Container Service for Kubernetes:Lihat dasbor lapisan kontrol untuk kluster ACK Pro

Lihat dasbor komponen lapisan kontrol

1. Masuk ke ACK console. Di panel navigasi kiri, klik Clusters.

2. Pada halaman Clusters, klik nama kluster Anda. Di panel navigasi kiri, klik Operations > Prometheus Monitoring.

3. Pada halaman Prometheus Monitoring, klik tab Key Component Monitoring.

   Tab ini menampilkan dasbor untuk ACK Pro API server, ACK Pro etcd, ACK Pro kube-scheduler, ACK Pro cloud-controller-manager, dan ACK Pro kube-controller-manager.

   Catatan

   Untuk mendapatkan dasbor terbaru, upgrade add-on ack-arms-prometheus ke versi terbaru melalui manajemen add-on ACK.perbarui komponen ack-arms-prometheus.

Praktik terbaik untuk mengakses komponen lapisan kontrol

Ikuti praktik berikut saat mengakses komponen lapisan kontrol guna meningkatkan stabilitas kluster berskala besar dengan lebih dari 100 node dan banyak resource Kubernetes.

• Untuk mengurangi beban pada API server dan etcd, baca data menggunakan informer dan lister.

• Untuk operasi LIST lengkap, tambahkan parameter resourceVersion=0 agar membaca dari cache API server, bukan dari etcd. Untuk membaca langsung dari etcd, gunakan paginasi dengan parameter limit.

• Gunakan Protobuf untuk serialisasi API guna mengurangi penggunaan memori dan bandwidth dibandingkan JSON. Lihat Alternate representations of resources.

• Bersihkan resource Kubernetes yang tidak digunakan, seperti ConfigMap, Secret, dan PVC. Pastikan jumlah pod pending tetap di bawah 1.000—pod berlebih membebani kube-apiserver, kube-controller-manager, dan kube-scheduler.

• Pantau penggunaan resource lapisan kontrol, terutama CPU dan memori. Penggunaan tinggi yang berkelanjutan dapat menyebabkan error OOM. Jika penggunaan tetap tinggi, bersihkan resource yang tidak digunakan, optimalkan perilaku klien, atau pisahkan beban kerja ke beberapa kluster.

• Beberapa komponen open-source memberikan beban berat pada lapisan kontrol. Ikuti panduan optimasi dari komunitas. Sebagai contoh, Argo Workflows merekomendasikan pengaturan tertentu untuk mengurangi beban API; aktifkan konfigurasi terkait saat Anda menggunakan Argo Workflows. Lihat Running At Massive Scale.

Referensi