All Products
Search

This Product

    Container Compute Service:Ikhtisar pod ACS

    Document Center

    Container Compute Service:Ikhtisar pod ACS

    Last Updated:Aug 22, 2026

    Pod merupakan unit penerapan terkecil di Kubernetes dan umumnya terdiri dari satu atau beberapa container. Tipe komputasi dan kualitas daya komputasi pod berdampak signifikan terhadap performa aplikasi dan pemanfaatan sumber daya. Container Compute Service (ACS) menyediakan berbagai tipe komputasi dan kelas kualitas daya komputasi yang sesuai untuk memenuhi beragam kebutuhan aplikasi. Topik ini menjelaskan fitur inti dan batasan pod ACS, termasuk isolasi keamanan, konfigurasi sumber daya, serta spesifikasi CPU, memori, GPU, penarikan image, penyimpanan, jaringan, dan pengumpulan log.

    Definisi tipe komputasi

    ACS menyediakan tipe komputasi container hemat biaya berbasis CPU dan GPU dengan alokasi sumber daya berbeda untuk menyesuaikan berbagai skenario bisnis.

    Tipe komputasi

    Label

    Fitur

    General-purpose (default)

    general-purpose

    Cocok untuk sebagian besar aplikasi layanan mikro tanpa status, aplikasi web Java, dan tugas komputasi.

    Performance-optimized

    performance

    Cocok untuk skenario yang memerlukan performa lebih tinggi, seperti pelatihan dan inferensi AI/ML berbasis CPU serta pemrosesan batch HPC.

    GPU type

    gpu

    Cocok untuk skenario komputasi heterogen seperti AI dan HPC, termasuk inferensi single-GPU dan multi-GPU, serta komputasi paralel GPU.

    High-performance network GPU (gpu-hpn)

    gpu-hpn

    Cocok untuk skenario komputasi heterogen seperti AI dan HPC, termasuk pelatihan terdistribusi GPU, inferensi terdistribusi, dan komputasi berkinerja-tinggi GPU.

    Tipe komputasi ditentukan menggunakan label alibabacloud.com/compute-class pada pod. Contoh berikut menunjukkan konfigurasi YAML untuk aplikasi NGINX dengan tipe komputasi yang diatur ke general-purpose, gpu, atau gpu-hpn.

    General-purpose

    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

    GPU-accelerated

    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.
    Catatan

    Untuk informasi lebih lanjut mengenai model dan spesifikasi GPU yang didukung ACS, lihat Spesifikasi tipe komputasi akselerasi.

    High-performance network 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-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.
    Catatan

    Untuk menggunakan GPU jaringan berkinerja tinggi di ACS, pertama-tama buat reservasi kapasitas GPU-HPN.

    Definisi kualitas daya komputasi

    ACS menyediakan dua kelas kualitas daya komputasi dengan alokasi sumber daya berbeda untuk menyesuaikan berbagai skenario bisnis.

    Kualitas daya komputasi

    Label

    Fitur

    Skenario aplikasi khas

    Default

    default

    • Beberapa fluktuasi dalam daya komputasi mungkin terjadi.

    • Instans tidak dievakuasi secara paksa. Jika instans gagal, pemulihan dilakukan melalui migrasi panas atau dengan memberi notifikasi kepada pengguna untuk memicu evakuasi.

    • Aplikasi layanan mikro

    • Aplikasi web

    • Tugas komputasi

    BestEffort

    best-effort

    • Beberapa fluktuasi dalam daya komputasi mungkin terjadi.

    • Instans dapat dipreempt secara paksa dan dievakuasi. Notifikasi event dikirimkan 5 menit sebelum evakuasi.

    • Komputasi big data

    • Transkoding audio dan video

    • Tugas pemrosesan batch

    Kualitas daya komputasi ditentukan menggunakan label alibabacloud.com/compute-qos pada pod. Contoh berikut menunjukkan konfigurasi YAML untuk aplikasi NGINX dengan kualitas daya komputasi diatur ke 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
    Catatan

    • Kelas kualitas daya komputasi yang didefinisikan oleh ACS berbeda dari kelas QoS native di Kubernetes. Kelas kualitas daya komputasi default di ACS setara dengan kelas QoS Guaranteed di Kubernetes.

    • Inventaris untuk instans BestEffort bersifat dinamis. Di lingkungan produksi, sangat disarankan menerapkan kebijakan penjadwalan berbasis inventaris terlebih dahulu. Kebijakan ini memungkinkan platform beralih secara otomatis ke kelas kualitas default ketika inventaris tidak tersedia. Untuk informasi lebih lanjut, lihat Kebijakan penjadwalan resource kustom.

    Pemetaan antara tipe komputasi dan kelas kualitas daya komputasi

    Tipe komputasi (label)

    Kelas kualitas daya komputasi yang didukung (label)

    General-purpose (general-purpose)

    Default (default), BestEffort (best-effort)

    Performance-optimized (performance)

    Default (default), BestEffort (best-effort)

    GPU type (gpu)

    Default (default), BestEffort (best-effort)

    High-performance network GPU (gpu-hpn)

    Default (default)

    Tentukan merek CPU

    Tipe komputasi General-purpose (general-purpose) dan Performance-optimized (performance) mendukung dua pemasok CPU: Intel dan AMD.

    Pemasok CPU ditentukan dengan menambahkan anotasi alibabacloud.com/cpu-vendors ke pod atau dengan mendefinisikan anotasi alibabacloud.com/cpu-vendors dalam templat pod workload. Untuk menggunakan CPU AMD, ajukan tiket untuk dimasukkan ke daftar putih. Menentukan anotasi ini untuk tipe komputasi lain tidak didukung dan akan menghasilkan pesan error. Anotasi ini mendukung nilai-nilai berikut:

    Kunci

    Nilai

    Definisi

    alibabacloud.com/cpu-vendors

    intel (default)

    Menentukan CPU Intel. Jika tidak ditentukan, nilai default-nya adalah "intel".

    amd

    Menentukan CPU AMD.

    intel, amd

    Menentukan CPU Intel atau AMD. Sistem memilih merek CPU yang sesuai untuk membuat instans berdasarkan inventaris. Saat beberapa nilai ditentukan, urutan preferensi tidak didukung.

    Setelah instans dibuat, periksa nilai label alibabacloud.com/cpu-vendor dalam YAML pod untuk memverifikasi merek CPU aktual.

    Contoh berikut menunjukkan konfigurasi YAML untuk aplikasi NGINX dengan merek CPU ditentukan sebagai 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
    Peringatan

    Jangan gunakan label sistem ACS, seperti alibabacloud.com/compute-class, alibabacloud.com/compute-qos, dan alibabacloud.com/cpu-vendor, sebagai label filter untuk matchLabels workload. Label-label ini dapat dimodifikasi oleh sistem, yang dapat menyebabkan controller sering membuat ulang pod dan memengaruhi stabilitas aplikasi.

    Fitur inti

    Fitur

    Deskripsi

    Isolasi keamanan

    ACS adalah runtime kontainer arsitektur tanpa server yang aman. Setiap instans pod diisolasi secara kuat menggunakan teknologi sandbox ringan, tanpa gangguan lintas-instans. Selama penjadwalan, instans didistribusikan ke mesin fisik berbeda sebanyak mungkin untuk memaksimalkan ketersediaan.

    Konfigurasi spesifikasi resource CPU/Memori/GPU/EphemeralStorage

    • Tentukan permintaan resource: Konfigurasikan permintaan resource untuk CPU, memori, EphemeralStorage, dan GPU container menggunakan field standar Kubernetes resources.requests. Resource pod ACS merupakan jumlah total resource yang dibutuhkan oleh semua container dalam pod tersebut. ACS secara otomatis menyesuaikan spesifikasi pod.

    • Tentukan batas resource: Konfigurasikan batas resource untuk CPU, memori, EphemeralStorage, dan GPU container menggunakan field standar Kubernetes resources.limits. Jika tidak ditentukan, batas resource default untuk container sama dengan total resource semua container dalam pod yang telah disesuaikan.

    Image

    Secara default, setiap kali pod ACS direstart, image ditarik dari registri kontainer remote melalui virtual private cloud (VPC) tempat pod tersebut diterapkan. Jika registri dapat diakses publik, gateway NAT harus dikonfigurasi untuk VPC tersebut. Untuk penarikan image lebih cepat melalui VPC, gunakan Container Registry (ACR) untuk menyimpan gambar kontainer. Selain itu, ACS mendukung penarikan image privat dari Container Registry tanpa menggunakan Secrets.

    Penyimpanan

    ACS mendukung empat jenis penyimpanan persisten: disk cloud, NAS, OSS, dan CPFS.

    • Disk cloud

      • Mendukung SSD Perusahaan (ESSD), disk ESSD AutoPL, SSD standar, dan disk ultra. Pilih tipe disk tersebut berdasarkan kebutuhan. Untuk informasi lebih lanjut, lihat Ikhtisar volume disk.

      • ACS mendukung penyediaan dinamis disk cloud sebagai volume persisten (PV). Untuk informasi lebih lanjut, lihat Menggunakan volume disk dinamis.

    • NAS

      • Volume NAS yang disediakan secara statis mendukung pemasangan sistem file NAS Kapasitas dan Ekstrem sebagai volume. Volume NAS yang disediakan secara dinamis secara default memasang sistem file NAS Kapasitas. Untuk informasi lebih lanjut, lihat Detail.

      • ACS mendukung penyediaan statis dan dinamis volume NAS sebagai PV. Untuk informasi lebih lanjut, lihat Ikhtisar volume NAS.

    • OSS

    • CPFS

    Jaringan

    Secara default, pod ACS menggunakan IP pod independen dan menempati satu ENI dari vSwitch.

    Di kluster ACS, pod dapat berkomunikasi satu sama lain dengan cara berikut:

    Pengumpulan log

    Anda dapat langsung mengonfigurasi variabel lingkungan pod untuk mengumpulkan log stdout atau file dan mengirimkannya ke Alibaba Cloud Simple Log Service (SLS).

    Spesifikasi resource

    Peringatan

    Di kluster ACS, spesifikasi pod untuk tipe komputasi GPU dan GPU-HPN disesuaikan secara otomatis saat diajukan. Misalnya, pod GPU disesuaikan secara seragam menjadi QoS Guaranteed (permintaan sama dengan batas). Saat menggunakan daya komputasi GPU ACS dari sumber lain (seperti kluster ACK atau ACK One), penyesuaian spesifikasi resource tidak tercermin dalam metadata pod. Pastikan QoS pod tetap tidak berubah sebelum dan sesudah pengajuan. Untuk tipe komputasi GPU, ajukan pod dengan QoS Guaranteed untuk menghindari kegagalan pembaruan status pod.

    Tipe komputasi General-purpose

    Tipe komputasi General-Purpose

    vCPU

    Memori (GiB)

    Ukuran langkah memori (GiB)

    Bandwidth jaringan (inbound + outbound) (Gbit/s)

    Penyimpanan

    0,25

    0,5; 1; 2

    N/A

    0,08

    Kapasitas 30 GiB atau kurang gratis. Untuk kapasitas di atas 30 GiB, kapasitas tambahan dikenai biaya terpisah. Konfigurasi maksimum yang didukung adalah 2.000 GiB.

    Untuk ruang penyimpanan tambahan, pasang volume penyimpanan seperti NAS.

    0,5

    1 hingga 4

    1

    0,08

    1

    1 hingga 8

    0,1

    1,5

    2 hingga 12

    1

    2

    2 hingga 16

    2,5

    3 hingga 20

    1,5

    3

    3 hingga 24

    3,5

    4 hingga 28

    4

    4 hingga 32

    4,5

    5 hingga 36

    5

    5 hingga 40

    5,5

    6 hingga 44

    6

    6 hingga 48

    6,5

    7 hingga 52

    2,5

    7

    7 hingga 56

    7,5

    8 hingga 60

    8

    8 hingga 64

    8,5

    9 hingga 68

    9

    9 hingga 72

    9,5

    10 hingga 76

    10

    10 hingga 80

    10,5

    11 hingga 84

    11

    11 hingga 88

    11,5

    12 hingga 92

    12

    12 hingga 96

    12,5

    13 hingga 100

    3

    13

    13 hingga 104

    13,5

    14 hingga 108

    14

    14 hingga 112

    14,5

    15 hingga 116

    15

    15 hingga 120

    15,5

    16 hingga 124

    16

    16 hingga 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

    Tipe komputasi performa

    vCPU

    Memori (GiB)

    Ukuran langkah memori (GiB)

    Bandwidth jaringan (inbound + outbound) (Gbit/s)

    Penyimpanan

    0,25

    0,5, 1, 2

    N/A

    0,1

    Kapasitas 30 GiB atau kurang gratis. Untuk kapasitas di atas 30 GiB, kapasitas tambahan dikenai biaya terpisah. Konfigurasi maksimum yang didukung adalah 2.000 GiB.

    Untuk ruang penyimpanan tambahan, pasang volume penyimpanan seperti NAS.

    0,5

    1 hingga 4

    1

    0,5

    1

    1 hingga 8

    1,5

    2 hingga 12

    2

    2 hingga 16

    1,5

    2,5

    3 hingga 20

    3

    3 hingga 24

    3,5

    4 hingga 28

    4

    4 hingga 32

    2

    4,5

    5 hingga 36

    5

    5 hingga 40

    5,5

    6 hingga 44

    6

    6 hingga 48

    2,5

    6,5

    7 hingga 52

    7

    7 hingga 56

    7,5

    8 hingga 60

    8

    8 hingga 64

    3

    8,5

    9 hingga 68

    9

    9 hingga 72

    9,5

    10 hingga 76

    10

    10 hingga 80

    3,5

    10,5

    11 hingga 84

    11

    11 hingga 88

    11,5

    12 hingga 92

    12

    12 hingga 96

    4

    12,5

    13 hingga 100

    13

    13 hingga 104

    13,5

    14 hingga 108

    14

    14 hingga 112

    4,5

    14,5

    15 hingga 116

    15

    15 hingga 120

    15,5

    16 hingga 124

    16

    16 hingga 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

    Penting

    Untuk menggunakan pod ACS dengan lebih dari 16 vCPU atau lebih dari 128 GiB memori, ajukan tiket untuk meminta akses.

    Jika Anda tidak menentukan spesifikasi dengan mengatur .resources.requests dan .resources.limits untuk container, satu pod dialokasikan 2 vCPU dan 4 GiB memori secara default.

    ACS secara otomatis menyesuaikan spesifikasi pod. Sistem menghitung akumulasi .resources.requests dan .resources.limits untuk semua container, mengambil nilai maksimum dari kedua nilai tersebut, lalu menyesuaikan pod ke spesifikasi yang didukung terdekat. Spesifikasi yang telah disesuaikan ini ditampilkan dalam anotasi alibabacloud.com/pod-use-spec. Jika terjadi penyesuaian ke atas, ACS memodifikasi .resources.requests atau .resources.limits container agar aplikasi dapat menggunakan seluruh sumber daya yang dialokasikan.

    Logika penyesuaian spesifikasi pod ACS

    Sebagai contoh, asumsikan nilai akumulasi .resources.requests atau .resources.limits adalah 2 vCPU dan 3,5 GiB memori. Saat pod dimulai, ACS secara otomatis menyesuaikan spesifikasi pod menjadi 2 vCPU dan 4 GiB memori. Resource tambahan yang telah disesuaikan diterapkan ke container pertama, dan pod diberi anotasi alibabacloud.com/pod-use-spec=2-4Gi. Berikut adalah contoh deklarasi resource:

    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

    Deklarasi resource setelah penyesuaian adalah sebagai berikut:

    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

    Tentukan spesifikasi pod menggunakan anotasi

    Penerapan

    • Fitur ini hanya tersedia untuk pod CPU dengan tipe komputasi General-purpose (general-purpose) dan Performance-optimized (performance).

    • Spesifikasi maksimum yang didukung oleh anotasi adalah 64 vCPU dan 512 GiB, yang tunduk pada spesifikasi tipe komputasi general-purpose.

    Penggunaan

    Untuk skenario di mana Quality of Service (QoS) adalah Burstable (.resources.limits > .resources.requests), Anda dapat mendeklarasikan spesifikasi resource target untuk pod dengan menentukan anotasi alibabacloud.com/pod-required-spec: "X-YGi". Spesifikasi resource harus menggunakan format <CPU>-<Memory>, di mana CPU ditentukan dalam core (misalnya, "2" mewakili 2 vCPU) dan memori ditentukan dalam GiB (misalnya, "4Gi" mewakili 4 GiB). Aturan penyelarasan dan penggunaan resource detailnya adalah sebagai berikut:

    1. Jika format spesifikasi resource salah, seperti unit yang hilang, menggunakan MiB, atau urutan yang salah, pembuatan pod gagal.

    2. Jika Anda mengatur anotasi tetapi tidak mendefinisikan .resources untuk container apa pun, sistem secara ketat mengikuti nilai anotasi untuk penyesuaian dan tidak kembali ke spesifikasi default 2 vCPU dan 4 GiB.

    3. Jika nilai anotasi kurang dari jumlah .resources.requests untuk semua container dalam pod, pembuatan pod gagal.

    4. Jika nilai anotasi lebih besar dari jumlah .resources.limits untuk semua container dalam pod, sistem menggunakan nilai anotasi sebagai spesifikasi target untuk penyesuaian pod.

      Dalam pod multi-container, container pertama dianggap sebagai container utama. Sistem menghitung selisih antara nilai anotasi dan jumlah limits saat ini. Selisih ini kemudian ditambahkan ke .resources.limits container utama. Nilai .resources.requests juga disesuaikan jika diperlukan untuk menyelaraskan total resource pod dengan spesifikasi target.

    Contoh

    Sebagai contoh, asumsikan bahwa alibabacloud.com/pod-required-spec: "2-4Gi" dikonfigurasi dan nilai akumulasi .resources.requests atau .resources.limits container adalah 1 vCPU dan 2 GiB memori. Saat pod dimulai, ACS secara otomatis menyesuaikan spesifikasi pod menjadi 2 vCPU dan 4 GiB memori. Resource tambahan yang telah disesuaikan diterapkan ke container pertama, dan pod diberi anotasi alibabacloud.com/pod-use-spec=2-4Gi.

    Berikut adalah contoh deklarasi resource:

    .resources.limits.memory adalah 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

    Deklarasi resource setelah penyesuaian adalah sebagai berikut:

    .resources.limits.memory disesuaikan dari 3,5 GiB menjadi 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

    Tipe komputasi akselerasi

    Berikut adalah model GPU yang didukung oleh ACS. Spesifikasi model yang berbeda dapat bervariasi. Untuk pemetaan spesifikasi spesifik, ajukan tiket untuk informasi lebih lanjut.

    GU8TF

    GPU (kartu)

    vCPU

    Memori (GiB)

    Ukuran langkah memori (GiB)

    Penyimpanan (GiB)

    1 (96 GB Memori GPU)

    2

    2 hingga 16

    1

    30 hingga 256

    4

    4 hingga 32

    1

    6

    6 hingga 48

    1

    8

    8 hingga 64

    1

    10

    10 hingga 80

    1

    12

    12 hingga 96

    1

    14

    14 hingga 112

    1

    16

    16 hingga 128

    1

    22

    22, 32, 64, 128

    N/A

    2 (96 GB × 2 Memori GPU)

    16

    16 hingga 128

    1

    30 hingga 512

    32

    32, 64, 128, 230

    N/A

    46

    64, 128, 230

    N/A

    4 GPU (96 GB masing-masing)

    32

    32, 64, 128, 256

    N/A

    30 hingga 1024

    64

    64, 128, 256, 460

    N/A

    92

    128, 256, 460

    N/A

    8 GPU (total memori GPU 96 × 8 GB)

    64

    64, 128, 256, 512

    N/A

    30 hingga 2048

    128

    128, 256, 512, 920

    N/A

    184

    256, 512, 920

    N/A

    GU8TEF

    GPU (kartu)

    vCPU

    Memori (GiB)

    Ukuran langkah memori (GiB)

    Penyimpanan (GiB)

    1 (141 GB Memori GPU)

    2

    2 hingga 16

    1

    30 hingga 768

    4

    4 hingga 32

    1

    6

    6 hingga 48

    1

    8

    8 hingga 64

    1

    10

    10 hingga 80

    1

    12

    12 hingga 96

    1

    14

    14 hingga 112

    1

    16

    16 hingga 128

    1

    22

    22, 32, 64, 128, 225

    N/A

    2 (141 GB × 2 Memori GPU)

    16

    16 hingga 128

    1

    30 hingga 1536

    32

    32, 64, 128, 256

    N/A

    46

    64, 128, 256, 450

    N/A

    4 (141 GB × 4 Memori GPU)

    32

    32, 64, 128, 256

    N/A

    30 hingga 3072

    64

    64, 128, 256, 512

    N/A

    92

    128, 256, 512, 900

    N/A

    8 (141 GB × 8 Memori GPU)

    64

    64, 128, 256, 512

    N/A

    30 hingga 6144

    128

    128, 256, 512, 1024

    N/A

    184

    256, 512, 1024, 1800

    N/A

    L20(GN8IS)

    GPU (kartu)

    vCPU

    Memori (GiB)

    Ukuran langkah memori (GiB)

    Penyimpanan (GiB)

    1 (48 GB Memori GPU)

    2

    2 hingga 16

    1

    30 hingga 256

    4

    4 hingga 32

    1

    6

    6 hingga 48

    1

    8

    8 hingga 64

    1

    10

    10 hingga 80

    1

    12

    12 hingga 96

    1

    14

    14 hingga 112

    1

    16

    16 hingga 120

    1

    2 (48 GB × 2 Memori GPU)

    16

    16 hingga 128

    1

    30 hingga 512

    32

    32, 64, 128, 230

    N/A

    4 (48 GB × 4 Memori GPU)

    32

    32, 64, 128, 256

    N/A

    30 hingga 1024

    64

    64, 128, 256, 460

    N/A

    8 (48 GB × 8 Memori GPU)

    64

    64, 128, 256, 512

    N/A

    30 hingga 2048

    128

    128, 256, 512, 920

    N/A

    L20X (GX8SF)

    GPU (kartu)

    vCPU

    Memori (GiB)

    Ukuran langkah memori (GiB)

    Penyimpanan (GiB)

    8 (141 GB × 8 Memori GPU)

    184

    1800

    N/A

    30 hingga 6144

    P16EN

    GPU (kartu)

    vCPU

    Memori (GiB)

    Ukuran langkah memori (GiB)

    Penyimpanan (GiB)

    1 (96 GB Memori GPU)

    2

    2 hingga 16

    1

    30 hingga 384

    4

    4 hingga 32

    1

    6

    6 hingga 48

    1

    8

    8 hingga 64

    1

    10

    10 hingga 80

    1

    2 (96 GB × 2 Memori GPU)

    4

    4 hingga 32

    1

    30 hingga 768

    6

    6 hingga 48

    1

    8

    8 hingga 64

    1

    16

    16 hingga 128

    1

    22

    32, 64, 128, 225

    N/A

    4 (96 GB × 4 Memori GPU)

    8

    8 hingga 64

    1

    30 hingga 1536

    16

    16 hingga 128

    1

    32

    32, 64, 128, 256

    N/A

    46

    64, 128, 256, 450

    N/A

    8 (96 GB × 8 Memori GPU)

    16

    16 hingga 128

    1

    30 hingga 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 Memori GPU)

    32

    32, 64, 128, 256

    N/A

    30 hingga 6144

    64

    64, 128, 256, 512

    N/A

    128

    128, 256, 512, 1024

    N/A

    184

    256, 512, 1024, 1800

    N/A

    T4

    GPU (kartu)

    vCPU

    Memori (GiB)

    Ukuran langkah memori (GiB)

    Penyimpanan (GiB)

    1 (16 GB Memori GPU)

    2

    2 hingga 8

    1

    30 hingga 1536

    4

    4 hingga 16

    1

    6

    6 hingga 24

    1

    8

    8 hingga 32

    1

    10

    10 hingga 40

    1

    12

    12 hingga 48

    1

    14

    14 hingga 56

    1

    16

    16 hingga 64

    1

    24

    24, 48, 90

    N/A

    30 hingga 1536

    2 (16 GB × 2 Memori GPU)

    16

    16 hingga 64

    1

    24

    24, 48, 96

    N/A

    32

    32, 64, 128

    N/A

    48

    48, 96, 180

    N/A

    A10

    GPU (kartu)

    vCPU

    Memori (GiB)

    Ukuran langkah memori (GiB)

    Penyimpanan (GiB)

    1 (24 GB Memori GPU)

    2

    2 hingga 8

    1

    30 hingga 256

    4

    4 hingga 16

    1

    6

    6 hingga 24

    1

    8

    8 hingga 32

    1

    10

    10 hingga 40

    1

    12

    12 hingga 48

    1

    14

    14 hingga 56

    1

    16

    16 hingga 60

    1

    2 (24 GB × 2 Memori GPU)

    16

    16 hingga 64

    1

    30 hingga 512

    32

    32, 64, 120

    N/A

    4 (24 GB × 4 Memori GPU)

    32

    32, 64, 128

    N/A

    30 hingga 1024

    64

    64, 128, 240

    N/A

    8 (24 GB × 8 Memori GPU)

    64

    64, 128, 256

    N/A

    30 hingga 2048

    128

    128, 256, 480

    N/A

    G28Ti

    GPU (kartu)

    vCPU

    Memori (GiB)

    Ukuran langkah memori (GiB)

    Penyimpanan (GiB)

    1 (11 GB Memori GPU)

    2

    2 hingga 8

    1

    30 hingga 1536

    4

    4 hingga 16

    1

    6

    6 hingga 24

    1

    8

    8 hingga 32

    1

    10

    10 hingga 40

    1

    12

    12 hingga 48

    1

    G49E

    GPU (kartu)

    vCPU

    Memori (GiB)

    Ukuran langkah memori (GiB)

    Penyimpanan (GiB)

    1 (48 GB Memori GPU)

    2

    2 hingga 16

    1

    30 hingga 256

    4

    4 hingga 32

    1

    6

    6 hingga 48

    1

    8

    8 hingga 64

    1

    10

    10 hingga 80

    1

    12

    12 hingga 96

    1

    14

    14 hingga 112

    1

    16

    16 hingga 120

    1

    2 (48 GB × 2 Memori GPU)

    16

    16 hingga 128

    1

    30 hingga 512

    32

    32, 64, 128, 230

    N/A

    4 (48 GB × 4 Memori GPU)

    32

    32, 64, 128, 256

    N/A

    30 hingga 1024

    64

    64, 128, 256, 460

    N/A

    8 (48 GB × 8 Memori GPU)

    64

    64, 128, 256, 512

    N/A

    30 hingga 2048

    128

    128, 256, 512, 920

    N/A

    G59

    GPU (kartu)

    vCPU

    Memori (GiB)

    Ukuran langkah memori (GiB)

    Penyimpanan (GiB)

    1 (32 GB Memori GPU)

    2

    2 hingga 16

    1

    30 hingga 256

    4

    4 hingga 32

    1

    6

    6 hingga 48

    1

    8

    8 hingga 64

    1

    10

    10 hingga 80

    1

    12

    12 hingga 96

    1

    14

    14 hingga 112

    1

    16

    16 hingga 128

    1

    22

    22, 32, 64, 128

    N/A

    2 (32 GB × 2 Memori GPU)

    16

    16 hingga 128

    1

    30 hingga 512

    32

    32, 64, 128, 256

    N/A

    46

    64, 128, 256, 360

    N/A

    4 (32 GB × 4 Memori GPU)

    32

    32, 64, 128, 256

    N/A

    30 hingga 1024

    64

    64, 128, 256, 512

    N/A

    92

    128, 256, 512, 720

    N/A

    8 (32 GB × 8 Memori GPU)

    64

    64, 128, 256, 512

    N/A

    30 hingga 2048

    128

    128, 256, 512, 1024

    N/A

    184

    256, 512, 1024, 1440

    N/A

    L20N

    GPU (kartu)

    vCPU

    Memori (GiB)

    Ukuran langkah memori (GiB)

    Penyimpanan (GiB)

    1 (48 GB Memori GPU)

    2

    2 hingga 16

    1

    30 hingga 2048

    4

    4 hingga 32

    1

    6

    6 hingga 48

    1

    8

    8 hingga 64

    1

    10

    10 hingga 80

    1

    12

    12 hingga 96

    1

    14

    14 hingga 112

    1

    16

    16 hingga 128

    1

    32

    32, 64, 128, 256

    N/A

    2 (48 GB × 2 Memori GPU)

    16

    16 hingga 128

    1

    32

    32, 64, 128, 256

    N/A

    64

    64, 128, 256, 512

    N/A

    4 (48 GB × 4 Memori 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 Memori GPU)

    64

    64, 128, 256, 512

    N/A

    128

    128, 256, 512, 1024

    N/A

    256

    256, 512, 1024, 2048

    N/A

    L20NE

    GPU (kartu)

    vCPU

    Memori (GiB)

    Ukuran langkah memori (GiB)

    Penyimpanan (GiB)

    1 (72 GB Memori GPU)

    2

    2 hingga 16

    1

    30 hingga 2048

    4

    4 hingga 32

    1

    6

    6 hingga 48

    1

    8

    8 hingga 64

    1

    10

    10 hingga 80

    1

    12

    12 hingga 96

    1

    14

    14 hingga 112

    1

    16

    16 hingga 128

    1

    32

    32, 64, 128, 180

    N/A

    2 (72 GB × 2 Memori GPU)

    16

    16 hingga 128

    1

    32

    32, 64, 128, 256

    N/A

    64

    64, 128, 256, 360

    N/A

    4 (72 GB × 4 Memori 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 Memori GPU)

    64

    64, 128, 256, 512

    N/A

    128

    128, 256, 512, 1024

    N/A

    256

    256, 512, 1024, 1440

    N/A

    Penting

    Model-model di atas memiliki spesifikasi yang sama untuk instans bayar sesuai penggunaan, reservasi kapasitas, dan BestEffort. Perhatikan hal berikut:

    • Untuk spesifikasi dengan memori 16 GiB atau kurang, overhead memori ditanggung oleh ACS. Untuk spesifikasi dengan memori lebih dari 16 GiB, overhead memori dialokasikan ke pod yang sesuai. Pastikan untuk menyisakan sumber daya yang cukup bagi aplikasi Anda agar beroperasi secara stabil.

    • Disk sistem dengan kapasitas 30 GiB atau kurang (termasuk ukuran image) tidak dikenai biaya tambahan. Untuk disk sistem yang lebih besar dari 30 GiB, kapasitas tambahan dikenai biaya terpisah.

    Penyesuaian spesifikasi otomatis

    Jika tidak ada spesifikasi yang ditentukan, pod container GPU dibuat dengan spesifikasi minimum untuk tipe GPU yang dipilih (misalnya, 2 vCPU, 2 GiB memori, dan 1 kartu GPU).

    ACS secara otomatis menyesuaikan spesifikasi yang tidak didukung. Setelah penyesuaian, .resources.requests container tidak berubah, tetapi spesifikasi pod ditampilkan dalam anotasi alibabacloud.com/pod-use-spec. Ketika batas resource yang ditentukan untuk container (resources.limits) melebihi spesifikasi pod, ACS mengatur batas resource container ke spesifikasi pod.

    Catatan

    • Logika penyesuaian CPU dan memori: Jika total resource semua container berjumlah 2 vCPU dan 3,5 GiB memori, ACS secara otomatis menyesuaikan pod menjadi 2 vCPU dan 4 GiB memori. Resource tambahan yang telah disesuaikan diterapkan ke container pertama. Pod menampilkan anotasi alibabacloud.com/pod-use-spec=2-4Gi. Jika satu container dalam pod menentukan batas resource 3 vCPU dan 5 GiB memori, batas resource-nya diatur menjadi 2 vCPU dan 5 GiB.

    • Logika penyesuaian GPU: Jika jumlah GPU yang diminta oleh pod tidak ada dalam tabel, pengajuan pod gagal.

    Tipe komputasi GPU-HPN

    Untuk tipe komputasi GPU-HPN, ACS menyesuaikan permintaan dan batas resource agar sama, berdasarkan nilai permintaan. Spesifikasi resource pod juga dibatasi oleh kapasitas node. Jika spesifikasi yang diminta melebihi kapasitas node, pod masuk ke status pending karena sumber daya tidak mencukupi. Untuk informasi lebih lanjut tentang spesifikasi node, lihat deskripsi spesifikasi di halaman pembelian.

    Batasan pada aplikasi Kubernetes

    ACS terintegrasi dengan Kubernetes melalui node virtual. Instans pod ACS tidak berjalan pada node nyata terpusat tetapi didistribusikan di kolam sumber daya Alibaba Cloud. Karena persyaratan keamanan cloud publik dan keterbatasan node virtual, ACS tidak mendukung fitur Kubernetes tertentu seperti HostPath dan DaemonSet, sebagaimana tercantum dalam tabel berikut.

    Batas

    Deskripsi

    Tindakan saat validasi gagal

    Alternatif yang direkomendasikan

    DaemonSet

    Penggunaan workload DaemonSet dibatasi.

    Pod berjalan tetapi tidak berfungsi seperti yang diharapkan.

    Terapkan beberapa container dalam pod sebagai sidecar.

    Service dengan type=NodePort

    Pemetaan port host ke container

    Pengajuan ditolak.

    Gunakan load balancer dengan type=LoadBalancer.

    HostNetwork

    Pemetaan port host ke container dibatasi.

    Nilai ditulis ulang menjadi HostNetwork=false.

    Tidak diperlukan.

    HostIPC

    Komunikasi antar-proses antara proses container dan proses host dibatasi.

    Nilai ditulis ulang menjadi HostIPC=false.

    Tidak diperlukan.

    HostPID

    Visibilitas container terhadap ruang PID host dibatasi.

    Nilai ditulis ulang menjadi HostPID=false.

    Tidak diperlukan.

    HostUsers

    Penggunaan namespace pengguna dibatasi.

    Nilai ditulis ulang menjadi kosong.

    Tidak diperlukan.

    DNSPolicy

    Penggunaan DNSPolicy tertentu dibatasi.

    Catatan

    • None

    • Default

    • ClusterFirst

    • Konfigurasi ClusterFirstWithHostNet ditulis ulang menjadi ClusterFirst.

    • Pengajuan dengan kebijakan lain ditolak.

    Gunakan nilai yang diizinkan.

    Format variabel lingkungan container

    Selain batasan default pada variabel lingkungan dari server API Kubernetes, untuk tipe komputasi GPU dan GPU-HPN, ACS mensyaratkan bahwa nama variabel lingkungan harus terdiri dari huruf, angka, garis bawah, titik, atau tanda hubung, dan tidak boleh dimulai dengan angka.

    Pod gagal dimulai.

    Gunakan nama variabel lingkungan yang sesuai.

    Jumlah variabel lingkungan container

    Karena batasan panjang daftar parameter untuk pemanggilan sistem di Linux, jumlah variabel lingkungan untuk satu container harus dibatasi sekitar 2.000 atau kurang.

    Selain itu, jika enableServiceLinks diatur ke true untuk pod (nilai default), informasi tentang semua Service di namespace saat ini disuntikkan ke container sebagai variabel lingkungan. Hal ini juga dapat menyebabkan jumlah total variabel lingkungan melebihi batas sistem.

    Pod gagal dimulai.

    Kurangi jumlah variabel lingkungan container. Jika terdapat banyak Service, atur enableServiceLinks ke false untuk pod.

    Penggunaan port

    Tabel berikut menjelaskan port yang digunakan ACS. Hindari menggunakan port-port ini saat menerapkan layanan.

    Port

    Deskripsi

    111, 10250, 10255

    Port yang digunakan oleh kluster ACS untuk antarmuka seperti exec, log, dan metrik.