Overview of ACS Pods - Container Compute Service - Centro de documentación de Alibaba Cloud

Un pod es la unidad desplegable más pequeña en Kubernetes y suele constar de uno o varios contenedores. El tipo de cómputo y la calidad de potencia de cómputo de un pod influyen significativamente en el rendimiento de las aplicaciones y en el uso de los recursos. Container Compute Service (ACS) ofrece varios tipos de cómputo con sus respectivas clases de calidad de potencia de cómputo para satisfacer distintos requisitos de las aplicaciones. Este tema describe las funciones principales y los límites de los pods de ACS, entre ellos el aislamiento de seguridad, la configuración de recursos y especificaciones de CPU, memoria y GPU, la extracción de imágenes, el almacenamiento, la red y la recopilación de registros.

Definiciones de tipos de cómputo

ACS proporciona tipos de cómputo de contenedores de CPU y GPU rentables, con distintas asignaciones de recursos que se adaptan a diversos escenarios de negocio.

Tipo de cómputo	Etiqueta	Funciones
De uso general (predeterminado)	general-purpose	Adecuado para la mayoría de las aplicaciones de microservicios sin estado, aplicaciones web Java y tareas de cómputo.
Optimizado para rendimiento	performance	Recomendado cuando se requiere mayor rendimiento, como en entrenamiento e inference de IA/ML basados en CPU y procesamiento por lotes HPC.
Tipo GPU	gpu	Diseñado para escenarios de cómputo heterogéneo como IA y HPC, lo que incluye inference con una o varias GPU y cómputo paralelo con GPU.
GPU de red de alto rendimiento (gpu-hpn)	gpu-hpn	Más indicado para escenarios de cómputo heterogéneo como IA y HPC, entre ellos entrenamiento distribuido con GPU, inference distribuida y cómputo de alto rendimiento con GPU.

El tipo de cómputo se especifica mediante la etiqueta alibabacloud.com/compute-class en el pod. A continuación se muestran ejemplos de la configuración YAML de una aplicación NGINX con el tipo de cómputo establecido en general-purpose, gpu o gpu-hpn.

De uso general

apiVersion: apps/v1 
kind: Deployment
metadata:
  name: nginx-deployment
  labels:
    app: nginx
spec:
  replicas: 2
  selector:
    matchLabels:
      app: nginx
  template:
    metadata:
      labels:
        app: nginx
        alibabacloud.com/compute-class: general-purpose 
    spec:
      containers:
      - name: nginx
        image: registry.cn-hangzhou.aliyuncs.com/acs-sample/nginx:latest

Acelerado por GPU

apiVersion: apps/v1 
kind: Deployment
metadata:
  name: nginx-deployment
  labels:
    app: nginx
spec:
  replicas: 2
  selector:
    matchLabels:
      app: nginx
  template:
    metadata:
      labels:
        app: nginx
        # Set the compute-class to gpu.
        alibabacloud.com/compute-class: "gpu"
        # Set the GPU model to example-model. Replace the value as needed, for example, T4.
        alibabacloud.com/gpu-model-series: "example-model"
    spec:
      containers:
      - name: nginx
        image: registry.cn-hangzhou.aliyuncs.com/acs-sample/nginx:latest
        resources:
          limits:
            cpu: 4
            memory: "8Gi"
            nvidia.com/gpu: "1" # Specify the number of GPUs. Set the resource label and quantity as needed. 
          requests:
            cpu: 4
            memory: "8Gi"
            nvidia.com/gpu: "1" # Specify the number of GPUs. Set the resource label and quantity as needed.

Nota

Para obtener más información sobre los modelos y especificaciones de GPU compatibles con ACS, consulte Accelerated compute type specifications.

GPU de red de alto rendimiento

apiVersion: apps/v1 
kind: Deployment
metadata:
  name: nginx-deployment
  labels:
    app: nginx
spec:
  replicas: 2
  selector:
    matchLabels:
      app: nginx
  template:
    metadata:
      labels:
        app: nginx
        # Set the compute-class to gpu-hpn. 
        alibabacloud.com/compute-class: "gpu-hpn"
    spec:
      containers:
      - name: nginx
        image: registry.cn-hangzhou.aliyuncs.com/acs-sample/nginx:latest
        resources:
          limits:
            cpu: 4
            memory: "8Gi"
            nvidia.com/gpu: "1" # Specify the number of GPUs. Set the resource label and quantity as needed. 
          requests:
            cpu: 4
            memory: "8Gi"
            nvidia.com/gpu: "1" # Specify the number of GPUs. Set the resource label and quantity as needed.

Nota

Para usar GPU de red de alto rendimiento en ACS, primero cree un GPU-HPN capacity reservation.

Definiciones de calidad de potencia de cómputo

ACS ofrece dos clases de calidad de potencia de cómputo con distintas asignaciones de recursos que se adaptan a diversos escenarios de negocio.

Calidad de potencia de cómputo	Etiqueta	Funciones	Escenarios de aplicación típicos
Predeterminada	default	Pueden producirse algunas fluctuaciones en la potencia de cómputo. Las instancias no se desalojan de forma forzosa. Si una instancia falla, se recupera mediante migración en caliente o se notifica al usuario para que active el desalojo.	Aplicaciones de microservicios Aplicaciones web Tareas de cómputo
BestEffort	best-effort	Pueden producirse algunas fluctuaciones en la potencia de cómputo. Las instancias pueden sufrir apropiación y desalojo forzosos. Se envía una notificación de evento 5 minutos antes del desalojo.	Cómputo de big data Transcodificación de audio y video Tareas de procesamiento por lotes

La calidad de potencia de cómputo se especifica mediante la etiqueta alibabacloud.com/compute-qos en el pod. A continuación se muestra un ejemplo de la configuración YAML de una aplicación NGINX con la calidad de potencia de cómputo establecida en default.

apiVersion: apps/v1 
kind: Deployment
metadata:
  name: nginx-deployment
  labels:
    app: nginx
spec:
  replicas: 2
  selector:
    matchLabels:
      app: nginx
  template:
    metadata:
      labels:
        app: nginx
        alibabacloud.com/compute-qos: default
    spec:
      containers:
      - name: nginx
        image: registry.cn-hangzhou.aliyuncs.com/acs-sample/nginx:latest

Nota

Las clases de calidad de potencia de cómputo definidas por ACS difieren de las clases QoS nativas de Kubernetes. La clase de calidad de potencia de cómputo predeterminada en ACS corresponde a la clase QoS Guaranteed de Kubernetes.
El inventario de instancias BestEffort es dinámico. En entornos de producción, se recomienda encarecidamente aplicar una directiva de programación basada en inventario prioritario. Esta directiva permite que la plataforma cambie automáticamente a la clase de calidad predeterminada cuando no hay inventario disponible. Para obtener más información, consulte Custom resource scheduling policy.

Asignaciones entre tipos de cómputo y clases de calidad de potencia de cómputo

Tipo de cómputo (etiqueta)	Clases de calidad de potencia de cómputo compatibles (etiquetas)
De uso general (general-purpose)	Predeterminada (default), BestEffort (best-effort)
Optimizado para rendimiento (performance)	Predeterminada (default), BestEffort (best-effort)
Tipo GPU (gpu)	Predeterminada (default), BestEffort (best-effort)
GPU de red de alto rendimiento (gpu-hpn)	Predeterminada (default)

Especificar la marca de CPU

Los tipos de cómputo de uso general (general-purpose) y optimizado para rendimiento (performance) admiten dos proveedores de CPU: Intel y AMD.

El proveedor de CPU se especifica al agregar la anotación alibabacloud.com/cpu-vendors a un pod o al definir la anotación alibabacloud.com/cpu-vendors en la plantilla de pod de una carga de trabajo. Para usar CPU AMD, envíe un ticket para que su cuenta se agregue a la lista de permitidos. No se admite especificar esta anotación para otros tipos de cómputo, ya que genera un mensaje de error. La anotación admite los siguientes valores:

Clave	Valor	Definición
`alibabacloud.com/cpu-vendors`	intel (predeterminado)	Especifica una CPU Intel. Si no se indica, el valor predeterminado es "intel".
	amd	Especifica una CPU AMD.
	intel, amd	Especifica una CPU Intel o AMD. El sistema selecciona la marca de CPU adecuada para crear la instancia según el inventario disponible. Cuando se indican varios valores, no se admite establecer un orden de preferencia.

Una vez creada la instancia, compruebe el valor de la etiqueta alibabacloud.com/cpu-vendor en el YAML del pod para verificar la marca real de la CPU.

A continuación se muestra un ejemplo de la configuración YAML de una aplicación NGINX donde la marca de CPU se establece en amd.

apiVersion: apps/v1 
kind: Deployment
metadata:
  name: nginx-deployment
  labels:
    app: nginx
spec:
  replicas: 2
  selector:
    matchLabels:
      app: nginx
  template:
    metadata:
      labels:
        app: nginx
        alibabacloud.com/compute-class: general-purpose
        alibabacloud.com/compute-qos: default
      annotations:
        alibabacloud.com/cpu-vendors: amd
    spec:
      containers:
      - name: nginx
        image: registry.cn-hangzhou.aliyuncs.com/acs-sample/nginx:latest

Aviso

No utilice etiquetas del sistema de ACS, como alibabacloud.com/compute-class, alibabacloud.com/compute-qos y alibabacloud.com/cpu-vendor, como etiquetas de filtro en matchLabels de la carga de trabajo. El sistema puede modificar estas etiquetas, lo que provocaría que el controlador vuelva a crear los pods con frecuencia y afectaría la estabilidad de la aplicación.

Funciones principales

Función	Descripción
Aislamiento de seguridad	ACS es un entorno de ejecución de contenedores serverless seguro. Cada instancia de pod se aísla de forma rigurosa mediante tecnología de sandbox ligera, sin interferencias entre instancias. Durante la programación, las instancias se distribuyen en distintas máquinas físicas tanto como sea posible para maximizar la disponibilidad.
Configuración de especificaciones de recursos de CPU, memoria, GPU y EphemeralStorage	Especificar solicitudes de recursos: configure las solicitudes de recursos de CPU, memoria, EphemeralStorage y GPU de un contenedor mediante el campo estándar de Kubernetes `resources.requests`. Los recursos de un pod de ACS corresponden a la suma de los recursos que requieren todos los contenedores dentro del pod. ACS ajusta automáticamente las especificaciones del pod. Especificar límites de recursos: configure los límites de recursos de CPU, memoria, EphemeralStorage y GPU de un contenedor mediante el campo estándar de Kubernetes `resources.limits`. Si no se especifican, el límite de recursos predeterminado de un contenedor equivale al total de recursos de todos los contenedores del pod ajustado.
Imagen	De forma predeterminada, cada vez que se reinicia un pod de ACS, este extrae una imagen de un registro de contenedores remoto a través de la virtual private cloud (VPC) donde está desplegado. Si el registro tiene acceso público, debe configurarse una puerta de enlace NAT para la VPC. Para acelerar la extracción de imágenes mediante VPC, utilice Container Registry (ACR) para alojar las imágenes de contenedor. Además, ACS es compatible con pulling private images from Container Registry without using Secrets.
Almacenamiento	ACS admite cuatro tipos de almacenamiento persistente: discos en la nube, NAS, OSS y CPFS. Disco en la nube Admite SSD empresariales (ESSD), discos ESSD AutoPL, SSD estándar y discos ultra. Seleccione los tipos de disco anteriores según sus necesidades. Para obtener más información, consulte Disk volume overview. ACS admite el aprovisionamiento dinámico de discos en la nube como volúmenes persistentes (PV). Para obtener más información, consulte Use a dynamic disk volume. NAS Los volúmenes NAS aprovisionados de forma estática permiten montar sistemas de archivos NAS Capacity y NAS Extreme como volúmenes. Los volúmenes NAS aprovisionados de forma dinámica montan sistemas de archivos NAS Capacity de manera predeterminada. Para obtener más información, consulte Details. ACS admite el aprovisionamiento estático y dinámico de volúmenes NAS como PV. Para obtener más información, consulte NAS volume overview. OSS ACS admite el aprovisionamiento estático de volúmenes OSS como PV. Para obtener más información, consulte Use an OSS static volume. CPFS ACS admite el aprovisionamiento estático de volúmenes CPFS como PV. Para obtener más información, consulte Using CPFS static persistent volumes.
Red	De forma predeterminada, un pod de ACS utiliza una IP de pod independiente y ocupa una ENI de un vSwitch. En un clúster de ACS, los pods pueden comunicarse entre sí de las siguientes maneras: Acceder directamente a los pods mediante sus direcciones IP. Adjuntar pods de ACS a un servicio LoadBalancer. Para obtener más información, consulte Expose an application using an existing Server Load Balancer. Un pod puede utilizar la dirección IP del clúster de un servicio ClusterIP para acceder a los pods de backend de dicho servicio. Para obtener más información, consulte Create ClusterIP Services. Se pueden adjuntar EIP a los pods de ACS mediante la creación automática de una nueva EIP o la asociación de una instancia de EIP existente. Para obtener más información, consulte Attach an EIP to a pod using annotations.
Recopilación de registros	Configure directamente las variables de entorno del pod para recopilar registros de `stdout` o de archivos y enviarlos a Alibaba Cloud Simple Log Service (SLS).

Especificaciones de recursos

Aviso

En un clúster de ACS, las especificaciones de los pods para los tipos de cómputo GPU y GPU-HPN se ajustan automáticamente al enviarlos. Por ejemplo, los pods de GPU se ajustan de manera uniforme a QoS Guaranteed (la solicitud es igual al límite). Cuando se utiliza la potencia de cómputo de GPU de ACS desde otras fuentes, como clústeres de ACK o ACK One, el ajuste de las especificaciones de recursos no se refleja en los metadatos del pod. Asegúrese de que la QoS del pod permanezca sin cambios antes y después del envío. Para los tipos de cómputo GPU, envíe el pod con QoS Guaranteed para evitar errores en la actualización de su estado.

Tipos de cómputo de uso general

Tipo de cómputo General-Purpose

vCPU	Memoria (GiB)	Tamaño de incremento de memoria (GiB)	Ancho de banda de red (entrada + salida) (Gbit/s)	Almacenamiento
0.25	0.5, 1, 2	N/A	0.08	Las capacidades de 30 GiB o menos son gratuitas. Para capacidades superiores a 30 GiB, el excedente se factura por separado. La configuración máxima compatible es de 2,000 GiB. Para obtener espacio de almacenamiento adicional, monte volúmenes de almacenamiento como NAS.
0.5	1 a 4	1	0.08
1	1 a 8		0.1
1.5	2 a 12		1
2	2 a 16		1
2.5	3 a 20		1.5
3	3 a 24
3.5	4 a 28
4	4 a 32
4.5	5 a 36
5	5 a 40
5.5	6 a 44
6	6 a 48
6.5	7 a 52		2.5
7	7 a 56
7.5	8 a 60
8	8 a 64
8.5	9 a 68
9	9 a 72
9.5	10 a 76
10	10 a 80
10.5	11 a 84
11	11 a 88
11.5	12 a 92
12	12 a 96
12.5	13 a 100		3
13	13 a 104
13.5	14 a 108
14	14 a 112
14.5	15 a 116
15	15 a 120
15.5	16 a 124
16	16 a 128
24	24, 48, 96, 192	N/A	4.5
32	32, 64, 128, 256	N/A	6
48	48, 96, 192, 384	N/A	12.5
64	64, 128, 256, 512	N/A	20

Tipo de cómputo Performance

vCPU	Memoria (GiB)	Tamaño de incremento de memoria (GiB)	Ancho de banda de red (entrada + salida) (Gbit/s)	Almacenamiento
0.25	0.5, 1, 2	N/A	0.1	Las capacidades de 30 GiB o menos son gratuitas. Para capacidades superiores a 30 GiB, el excedente se factura por separado. La configuración máxima compatible es de 2,000 GiB. Para obtener espacio de almacenamiento adicional, monte volúmenes de almacenamiento como NAS.
0.5	1 a 4	1	0.5
1	1 a 8
1.5	2 a 12
2	2 a 16		1.5
2.5	3 a 20
3	3 a 24
3.5	4 a 28
4	4 a 32		2
4.5	5 a 36
5	5 a 40
5.5	6 a 44
6	6 a 48		2.5
6.5	7 a 52
7	7 a 56
7.5	8 a 60
8	8 a 64		3
8.5	9 a 68
9	9 a 72
9.5	10 a 76
10	10 a 80		3.5
10.5	11 a 84
11	11 a 88
11.5	12 a 92
12	12 a 96		4
12.5	13 a 100
13	13 a 104
13.5	14 a 108
14	14 a 112		4.5
14.5	15 a 116
15	15 a 120
15.5	16 a 124
16	16 a 128		6
24	24, 48, 96, 192	N/A	8
32	32, 64, 128, 256	N/A	10
48	48, 96, 192, 384	N/A	16
64	64, 128, 256, 512	N/A	25

Importante

Para usar pods de ACS con más de 16 vCPU o más de 128 GiB de memoria, envíe un ticket para solicitar acceso.

Si no especifica las configuraciones mediante .resources.requests y .resources.limits para los contenedores, se asignan de forma predeterminada 2 vCPU y 4 GiB de memoria a cada pod.

ACS ajusta automáticamente las especificaciones del pod. El sistema calcula la suma acumulada de .resources.requests y .resources.limits de todos los contenedores, toma el valor máximo entre ambos y ajusta el pod a la especificación compatible más cercana. Esta especificación ajustada se muestra en la anotación alibabacloud.com/pod-use-spec. Si ocurre un ajuste al alza, ACS modifica .resources.requests o .resources.limits del contenedor para que la aplicación pueda utilizar todos los recursos asignados.

Lógica de ajuste de especificaciones de los pods de ACS

Por ejemplo, suponga que el valor acumulado de .resources.requests o .resources.limits es de 2 vCPU y 3.5 GiB de memoria. Cuando el pod se inicia, ACS ajusta automáticamente su especificación a 2 vCPU y 4 GiB de memoria. Los recursos adicionales resultantes del ajuste se aplican al primer contenedor, y el pod recibe la anotación alibabacloud.com/pod-use-spec=2-4Gi. A continuación se muestra un ejemplo de declaración de recursos:

apiVersion: v1 
kind: Pod
metadata:
  labels:
    app: nginx
    alibabacloud.com/compute-class: general-purpose
    alibabacloud.com/compute-qos: default
  name: nginx
spec:
  containers:
  - name: nginx
    image: anolis-registry.cn-zhangjiakou.cr.aliyuncs.com/openanolis/nginx:1.14.1-8.6
    ports:
    - containerPort: 80
    resources:
      requests:
        cpu: 2 # Declare 2 vCPUs
        memory: "3.5Gi" # Declare 3.5 GiB of memory
        ephemeral-storage: "30Gi" # Declare 30 GiB of storage space

La declaración de recursos después del ajuste es la siguiente:

apiVersion: v1 
kind: Pod
metadata:
  annotations:
    alibabacloud.com/pod-use-spec: "2-4Gi"
  labels:
    app: nginx
    alibabacloud.com/compute-class: general-purpose
    alibabacloud.com/compute-qos: default
  name: nginx
spec:
  containers:
  - name: nginx
    image: anolis-registry.cn-zhangjiakou.cr.aliyuncs.com/openanolis/nginx:1.14.1-8.6
    ports:
    - containerPort: 80
    resources:
      requests:
        cpu: 2 # Declare 2 vCPUs
        memory: "4Gi" # Declare 4 GiB of memory
        ephemeral-storage: "30Gi" # Declare 30 GiB of storage space

Especificar las configuraciones de los pods mediante una anotación

Aplicabilidad

Esta función solo está disponible para pods de CPU de los tipos de cómputo de uso general (general-purpose) y optimizados para rendimiento (performance).
La especificación máxima compatible con la anotación es de 64 vCPU y 512 GiB, lo cual está sujeto a general-purpose compute type specifications.

Uso

En escenarios donde la calidad de servicio (QoS) es Burstable (.resources.limits > .resources.requests), declare las especificaciones de recursos objetivo de un pod mediante la anotación alibabacloud.com/pod-required-spec: "X-YGi". Las especificaciones de recursos deben usar el formato <CPU>-<Memory>, donde la CPU se indica en núcleos (por ejemplo, "2" representa 2 vCPU) y la memoria en GiB (por ejemplo, "4Gi" representa 4 GiB). Las reglas detalladas de alineación y uso de recursos son las siguientes:

Si el formato de la especificación de recursos es incorrecto, por ejemplo, si faltan unidades, se usa MiB o el orden es erróneo, no se crea el pod.
Si establece la anotación pero no define .resources para ningún contenedor, el sistema sigue estrictamente el valor de la anotación para el ajuste y no recurre a la especificación predeterminada de 2 vCPU y 4 GiB.
Si el valor de la anotación es menor que la suma de .resources.requests de todos los contenedores del pod, no se crea el pod.
Si el valor de la anotación es mayor que la suma de .resources.limits de todos los contenedores del pod, el sistema utiliza dicho valor como la especificación objetivo para ajustar el pod.

En un pod con varios contenedores, el primero se considera el contenedor principal. El sistema calcula la diferencia entre el valor de la anotación y la suma de los limits actuales. Después, esta diferencia se suma a .resources.limits del contenedor principal. El valor de .resources.requests también se ajusta si es necesario para alinear los recursos totales del pod con la especificación objetivo.

Ejemplo

Por ejemplo, suponga que se configura alibabacloud.com/pod-required-spec: "2-4Gi" y que el valor acumulado de .resources.requests o .resources.limits del contenedor es de 1 vCPU y 2 GiB de memoria. Cuando el pod se inicia, ACS ajusta automáticamente su especificación a 2 vCPU y 4 GiB de memoria. Los recursos adicionales resultantes del ajuste se aplican al primer contenedor, y el pod recibe la anotación alibabacloud.com/pod-use-spec=2-4Gi.

A continuación se muestra un ejemplo de declaración de recursos:

El valor de .resources.limits.memory es de 3.5 GiB.

apiVersion: v1 
kind: Pod
metadata:
  labels:
    app: nginx
    alibabacloud.com/compute-class: general-purpose
    alibabacloud.com/compute-qos: default
  annotations:
    alibabacloud.com/pod-required-spec: "2-4Gi"
  name: nginx
spec:
  containers:
  - name: nginx
    image: anolis-registry.cn-zhangjiakou.cr.aliyuncs.com/openanolis/nginx:1.14.1-8.6
    ports:
    - containerPort: 80
    resources:
      requests:
        cpu: 1 # Declare 1 vCPU
        memory: "2Gi" # Declare 2 GiB of memory
        ephemeral-storage: "30Gi" # Declare 30 GiB of storage space
      limits:
        cpu: 2 # Declare 2 vCPUs
        memory: "3.5Gi" # Declare 3.5 GiB of memory
        ephemeral-storage: "30Gi" # Declare 30 GiB of storage space

La declaración de recursos después del ajuste es la siguiente:

El valor de .resources.limits.memory se ajusta de 3.5 GiB a 4 GiB.

apiVersion: v1 
kind: Pod
metadata:
  annotations:
    alibabacloud.com/pod-required-spec: "2-4Gi"
    alibabacloud.com/pod-use-spec: "2-4Gi"
  labels:
    app: nginx
    alibabacloud.com/compute-class: general-purpose
    alibabacloud.com/compute-qos: default
  name: nginx
spec:
  containers:
  - name: nginx
    image: anolis-registry.cn-zhangjiakou.cr.aliyuncs.com/openanolis/nginx:1.14.1-8.6
    ports:
    - containerPort: 80
    resources:
      requests:
        cpu: 1 # Declare 1 vCPU
        memory: "2Gi" # Declare 2 GiB of memory
        ephemeral-storage: "30Gi" # Declare 30 GiB of storage space
      limits:
        cpu: 2 # Declare 2 vCPUs
        memory: "4Gi" # Declare 4 GiB of memory
        ephemeral-storage: "30Gi" # Declare 30 GiB of storage space

Tipos de cómputo acelerado

A continuación se muestran los modelos de GPU que ACS admite. Las especificaciones varían según el modelo. Para conocer la correspondencia exacta de cada especificación, envíe un ticket y obtenga más información.

GU8TF

GPU (tarjetas)	vCPU	Memoria (GiB)	Tamaño de incremento de memoria (GiB)	Almacenamiento (GiB)
1 (96 GB de memoria GPU)	2	2 a 16	1	30 a 256
	4	4 a 32	1
	6	6 a 48	1
	8	8 a 64	1
	10	10 a 80	1
	12	12 a 96	1
	14	14 a 112	1
	16	16 a 128	1
	22	22, 32, 64, 128	N/A
2 (96 GB × 2 de memoria GPU)	16	16 a 128	1	30 a 512
	32	32, 64, 128, 230	N/A
	46	64, 128, 230	N/A
4 GPU (96 GB cada una)	32	32, 64, 128, 256	N/A	30 a 1024
	64	64, 128, 256, 460	N/A
	92	128, 256, 460	N/A
8 GPU (96 × 8 GB de memoria GPU total)	64	64, 128, 256, 512	N/A	30 a 2048
	128	128, 256, 512, 920	N/A
	184	256, 512, 920	N/A

GU8TEF

GPU (tarjetas)	vCPU	Memoria (GiB)	Tamaño de incremento de memoria (GiB)	Almacenamiento (GiB)
1 (141 GB de memoria GPU)	2	2 a 16	1	30 a 768
	4	4 a 32	1
	6	6 a 48	1
	8	8 a 64	1
	10	10 a 80	1
	12	12 a 96	1
	14	14 a 112	1
	16	16 a 128	1
	22	22, 32, 64, 128, 225	N/A
2 (141 GB × 2 de memoria GPU)	16	16 a 128	1	30 a 1536
	32	32, 64, 128, 256	N/A
	46	64, 128, 256, 450	N/A
4 (141 GB × 4 de memoria GPU)	32	32, 64, 128, 256	N/A	30 a 3072
	64	64, 128, 256, 512	N/A
	92	128, 256, 512, 900	N/A
8 (141 GB × 8 de memoria GPU)	64	64, 128, 256, 512	N/A	30 a 6144
	128	128, 256, 512, 1024	N/A
	184	256, 512, 1024, 1800	N/A

L20(GN8IS)

GPU (tarjetas)	vCPU	Memoria (GiB)	Tamaño de incremento de memoria (GiB)	Almacenamiento (GiB)
1 (48 GB de memoria GPU)	2	2 a 16	1	30 a 256
	4	4 a 32	1
	6	6 a 48	1
	8	8 a 64	1
	10	10 a 80	1
	12	12 a 96	1
	14	14 a 112	1
	16	16 a 120	1
2 (48 GB × 2 de memoria GPU)	16	16 a 128	1	30 a 512
2 (48 GB × 2 de memoria GPU)	32	32, 64, 128, 230	N/A	30 a 512
4 (48 GB × 4 de memoria GPU)	32	32, 64, 128, 256	N/A	30 a 1024
4 (48 GB × 4 de memoria GPU)	64	64, 128, 256, 460	N/A	30 a 1024
8 (48 GB × 8 de memoria GPU)	64	64, 128, 256, 512	N/A	30 a 2048
8 (48 GB × 8 de memoria GPU)	128	128, 256, 512, 920	N/A	30 a 2048

L20X (GX8SF)

GPU (tarjetas)	vCPU	Memoria (GiB)	Tamaño de incremento de memoria (GiB)	Almacenamiento (GiB)
8 (141 GB × 8 de memoria GPU)	184	1800	N/A	30 a 6144

P16EN

GPU (tarjetas)	vCPU	Memoria (GiB)	Tamaño de incremento de memoria (GiB)	Almacenamiento (GiB)
1 (96 GB de memoria GPU)	2	2 a 16	1	30 a 384
	4	4 a 32	1
	6	6 a 48	1
	8	8 a 64	1
	10	10 a 80	1
2 (96 GB × 2 de memoria GPU)	4	4 a 32	1	30 a 768
	6	6 a 48	1
	8	8 a 64	1
	16	16 a 128	1
	22	32, 64, 128, 225	N/A
4 (96 GB × 4 de memoria GPU)	8	8 a 64	1	30 a 1536
	16	16 a 128	1
	32	32, 64, 128, 256	N/A
	46	64, 128, 256, 450	N/A
8 (96 GB × 8 de memoria GPU)	16	16 a 128	1	30 a 3072
	32	32, 64, 128, 256	N/A
	64	64, 128, 256, 512	N/A
	92	128, 256, 512, 900	N/A
16 (96 GB × 16 de memoria GPU)	32	32, 64, 128, 256	N/A	30 a 6144
	64	64, 128, 256, 512	N/A
	128	128, 256, 512, 1024	N/A
	184	256, 512, 1024, 1800	N/A

T4

GPU (tarjetas)	vCPU	Memoria (GiB)	Tamaño de incremento de memoria (GiB)	Almacenamiento (GiB)
1 (16 GB de memoria GPU)	2	2 a 8	1	30 a 1536
	4	4 a 16	1
	6	6 a 24	1
	8	8 a 32	1
	10	10 a 40	1
	12	12 a 48	1
	14	14 a 56	1
	16	16 a 64	1
	24	24, 48, 90	N/A	30 a 1536
2 (16 GB × 2 de memoria GPU)	16	16 a 64	1
	24	24, 48, 96	N/A
	32	32, 64, 128	N/A
	48	48, 96, 180	N/A

A10

GPU (tarjetas)	vCPU	Memoria (GiB)	Tamaño de incremento de memoria (GiB)	Almacenamiento (GiB)
1 (24 GB de memoria GPU)	2	2 a 8	1	30 a 256
	4	4 a 16	1
	6	6 a 24	1
	8	8 a 32	1
	10	10 a 40	1
	12	12 a 48	1
	14	14 a 56	1
	16	16 a 60	1
2 (24 GB × 2 de memoria GPU)	16	16 a 64	1	30 a 512
2 (24 GB × 2 de memoria GPU)	32	32, 64, 120	N/A	30 a 512
4 (24 GB × 4 de memoria GPU)	32	32, 64, 128	N/A	30 a 1024
4 (24 GB × 4 de memoria GPU)	64	64, 128, 240	N/A	30 a 1024
8 (24 GB × 8 de memoria GPU)	64	64, 128, 256	N/A	30 a 2048
8 (24 GB × 8 de memoria GPU)	128	128, 256, 480	N/A	30 a 2048

G28Ti

GPU (tarjetas)	vCPU	Memoria (GiB)	Tamaño de incremento de memoria (GiB)	Almacenamiento (GiB)
1 (11 GB de memoria GPU)	2	De 2 a 8	1	De 30 a 1536
	4	De 4 a 16	1
	6	De 6 a 24	1
	8	De 8 a 32	1
	10	De 10 a 40	1
	12	De 12 a 48	1

G49E

GPU (tarjetas)	vCPU	Memoria (GiB)	Tamaño de incremento de memoria (GiB)	Almacenamiento (GiB)
1 (48 GB de memoria GPU)	2	De 2 a 16	1	De 30 a 256
	4	De 4 a 32	1
	6	De 6 a 48	1
	8	De 8 a 64	1
	10	De 10 a 80	1
	12	De 12 a 96	1
	14	De 14 a 112	1
	16	De 16 a 120	1
2 (48 GB × 2 de memoria GPU)	16	De 16 a 128	1	De 30 a 512
2 (48 GB × 2 de memoria GPU)	32	32, 64, 128, 230	N/A	De 30 a 512
4 (48 GB × 4 de memoria GPU)	32	32, 64, 128, 256	N/A	De 30 a 1024
4 (48 GB × 4 de memoria GPU)	64	64, 128, 256, 460	N/A	De 30 a 1024
8 (48 GB × 8 de memoria GPU)	64	64, 128, 256, 512	N/A	De 30 a 2048
8 (48 GB × 8 de memoria GPU)	128	128, 256, 512, 920	N/A	De 30 a 2048

G59

GPU (tarjetas)	vCPU	Memoria (GiB)	Tamaño de incremento de memoria (GiB)	Almacenamiento (GiB)
1 (32 GB de memoria GPU)	2	De 2 a 16	1	De 30 a 256
	4	De 4 a 32	1
	6	De 6 a 48	1
	8	De 8 a 64	1
	10	De 10 a 80	1
	12	De 12 a 96	1
	14	De 14 a 112	1
	16	De 16 a 128	1
	22	22, 32, 64, 128	N/A
2 (32 GB × 2 de memoria GPU)	16	De 16 a 128	1	De 30 a 512
	32	32, 64, 128, 256	N/A
	46	64, 128, 256, 360	N/A
4 (32 GB × 4 de memoria GPU)	32	32, 64, 128, 256	N/A	De 30 a 1024
	64	64, 128, 256, 512	N/A
	92	128, 256, 512, 720	N/A
8 (32 GB × 8 de memoria GPU)	64	64, 128, 256, 512	N/A	De 30 a 2048
	128	128, 256, 512, 1024	N/A
	184	256, 512, 1024, 1440	N/A

L20N

GPU (tarjetas)	vCPU	Memoria (GiB)	Tamaño de incremento de memoria (GiB)	Almacenamiento (GiB)
1 (48 GB de memoria GPU)	2	De 2 a 16	1	De 30 a 2048
	4	De 4 a 32	1
	6	De 6 a 48	1
	8	De 8 a 64	1
	10	De 10 a 80	1
	12	De 12 a 96	1
	14	De 14 a 112	1
	16	De 16 a 128	1
	32	32, 64, 128, 256	N/A
2 (48 GB × 2 de memoria GPU)	16	De 16 a 128	1
	32	32, 64, 128, 256	N/A
	64	64, 128, 256, 512	N/A
4 (48 GB × 4 de memoria GPU)	32	32, 64, 128, 256	N/A
	64	64, 128, 256, 512	N/A
	128	128, 256, 512, 1024	N/A
8 (48 GB × 8 de memoria GPU)	64	64, 128, 256, 512	N/A
	128	128, 256, 512, 1024	N/A
	256	256, 512, 1024, 2048	N/A

L20NE

GPU (tarjetas)	vCPU	Memoria (GiB)	Tamaño de incremento de memoria (GiB)	Almacenamiento (GiB)
1 (72 GB de memoria GPU)	2	De 2 a 16	1	De 30 a 2048
	4	De 4 a 32	1
	6	De 6 a 48	1
	8	De 8 a 64	1
	10	De 10 a 80	1
	12	De 12 a 96	1
	14	De 14 a 112	1
	16	De 16 a 128	1
	32	32, 64, 128, 180	N/A
2 (72 GB × 2 de memoria GPU)	16	De 16 a 128	1
	32	32, 64, 128, 256	N/A
	64	64, 128, 256, 360	N/A
4 (72 GB × 4 de memoria GPU)	32	32, 64, 128, 256	N/A
	64	64, 128, 256, 512	N/A
	128	128, 256, 512, 720	N/A
8 (72 GB × 8 de memoria GPU)	64	64, 128, 256, 512	N/A
	128	128, 256, 512, 1024	N/A
	256	256, 512, 1024, 1440	N/A

Importante

Los modelos anteriores comparten las mismas especificaciones para instancias pay-as-you-go, de reserva de capacidad y BestEffort. Tenga en cuenta lo siguiente:

En las especificaciones con 16 GiB de memoria o menos, ACS asume la sobrecarga de memoria. En las especificaciones con más de 16 GiB de memoria, esta sobrecarga se asigna a los pods correspondientes. Asegúrese de reservar recursos suficientes para su aplicación, de modo que funcione de manera estable.
Los discos de sistema con una capacidad de 30 GiB o menos (incluido el tamaño de la imagen) no generan cargos adicionales. Para los discos de sistema mayores a 30 GiB, la capacidad excedente se factura por separado.

Ajuste automático de especificaciones

Si no se especifica ninguna especificación, se crea un pod de contenedor GPU con la especificación mínima del tipo de GPU seleccionado (por ejemplo, 2 vCPU, 2 GiB de memoria y 1 tarjeta GPU).

ACS ajusta automáticamente las especificaciones no compatibles. Después del ajuste, el valor de .resources.requests del contenedor no cambia, pero la especificación del pod se muestra en la anotación alibabacloud.com/pod-use-spec. Cuando el límite de recursos configurado para un contenedor (resources.limits) supera la especificación del pod, ACS establece el límite de recursos del contenedor conforme a la especificación del pod.

Nota

Lógica de ajuste de CPU y memoria: si los recursos totales de todos los contenedores suman 2 vCPU y 3.5 GiB de memoria, ACS ajusta automáticamente el pod a 2 vCPU y 4 GiB de memoria. Los recursos adicionales resultantes del ajuste se aplican al primer contenedor. El pod muestra la anotación alibabacloud.com/pod-use-spec=2-4Gi. Si un solo contenedor del pod tiene un límite de recursos de 3 vCPU y 5 GiB de memoria, su límite de recursos se ajusta a 2 vCPU y 5 GiB.
Lógica de ajuste de GPU: si la cantidad de GPU que solicita el pod no aparece en la tabla, el envío del pod falla.

Tipo de cómputo GPU-HPN

Para el tipo de cómputo GPU-HPN, ACS ajusta la solicitud y el límite de recursos para que sean iguales, con base en el valor de la solicitud. Las especificaciones de recursos del pod también están limitadas por la capacidad del nodo. Si las especificaciones solicitadas superan la capacidad del nodo, el pod entra en estado pendiente debido a la falta de recursos. Para obtener más información sobre las especificaciones de los nodos, consulte la descripción de especificaciones en la página de compra.

Límites de las aplicaciones de Kubernetes

ACS se integra con Kubernetes mediante nodos virtuales. Las instancias de pod de ACS no se ejecutan en nodos reales centralizados, sino que se distribuyen en el pool de recursos de Alibaba Cloud. Debido a los requisitos de seguridad de la nube pública y a las limitaciones de los nodos virtuales, ACS no es compatible con ciertas funciones de Kubernetes, como HostPath y DaemonSet, tal como se muestra a continuación.

Límite	Descripción	Acción si la validación falla	Alternativa recomendada
DaemonSet	Se restringe el uso de cargas de trabajo DaemonSet.	El pod se ejecuta, pero no funciona como se espera.	Despliegue varios contenedores en el pod como sidecars.
Service con type=NodePort	Asignación de puertos del host al contenedor	Se rechaza el envío.	Utilice un load balancer con `type=LoadBalancer`.
HostNetwork	Se restringe la asignación de puertos del host a los contenedores.	El valor se reescribe como `HostNetwork=false`.	No es obligatorio.
HostIPC	Se restringe la comunicación entre procesos de los contenedores y procesos del host.	El valor se reescribe como `HostIPC=false`.	No es obligatorio.
HostPID	Se restringe la visibilidad del espacio PID del host desde los contenedores.	El valor se reescribe como `HostPID=false`.	No es obligatorio.
HostUsers	Se restringe el uso de namespaces de usuario.	El valor se reescribe para quedar vacío.	No es obligatorio.
DNSPolicy	Se restringe el uso de ciertas DNSPolicies. Nota Ninguna Default ClusterFirst	Una configuración de ClusterFirstWithHostNet se reescribe como ClusterFirst. Los envíos con otras directivas se rechazan.	Utilice un valor permitido.
Formato de las variables de entorno del contenedor	Además de las restricciones predeterminadas que aplica el servidor de API de Kubernetes a las variables de entorno, para los tipos de cómputo GPU y GPU-HPN, ACS exige que los nombres de dichas variables contengan solo letras, números, guiones bajos, puntos o guiones. Tampoco deben comenzar con un número.	El inicio del pod termina con errores.	Utilice un nombre de variable de entorno que cumpla con estos requisitos.
Cantidad de variables de entorno del contenedor	Debido a las restricciones de longitud en la lista de parámetros de las llamadas al sistema en Linux, la cantidad de variables de entorno de un solo contenedor debe limitarse a unas 2,000 o menos. Además, si `enableServiceLinks` se establece en true para un pod (valor predeterminado), la información de todos los Services del namespace actual se inyecta en el contenedor como variables de entorno. Esto también puede provocar que la cantidad total de variables de entorno supere el límite del sistema.	El inicio del pod termina con errores.	Reduzca la cantidad de variables de entorno del contenedor. Si hay muchos Services, establezca `enableServiceLinks` en false para el pod.

Uso de puertos

A continuación se describen los puertos que utiliza ACS. Evite usarlos cuando despliegue servicios.

Puerto	Descripción
111, 10250, 10255	Puertos que utilizan los clústeres de ACS para interfaces como exec, logs y metrics.