lehetővé teszi, hogy a helyszíni licenceket további költségek nélkül maximalizálja. Használjon minden olyan jogosult helyszíni licencet, amely szintén rendelkezik aktív szoftvergaranciával (SA) vagy minősített előfizetéssel, hogy alacsonyabb költséggel szerezze be a Windows rendszerű virtuális gépeket az Azure-ban.
A FinOps bemutatása költségmegtakarítási kultúra kialakításához
A pénzügyi műveletek (FinOps) egy olyan szemlélet, amely egyesíti a pénzügyi elszámoltathatóságot a felhőfelügyelettel és az optimalizálással. A felhőköltségek megértéséhez és szabályozásához a pénzügyi, üzemeltetési és mérnöki csapatok közötti összhangra összpontosít. A FinOps Alapítvány számos jelentős projektet adott ki:
- FinOps Framework – a FinOps gyakorlatának és implementálásának működési modellje.
- FOCUS-specifikáció – műszaki specifikáció és nyílt szabvány a felhőhasználati, költség- és számlázási adatokhoz az összes főbb felhőszolgáltatói szolgáltatásban.
Következő lépések
A költségoptimalizálás folyamatos és iteratív munka. További információkért tekintse át az alábbi javaslatokat és az architektúra útmutatását: