Megosztás a következőn keresztül:


Ajánlott eljárások a kis és közepes számítási feladatok teljesítményéhez és méretezéséhez az Azure Kubernetes Service-ben (AKS)

Feljegyzés

Ez a cikk a kis és közepes számítási feladatok általános ajánlott eljárásait ismerteti. A nagy számítási feladatokra vonatkozó ajánlott eljárásokért tekintse meg az Azure Kubernetes Service (AKS) nagy számítási feladatok teljesítményével és méretezésével kapcsolatos ajánlott eljárásokat.

A fürtök AKS-ben való üzembe helyezése és karbantartása során az alábbi ajánlott eljárásokkal optimalizálhatja a teljesítményt és a skálázást.

Ebben a cikkben a következő tudnivalókat ismerheti meg:

  • Kompromisszumok és javaslatok a számítási feladatok automatikus skálázására.
  • A csomópontok skálázásának és hatékonyságának kezelése a számítási feladatok igényei alapján.
  • Hálózati szempontok a bejövő és kimenő forgalomhoz.
  • A vezérlősík és a csomópont teljesítményének monitorozása és hibaelhárítása.
  • Kapacitástervezés, túlfeszültség-forgatókönyvek és fürtfrissítések.
  • Az adatsík teljesítményének tárolási és hálózatkezelési szempontjai.

Alkalmazás automatikus skálázása és infrastruktúra automatikus skálázása

Alkalmazás automatikus skálázása

Az alkalmazás automatikus skálázása a költségoptimalizálás vagy az infrastruktúra korlátainak kezelésekor hasznos. Egy jól konfigurált automatikus skálázó magas rendelkezésre állást biztosít az alkalmazás számára, ugyanakkor minimalizálja a költségeket. Az igényektől függetlenül csak a rendelkezésre állás fenntartásához szükséges erőforrásokért kell fizetnie.

Ha például egy meglévő csomópontnak van helye, de nincs elég IP-címe az alhálózatban, akkor előfordulhat, hogy kihagyja egy új csomópont létrehozását, és ehelyett azonnal elkezdi futtatni az alkalmazást egy új podon.

Pod automatikus horizontális skálázása

A podok horizontális automatikus skálázásának megvalósítása olyan alkalmazások esetében hasznos, amelyek állandó és kiszámítható erőforrásigényt igényelnek. A Vízszintes pod automatikus skálázása (HPA) dinamikusan skálázza a podreplikák számát, amely hatékonyan osztja el a terhelést több pod és csomópont között. Ez a skálázási mechanizmus általában az olyan alkalmazások esetében a legkedvezőbb, amelyek kisebb, független összetevőkre bonthatók, amelyek képesek párhuzamosan futni.

A HPA alapértelmezés szerint erőforrás-kihasználtsági metrikákat biztosít. Egyéni metrikákat is integrálhat, vagy olyan eszközöket is használhat, mint a Kubernetes eseményvezérelt automatikus skálázási (KEDA) (előzetes verzió). Ezek a bővítmények lehetővé teszik a HPA számára, hogy több perspektíván és kritériumon alapuló skálázási döntéseket hozzon, és holisztikusabb képet nyújtson az alkalmazás teljesítményéről. Ez különösen hasznos a különböző összetett skálázási követelményekkel rendelkező alkalmazások esetében.

Feljegyzés

Ha az alkalmazás magas rendelkezésre állásának fenntartása elsődleges fontosságú, javasoljuk, hogy a skálázási idő figyelembe vétele érdekében a HPA minimális podszámához egy kicsit magasabb puffert hagyjon.

Függőleges pod automatikus skálázása

A függőleges pod automatikus skálázásának megvalósítása az ingadozó és kiszámíthatatlan erőforrásigényű alkalmazások esetében hasznos. A függőleges podok automatikus skálázása (VPA) lehetővé teszi az egyes podok erőforrás-kéréseinek finomhangolását, beleértve a processzort és a memóriát is, lehetővé téve az erőforrás-foglalás pontos szabályozását. Ez a részletesség minimalizálja az erőforrás-pazarlást, és javítja a fürt kihasználtságának általános hatékonyságát. A VPA emellett egyszerűsíti az alkalmazáskezelést az erőforrás-kiosztás automatizálásával, valamint a kritikus feladatokhoz szükséges erőforrások felszabadításával.

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.

Feljegyzés

A VPA az előzményadatok alapján működik. Javasoljuk, hogy a VPA üzembe helyezése után legalább 24 órát várjon, mielőtt módosításokat alkalmazna, hogy időt adjon a javaslati adatok gyűjtésére.

Infrastruktúra automatikus méretezése

Fürt automatikus skálázása

A fürt automatikus skálázásának megvalósítása akkor hasznos, ha a meglévő csomópontok kapacitása nem elegendő, mivel segít az új csomópontok felskálázásában és kiépítésében.

A fürt automatikus skálázásának mérlegelésekor a csomópontok eltávolításának eldöntése az erőforrás-kihasználtság optimalizálása és az erőforrások rendelkezésre állásának biztosítása közötti kompromisszumot foglalja magában. A kihasználatlan csomópontok kiküszöbölése javítja a fürt kihasználtságát, de előfordulhat, hogy az új számítási feladatoknak várniuk kell az erőforrások üzembe helyezésére. Fontos, hogy megtaláljuk az egyensúlyt a fürt és a számítási feladatok követelményeihez igazodó két tényező között, és ennek megfelelően konfiguráljuk a fürt automatikus skálázási profilbeállításait.

A fürt automatikus skálázási profilbeállításai univerzálisan érvényesek a fürt összes automatikus skálázási funkcióval kompatibilis csomópontkészletére. Ez azt jelenti, hogy az automatikus skálázást lehetővé tevő csomópontkészletekben végrehajtott skálázási műveletek hatással lehetnek egy másik csomópontkészlet automatikus skálázási viselkedésére. Fontos, hogy konzisztens és szinkronizált profilbeállításokat alkalmazzon az összes releváns csomópontkészletre, hogy az automatikus skálázó a várt módon viselkedjen.

Túlbontás

A túlterjedés olyan stratégia, amely segít csökkenteni az alkalmazásra nehezedő nyomást azáltal, hogy biztosítja, hogy a rendelkezésre álló erőforrások mennyisége meghaladja a rendelkezésre álló erőforrásokat. Ez a megközelítés különösen hasznos az olyan alkalmazások esetében, amelyek nagy mértékben változó terhelést és fürtméretezési mintákat tapasztalnak, amelyek gyakori vertikális felskálázást és vertikális leskálázást mutatnak.

A túlterjedés optimális mennyiségének meghatározásához használja a következő képletet:

1-buffer/1+traffic

Tegyük fel például, hogy nem szeretné elérni a fürt 100%-os processzorhasználatát. A biztonsági árrés fenntartása érdekében 30%-os puffert választhat. Ha 40%-os átlagos forgalomnövekedési arányra számít, érdemes lehet 50%-kal túlterjedni a képlet alapján:

1-30%/1+40%=50%

A hatékony túlbontási módszer magában foglalja a szüneteltetési podok használatát. A szüneteltetés podjai alacsony prioritású üzemelő példányok, amelyeket könnyen helyettesíthetnek magas prioritású üzemelő példányok. Alacsony prioritású podokat hozhat létre, amelyek kizárólag a pufferterület megőrzésére szolgálnak. Ha egy magas prioritású podnak helyre van szüksége, a rendszer eltávolítja és újraütemezi a szüneteltető podokat egy másik csomóponton vagy egy új csomóponton a magas prioritású pod elhelyezéséhez.

Az alábbi YAML egy példa szünetelteti a pod jegyzékfájlt:

apiVersion: scheduling.k8s.io/v1 
kind: PriorityClass 
metadata: 
  name: overprovisioning 
value: -1 
globalDefault: false 
description: "Priority class used by overprovisioning." 
--- 
apiVersion: apps/v1 
kind: Deployment 
metadata: 
  name: overprovisioning 
  namespace: kube-system 
spec: 
  replicas: 1 
  selector: 
    matchLabels: 
      run: overprovisioning 
  template: 
    metadata: 
      labels: 
        run: overprovisioning 
    spec: 
      priorityClassName: overprovisioning 
      containers: 
      - name: reserve-resources 
        image: your-custome-pause-image 
        resources: 
          requests: 
            cpu: 1 
            memory: 4Gi 

Csomópontok skálázása és hatékonysága

Ajánlott eljárásokkal kapcsolatos útmutató:

Gondosan monitorozza az erőforrás-kihasználtságot és az ütemezési szabályzatokat, hogy a csomópontok hatékony használatban legyenek.

A csomópontok skálázásával dinamikusan módosíthatja a fürt csomópontjainak számát a számítási feladatok igényei alapján. Fontos tisztában lenni azzal, hogy nem mindig a legjobb megoldás a teljesítmény javítására, ha több csomópontot ad hozzá egy fürthöz. Az optimális teljesítmény biztosítása érdekében gondosan figyelnie kell az erőforrás-kihasználtsági és ütemezési szabályzatokat, hogy a csomópontok hatékonyan legyenek használatban.

Csomópontrendszerképek

Ajánlott eljárásokkal kapcsolatos útmutató:

A csomópontkép legújabb verziójával győződjön meg arról, hogy rendelkezik a legújabb biztonsági javításokkal és hibajavításokkal.

A legújabb csomópontrendszerkép-verzió használata biztosítja a legjobb teljesítményt. Az AKS a heti képkiadásokon belül teljesítménybeli fejlesztéseket hajt végre. A legújabb démonlemezképek gyorsítótárazva vannak a legújabb VHD-lemezképen, ami alacsonyabb késési előnyöket biztosít a csomópontok kiépítéséhez és a rendszerindításhoz. A frissítések elmaradása negatív hatással lehet a teljesítményre, ezért fontos elkerülni a verziók közötti nagy réseket.

Azure Linux

Az Azure Linux Container Host on AKS natív AKS-rendszerképet használ, és egyetlen helyet biztosít a Linux-fejlesztéshez. Minden csomag forrásból épül fel és érvényesítve van, így a szolgáltatások bizonyított összetevőkön futnak.

Az Azure Linux egyszerű, csak a tárolók számítási feladatainak futtatásához szükséges csomagokat tartalmazza. Csökkentett támadási felületet biztosít, és kiküszöböli a szükségtelen csomagok javítását és karbantartását. Az alaprétegében egy Microsoft által edzett kernel van, amelyet az Azure-ra hangoltak. Ez a rendszerkép ideális teljesítményérzékeny számítási feladatokhoz és platformmérnökökhöz vagy AKS-fürtök flottáit kezelő operátorokhoz.

Ubuntu 2204

Az Ubuntu 2204 rendszerkép az AKS alapértelmezett csomópontrendszerképe. Ez egy egyszerű és hatékony operációs rendszer, amely tárolóalapú számítási feladatok futtatására van optimalizálva. Ez azt jelenti, hogy segíthet csökkenteni az erőforrás-használatot és javítani az általános teljesítményt. A rendszerkép tartalmazza a legújabb biztonsági javításokat és frissítéseket, amelyek biztosítják, hogy a számítási feladatok védettek legyenek a biztonsági résekkel.

Az Ubuntu 2204-rendszerképet teljes mértékben támogatja a Microsoft, a Canonical és az Ubuntu közösség, és segíthet a tárolóalapú számítási feladatok jobb teljesítményének és biztonságának elérésében.

Virtuális gépek (VM-ek)

Ajánlott eljárásokkal kapcsolatos útmutató:

Virtuális gép kiválasztásakor győződjön meg arról, hogy az operációsrendszer-lemez és a virtuálisgép-termékváltozat mérete és teljesítménye nem jár nagy eltéréssel. A méret vagy a teljesítmény eltérése teljesítményproblémákat és erőforrás-versengést okozhat.

Az alkalmazás teljesítménye szorosan kapcsolódik a számítási feladatokban használt virtuálisgép-termékváltozatokhoz. A nagyobb és nagyobb teljesítményű virtuális gépek általában jobb teljesítményt nyújtanak. Kritikus fontosságú vagy termékterhelések esetén javasoljuk, hogy legalább 8 magos processzorral rendelkező virtuális gépeket használjunk. Az újabb hardvergenerációkkal ( például v4 és v5) rendelkező virtuális gépek szintén segíthetnek a teljesítmény javításában. Ne feledje, hogy a létrehozási és skálázási késés a használt virtuálisgép-termékváltozatoktól függően változhat.

Dedikált rendszercsomópontkészletek használata

A teljesítmény és a megbízhatóság skálázásához egy dedikált rendszercsomópontkészlet használatát javasoljuk. Ezzel a konfigurációval a dedikált rendszercsomópontkészlet helyet foglal a kritikus rendszererőforrások, például a rendszer operációs rendszer démonjai számára. Az alkalmazás számítási feladatai ezután futtathatók egy felhasználói csomópontkészletben, hogy növeljék az alkalmazás számára kiosztható erőforrások rendelkezésre állását. Ez a konfiguráció segít csökkenteni a rendszer és az alkalmazás közötti erőforrás-verseny kockázatát is.

Műveletek létrehozása

Tekintse át a létrehozás során engedélyezett bővítményeket és bővítményeket. A bővítmények és bővítmények késést adhatnak a létrehozási műveletek teljes időtartamához. Ha nincs szüksége bővítményre vagy bővítményre, javasoljuk, hogy távolítsa el a bővítményt a létrehozási késés javítása érdekében.

A rendelkezésre állási zónákkal magasabb rendelkezésre állási szintet is biztosíthat a lehetséges hardverhibák vagy tervezett karbantartási események elleni védelem érdekében. Az AKS-fürtök az alapul szolgáló Azure-infrastruktúra logikai szakaszai között osztják el az erőforrásokat. A rendelkezésre állási zónák fizikailag elválasztják a csomópontokat a többi csomóponttól, így biztosítható, hogy egyetlen hiba ne befolyásolja az alkalmazás rendelkezésre állását. A rendelkezésre állási zónák csak bizonyos régiókban érhetők el. További információ: Rendelkezésre állási zónák az Azure-ban.

Kubernetes API-kiszolgáló

LIST és WATCH műveletek

A Kubernetes a LIST és a WATCH műveletekkel kommunikál a Kubernetes API-kiszolgálóval, és figyeli a fürterőforrásokkal kapcsolatos információkat. Ezek a műveletek alapvető fontosságúak ahhoz, hogy a Kubernetes hogyan végzi el az erőforrás-kezelést.

A LIST művelet lekéri a bizonyos feltételeknek megfelelő erőforrások listáját, például egy adott névtérben lévő összes podot vagy a fürt összes szolgáltatását. Ez a művelet akkor hasznos, ha áttekintést szeretne kapni a fürterőforrásokról, vagy egyszerre több erőforrást kell üzemeltetnie.

A LIST művelet nagy mennyiségű adatot tud lekérni, különösen nagy méretű, több erőforrással rendelkező fürtökben. Vegye figyelembe, hogy a kötetlen vagy gyakori LIST-hívások jelentős terhelést jelentenek az API-kiszolgálón, és bezárhatják a válaszidőt.

A WATCH művelet valós idejű erőforrás-monitorozást végez. Amikor beállít egy WATCH-t egy erőforráson, az API-kiszolgáló minden alkalommal frissítéseket küld, amikor az adott erőforrás módosul. Ez olyan vezérlők esetében fontos, mint a ReplicaSet vezérlő, amely a WATCH-ra támaszkodik az erőforrások kívánt állapotának fenntartása érdekében.

Ne feledje, hogy túl sok mutable erőforrás figyelése vagy túl sok egyidejű WATCH-kérés végrehajtása túlterhelheti az API-kiszolgálót, és túlzott erőforrás-felhasználást okozhat.

A lehetséges problémák elkerülése és a Kubernetes vezérlősík stabilitásának biztosítása érdekében az alábbi stratégiákat használhatja:

Erőforráskvóták

Erőforráskvótákat implementálhat az adott felhasználó vagy névtér által listázható vagy figyelhető erőforrások számának korlátozásához a túlzott hívások elkerülése érdekében.

API-prioritás és méltányosság

A Kubernetes bevezette az API Priority and Fairness (APF) fogalmát az API-kérések rangsorolásához és kezeléséhez. Az APF-t a Kubernetesben használhatja a fürt API-kiszolgálójának védelmére és az ügyfélalkalmazások által látott válaszok számának HTTP 429 Too Many Requests csökkentésére.

Egyéni erőforrás Legfontosabb funkciók
PriorityLevelConfigurations • Az API-kérések különböző prioritási szintjeinek meghatározása.
• Egyedi nevet ad meg, és a prioritási szintet jelölő egész számértéket rendel hozzá. A magasabb prioritási szintek alacsonyabb egész számértékekkel rendelkeznek, ami azt jelzi, hogy kritikusabbak.
• Több használatával kategorizálhatja a kéréseket különböző prioritási szintekre a fontosságuk alapján.
• Lehetővé teszi annak megadását, hogy egy adott prioritási szinten a kérelmekre díjkorlátok vonatkozhatnak-e.
FlowSchemas • Határozza meg, hogyan kell az API-kéréseket különböző prioritási szintekre irányítani a kérelemattribútumok alapján.
• Olyan szabályokat adjon meg, amelyek megfelelnek a kéréseknek olyan feltételek alapján, mint az API-csoportok, a verziók és az erőforrások.
• Ha egy kérelem megfelel egy adott szabálynak, a rendszer a kérést a társított PriorityLevelConfigurationban megadott prioritási szintre irányítja.
• Beállíthatja a kiértékelési sorrendet, ha több FlowSchema egyezik egy kéréssel, hogy bizonyos szabályok elsőbbséget élvezhessenek.

Az API PriorityLevelConfigurations és FlowSchemas használatával történő konfigurálása lehetővé teszi a kritikus API-kérések rangsorolását a kevésbé fontos kérésekkel szemben. Ez biztosítja, hogy az alapvető műveletek ne éheztessenek vagy ne tapasztalják a késést az alacsonyabb prioritású kérések miatt.

Címkézés és választók optimalizálása

A LIST-műveletek használatakor optimalizálja a címkeválasztókat a lekérdezni kívánt erőforrások hatókörének szűkítéséhez a visszaadott adatok mennyiségének és az API-kiszolgáló terhelésének csökkentése érdekében.

A Kubernetes CREATE és UPDATE műveletei a fürterőforrásokat kezelő és módosító műveletekre vonatkoznak.

CREATE és UPDATE műveletek

A CREATE művelet új erőforrásokat hoz létre a Kubernetes-fürtben, például podokat, szolgáltatásokat, üzembe helyezéseket, konfigurációtérképeket és titkos kulcsokat. A CREATE művelet során egy ügyfél, például kubectl egy vezérlő kérést küld a Kubernetes API-kiszolgálónak az új erőforrás létrehozásához. Az API-kiszolgáló ellenőrzi a kérést, biztosítja a hozzáférés-vezérlési szabályzatoknak való megfelelést, majd létrehozza az erőforrást a fürt kívánt állapotában.

Az UPDATE művelet módosítja a Kubernetes-fürt meglévő erőforrásait, beleértve az erőforrások specifikációinak módosítását is, például replikák, tárolólemezképek, környezeti változók vagy címkék számát. Az UPDATE művelet során az ügyfél kérést küld az API-kiszolgálónak egy meglévő erőforrás frissítésére. Az API-kiszolgáló ellenőrzi a kérést, alkalmazza az erőforrásdefiníció módosításait, és frissíti a fürterőforrást.

A CREATE és UPDATE műveletek az alábbi feltételek mellett befolyásolhatják a Kubernetes API-kiszolgáló teljesítményét:

  • Magas egyidejűség: Ha több felhasználó vagy alkalmazás egyidejű CREATE vagy UPDATE kéréseket küld, az a kiszolgálóra egyidejűleg érkező API-kérések megugrásához vezethet. Ez kihathat az API-kiszolgáló feldolgozási kapacitására, és teljesítményproblémákat okozhat.
  • Összetett erőforrás-definíciók: A túlságosan összetett vagy több beágyazott objektumot tartalmazó erőforrásdefiníciók növelhetik az API-kiszolgáló által a CREATE és UPDATE kérelmek érvényesítéséhez és feldolgozásához szükséges időt, ami teljesítménycsökkenéshez vezethet.
  • Erőforrás-ellenőrzés és belépés-vezérlés: A Kubernetes különböző beléptetési szabályzatokat és érvényesítési ellenőrzéseket hajt végre a bejövő CREATE és UPDATE kérelmeken. A nagy erőforrásdefiníciók, például a kiterjedt széljegyzetekkel vagy konfigurációkkal rendelkezőkhöz hasonlóan több feldolgozási időt igényelhetnek.
  • Egyéni vezérlők: Azok az egyéni vezérlők, amelyek figyelik az erőforrások változásait, például az üzembe helyezéseket vagy a StatefulSet-vezérlőket, jelentős számú frissítést generálhatnak a módosítások skálázásakor vagy bevezetésekor. Ezek a frissítések megterhelhetik az API-kiszolgáló erőforrásait.

További információ: AZ API-kiszolgálóval és az AKS-sel kapcsolatos stb. problémák elhárítása.

Adatsík teljesítménye

A Kubernetes-adatsík felelős a tárolók és szolgáltatások közötti hálózati forgalom kezeléséért. Az adatsíkkal kapcsolatos problémák lassú válaszidőt, csökkentett teljesítményt és alkalmazás-állásidőt eredményezhetnek. Fontos, hogy gondosan monitorozza és optimalizálja az adatsík konfigurációit, például a hálózati késést, az erőforrás-lefoglalást, a tárolósűrűséget és a hálózati házirendeket, hogy a tárolóalapú alkalmazások zökkenőmentesen és hatékonyan fussanak.

Tárolótípusok

Az AKS a rövid élettartamú operációsrendszer-lemezek használatát javasolja és alapértelmezés szerint. A rendszer rövid élettartamú operációsrendszer-lemezeket hoz létre a helyi virtuálisgép-tárolóban, és nem menti őket távoli Azure-tárolóba, például felügyelt operációsrendszer-lemezekre. Gyorsabb újraillesztési és rendszerindítási időket biztosítanak, ami gyorsabb fürtműveleteket tesz lehetővé, és alacsonyabb olvasási/írási késést biztosítanak az AKS-ügynökcsomópontok operációsrendszer-lemezén. A rövid ideig futó operációsrendszer-lemezek jól működnek az állapot nélküli számítási feladatokhoz, ahol az alkalmazások tolerálják az egyes virtuális gépek hibáit, de nem a virtuális gépek üzembe helyezésének idejét vagy az egyes virtuális gépek példányainak újraimálását. Csak bizonyos virtuálisgép-termékváltozatok támogatják a rövid élettartamú operációsrendszer-lemezeket, ezért gondoskodnia kell arról, hogy a kívánt termékváltozat létrehozása és mérete kompatibilis legyen. További információ: Rövid élettartamú operációsrendszer-lemezek az Azure Kubernetes Service-ben (AKS).

Ha a számítási feladat nem tud rövid élettartamú operációsrendszer-lemezeket használni, az AKS alapértelmezés szerint prémium SSD operációsrendszer-lemezeket használ. Ha a prémium SSD operációsrendszer-lemezek nem kompatibilisek a számítási feladattal, az AKS alapértelmezés szerint standard SSD-lemezeket ad meg. Jelenleg az egyetlen elérhető operációsrendszer-lemeztípus a Standard HDD. További információ: Tárolási lehetőségek az Azure Kubernetes Service-ben (AKS).

Az alábbi táblázat az AKS-ben támogatott operációsrendszer-lemezek javasolt használati eseteinek lebontását tartalmazza:

Operációsrendszer-lemez típusa Legfontosabb funkciók Javasolt használati esetek
Rövid élettartamú operációsrendszer-lemezek • Gyorsabb újra- és indítási idők.
• Kisebb olvasási/írási késés az AKS-ügynökcsomópontok operációsrendszer-lemezén.
• Nagy teljesítmény és rendelkezésre állás.
• Nagyvállalati számítási feladatok, például SQL Server, Oracle, Dynamics, Exchange Server, MySQL, Cassandra, MongoDB, SAP Business Suite stb.
• Állapot nélküli éles számítási feladatok, amelyek magas rendelkezésre állást és alacsony késést igényelnek.
Prémium SSD operációsrendszer-lemezek • Konzisztens teljesítmény és alacsony késés.
• Magas rendelkezésre állás.
• Nagyvállalati számítási feladatok, például SQL Server, Oracle, Dynamics, Exchange Server, MySQL, Cassandra, MongoDB, SAP Business Suite stb.
• Bemeneti/kimeneti (IO)-igényes nagyvállalati számítási feladatok.
Standard SSD operációsrendszer-lemezek • Konzisztens teljesítmény.
• Jobb rendelkezésre állás és késés a standard HDD-lemezekhez képest.
• Webkiszolgálók.
• Alacsony bemeneti/kimeneti műveletek másodpercenként (IOPS) alkalmazáskiszolgálók.
• Kis mértékben használt vállalati alkalmazások.
• Fejlesztési/tesztelési számítási feladatok.
Standard HDD-lemezek • Alacsony költség.
• Változékonyságot mutat a teljesítményben és a késésben.
• Biztonsági mentési tárhely.
• Tömeges tárolás ritkán elérhető hozzáféréssel.

IOPS és átviteli sebesség

A másodpercenkénti bemeneti/kimeneti műveletek (IOPS) azoknak az olvasási és írási műveleteknek a számát jelentik, amelyeket egy lemez másodpercenként hajthat végre. Az átviteli sebesség azt az adatmennyiséget jelenti, amely egy adott időszakban továbbítható.

Az operációsrendszer-lemezek felelősek az operációs rendszer és a hozzá tartozó fájlok tárolásáért, és a virtuális gépek felelősek az alkalmazások futtatásáért. Virtuális gép kiválasztásakor győződjön meg arról, hogy az operációsrendszer-lemez és a virtuálisgép-termékváltozat mérete és teljesítménye nem jár nagy eltéréssel. A méret vagy a teljesítmény eltérése teljesítményproblémákat és erőforrás-versengést okozhat. Ha például az operációsrendszer-lemez jelentősen kisebb, mint a virtuális gépek, korlátozhatja az alkalmazásadatok számára rendelkezésre álló területet, és a rendszernek elfogy a lemezterülete. Ha az operációsrendszer-lemez teljesítménye alacsonyabb, mint a virtuális gépeké, szűk keresztmetszetté válhat, és korlátozhatja a rendszer általános teljesítményét. Győződjön meg arról, hogy a méret és a teljesítmény egyensúlyban van a Kubernetes optimális teljesítményének biztosítása érdekében.

Az alábbi lépésekkel monitorozhatja az IOPS-t és a sávszélesség-mérőket az operációsrendszer-lemezeken az Azure Portalon:

  1. Lépjen az Azure Portalra.
  2. Keressen rá a virtuálisgép-méretezési csoportokra, és válassza ki a virtuálisgép-méretezési csoportot.
  3. A Figyelés területen kattintson a Metrikák elemre.

A rövid élettartamú operációsrendszer-lemezek dinamikus IOPS-t és átviteli sebességet biztosíthatnak az alkalmazás számára, míg a felügyelt lemezekhez hozzárendelt IOPS és átviteli sebesség érhető el. További információkért tekintse meg az Azure-beli virtuális gépek rövid élettartamú operációsrendszer-lemezeit.

Az Azure Premium SSD v2 olyan IO-intenzív nagyvállalati számítási feladatokhoz készült, amelyeknél ezredmásodperc alatti lemezkés, magas IOPS- és átviteli sebesség szükséges alacsony költséggel. Számos számítási feladathoz használható, például SQL Server, Oracle, MariaDB, SAP, Cassandra, MongoDB, big data/analytics, gaming stb. Ez a lemeztípus az állandó kötetekhez jelenleg elérhető legmagasabb teljesítményű beállítás.

Podütemezés

A virtuális gép számára lefoglalt memória- és CPU-erőforrások közvetlen hatással vannak a virtuális gépen futó podok teljesítményére. A pod létrehozásakor a rendszer hozzárendel egy bizonyos mennyiségű memóriát és CPU-erőforrást, amelyek az alkalmazás futtatására szolgálnak. Ha a virtuális gép nem rendelkezik elegendő rendelkezésre álló memóriával vagy CPU-erőforrással, az a podok lelassulását vagy összeomlását okozhatja. Ha a virtuális gép túl sok memóriával vagy CPU-erőforrással rendelkezik, az a podok nem hatékony futtatását, az erőforrások elhasználását és a költségek növelését okozhatja. Javasoljuk, hogy a lehető legjobb ütemezési kiszámíthatóság és teljesítmény érdekében monitorozza a számítási feladatok teljes pod-kéréseit az összes kiosztható erőforrással. A csomópontonkénti podok maximális számát a kapacitástervezés alapján is beállíthatja --max-pods.