Container Service for Kubernetes：Memulai

Prioritas resource dan QoS

Prioritas resource dan kelas Quality of Service (QoS) merupakan konsep utama dari fitur colocation berbasis service-level objective (SLO) yang disediakan oleh ACK.

Tabel berikut menjelaskan prioritas resource yang digunakan di ACK.

Kelas QoS menggambarkan sensitivitas resource aplikasi. Pod dengan kelas QoS berbeda berjalan pada tingkat kinerja yang berbeda untuk memenuhi SLO yang berbeda. Kelas QoS yang berbeda memiliki parameter isolasi resource yang berbeda pula. Saat resource pada node tidak mencukupi, resource lebih diutamakan dialokasikan ke Pod dengan kelas QoS prioritas tinggi. Tabel berikut menjelaskan kelas QoS yang digunakan di ACK.

Mengelola kebijakan colocation

ACK menyediakan ConfigMap yang dapat Anda gunakan untuk mengelola kebijakan colocation ack-koordinator. Untuk mengaktifkan semua kebijakan colocation ack-koordinator, lakukan langkah-langkah berikut:

1. Buat file bernama configmap.yaml berdasarkan konten ConfigMap berikut:

   # Contoh ConfigMap ack-slo-config. 
   apiVersion: v1
   kind: ConfigMap
   metadata:
     name: ack-slo-config
     namespace: kube-system
   data:
     colocation-config: |-
       {
         "enable": true
       }
     resource-qos-config: |-
       {
         "clusterStrategy": {
           "lsClass": {
             "cpuQOS": {
               "enable": true
             },
             "memoryQOS": {
               "enable": true
             },
             "resctrlQOS": {
               "enable": true
             }
           },
           "beClass": {
             "cpuQOS": {
               "enable": true
             },
             "memoryQOS": {
               "enable": true
             },
             "resctrlQOS": {
               "enable": true
             }
           }
         }
       }
     resource-threshold-config: |-
       {
         "clusterStrategy": {
           "enable": true
         }
       }

   Tabel berikut menjelaskan parameter yang menentukan kebijakan colocation berbeda dalam contoh di atas.

   Parameter	Deskripsi
   colocation-config	Saat kebijakan ini ditentukan, ack-slo-config mengumpulkan data pemantauan waktu nyata tentang beban node, lalu menganalisis data tersebut untuk mengidentifikasi resource yang dapat di-overcommit. Jika resource dialokasikan ke Pod tetapi tidak sedang digunakan, resource tersebut dapat di-overcommit. Untuk informasi selengkapnya, lihat Dynamic resource overcommitment.
   resource-qos-config	Saat kebijakan ini ditentukan, ack-slo-config mengelola berbagai jenis resource secara detail halus dan memastikan bahwa resource lebih diutamakan dialokasikan ke Pod dengan kelas QoS prioritas tinggi. Untuk informasi selengkapnya, lihat CPU QoS, Memory QoS untuk kontainer, dan Resource isolation based on the L3 cache and MBA.
   resource-threshold-config	Saat kebijakan ini ditentukan, ack-slo-config secara dinamis membatasi resource yang dapat digunakan oleh Pod dengan kelas QoS prioritas rendah berdasarkan watermark pemanfaatan resource pada node. Untuk informasi selengkapnya, lihat Elastic resource limit.

2. Jalankan perintah berikut untuk membuat ConfigMap:

   kubectl apply -f configmap.yaml

Deploy aplikasi

1. Buat file bernama nginx-ls-pod.yaml dan salin konten berikut ke dalam file tersebut.

   Tetapkan kelas QoS aplikasi latency-sensitive ke LS. Pada contoh ini, koordinator.sh/qosClass: LS ditentukan dalam bagian labels pada konfigurasi Pod yang dibuat untuk aplikasi NGINX.

   ---
   # Konfigurasi aplikasi Nginx
   apiVersion: v1
   data:
     config: |-
       user  nginx;
       worker_processes  80;  # Jumlah proses worker Nginx, yang memengaruhi konkurensi.
   
       events {
           worker_connections  1024;  # Nilai default adalah 1024.
       }
   
       http {
           server {
               listen  8000;
   
               gzip off;
               gzip_min_length 32;
               gzip_http_version 1.0;
               gzip_comp_level 3;
               gzip_types *;
           }
       }
   
       #daemon off;
   kind: ConfigMap
   metadata:
     name: nginx-conf
   
   ---
   # Manifest untuk nginx-ls-pod.
   apiVersion: v1
   kind: Pod
   metadata:
     labels:
       koordinator.sh/qosClass: LS
       app: nginx
     name: nginx
   spec:
     containers:
       - image: anolis-registry.cn-zhangjiakou.cr.aliyuncs.com/openanolis/nginx:1.14.1-8.6
         imagePullPolicy: IfNotPresent
         name: nginx
         ports:
           - containerPort: 8000
             hostPort: 8000 # Port host yang akan menerima permintaan untuk pengujian beban.
             protocol: TCP
         resources:
           limits:
             cpu: '8'
             memory: 1Gi
           requests:
             cpu: '8'
             memory: 1Gi
         volumeMounts:
           - mountPath: /apps/nginx/conf
             name: config
     hostNetwork: true
     restartPolicy: Never
     volumes:
       - configMap:
           items:
             - key: config
               path: nginx.conf
           name: nginx-conf
         name: config

2. Buat file bernama ffmpeg-be-pod.yaml dan salin konten berikut ke dalam file tersebut:

   Tetapkan kelas QoS aplikasi intensif resource ke BE dan konfigurasikan overcommit resource dengan menentukan parameter kubernetes.io/batch-cpu dan kubernetes.io/batch-memory. Pada contoh ini, koordinator.sh/qosClass: BE ditentukan dalam bagian labels pada konfigurasi Pod yang dibuat untuk aplikasi transkoding.

   apiVersion: v1
   kind: Pod
   metadata:
     labels:
       koordinator.sh/qosClass: BE
     name: be-ffmpeg
   spec:
     containers:
       - command:
           - start-ffmpeg.sh
           - '30'
           - '2'
           - /apps/ffmpeg/input/HD2-h264.ts
           - /apps/ffmpeg/
         image: 'registry.cn-zhangjiakou.aliyuncs.com/acs/ffmpeg-4-4-1-for-slo-test:v0.1'
         imagePullPolicy: Always
         name: ffmpeg
         resources:
           limits:
             # Satuan: millicores. 
             kubernetes.io/batch-cpu: "70k"
             kubernetes.io/batch-memory: "22Gi"
           requests:
             # Satuan: millicores. 
             kubernetes.io/batch-cpu: "70k"
             kubernetes.io/batch-memory: "22Gi"

3. Jalankan perintah berikut untuk mendeploy Pod untuk aplikasi latency-sensitive dan aplikasi intensif resource:

   kubectl apply -f nginx-ls-pod.yaml
   kubectl apply -f ffmpeg-be-pod.yaml

Langkah selanjutnya

Setelah aplikasi dideploy, Anda dapat menggunakan fitur colocation yang disediakan oleh ACK. Untuk informasi selengkapnya, lihat Colocate online services and video transcoding applications.