Container Service for Kubernetes:リソースプロファイリングによるコンテナ設定の推奨

手順1：リソースプロファイリングの有効化

1. ワークロードのリソースプロファイリングを有効にするには、次の内容で recommendation-profile.yaml という名前のファイルを作成します。

   RecommendationProfile CRD は、ワークロードのリソースプロファイリングを有効にし、そのコンテナのリソース仕様データを提供します。名前空間とワークロードタイプを指定することで、プロファイリング範囲を制御できます。最終的な範囲は、この2つの積集合となります。

   apiVersion: autoscaling.alibabacloud.com/v1alpha1
   kind: RecommendationProfile
   metadata:
     # オブジェクト名。クラスター スコープのため名前空間は不要です。
     name: profile-demo
   spec:
     # リソースプロファイリングを有効にするワークロードタイプ。
     controllerKind:
     - Deployment
     # リソースプロファイリングを有効にする名前空間。
     enabledNamespaces:
     - default

   次の表で、各設定フィールドについて説明します。

   パラメーター	タイプ	説明
   metadata.name	String	オブジェクトの名前。RecommendationProfile はクラスター スコープ (非名前空間) オブジェクトであるため、名前空間は不要です。
   spec.controllerKind	String	リソースプロファイリングを有効にするワークロードのタイプ。サポートされているワークロードタイプには、Deployment、StatefulSet、DaemonSet があります。
   spec.enabledNamespaces	String	リソースプロファイリングを有効にする名前空間。

2. プロファイルの設定を適用します。

   kubectl apply -f recommendation-profile.yaml

3. 次の内容で cpu-load-gen.yaml という名前のファイルを作成します。

   apiVersion: apps/v1
   kind: Deployment
   metadata:
     name: cpu-load-gen
     labels:
       app: cpu-load-gen
   spec:
     replicas: 2
     selector:
       matchLabels:
         app: cpu-load-gen-selector
     template:
       metadata:
         labels:
           app: cpu-load-gen-selector
       spec:
         containers:
         - name: cpu-load-gen
           image: registry.cn-zhangjiakou.aliyuncs.com/acs/slo-test-cpu-load-gen:v0.1
           command: ["cpu_load_gen.sh"]
           imagePullPolicy: Always
           resources:
             requests:
               cpu: 8 # このアプリケーションの CPU リクエストは 8 コアです。
               memory: "1Gi"
             limits:
               cpu: 12
               memory: "2Gi"

4. cpu-load-gen アプリケーションをデプロイします。

   kubectl apply -f cpu-load-gen.yaml

5. リソースプロファイリングの結果を取得します。

   kubectl get recommendations -n default -l \
     "alpha.alibabacloud.com/recommendation-workload-apiVersion=apps-v1, \
     alpha.alibabacloud.com/recommendation-workload-kind=Deployment, \
     alpha.alibabacloud.com/recommendation-workload-name=cpu-load-gen" -o yaml

   ack-koordinator は、プロファイリング対象の各ワークロードのリソースプロファイルを生成し、結果を Recommendation CRD に保存します。以下は、cpu-load-gen ワークロードのリソースプロファイルのサンプルです。

   apiVersion: autoscaling.alibabacloud.com/v1alpha1
   kind: Recommendation
   metadata:
     labels:
       alpha.alibabacloud.com/recommendation-workload-apiVersion: apps-v1
       alpha.alibabacloud.com/recommendation-workload-kind: Deployment
       alpha.alibabacloud.com/recommendation-workload-name: cpu-load-gen
     name: f20ac0b3-dc7f-4f47-b3d9-bd91f906****
     namespace: default
   spec:
     workloadRef:
       apiVersion: apps/v1
       kind: Deployment
       name: cpu-load-gen
   status:
     recommendResources:
       containerRecommendations:
       - containerName: cpu-load-gen
         target:
           cpu: 4742m
           memory: 262144k
         originalTarget: # リソースプロファイリングアルゴリズムの中間結果。直接使用しないでください。
          # ...

   取得を簡素化するため、Recommendation オブジェクトはワークロードと同じ名前空間に作成されます。また、次の表に示すように、ワークロードの API バージョン、タイプ、名前を指定するラベルも含まれます。

   ラベルキー	説明	例
   alpha.alibabacloud.com/recommendation-workload-apiVersion	ワークロードの API バージョン。Kubernetes ラベル構文に準拠するため、スラッシュ (/) はハイフン (-) に置き換えられます。	apps-v1 (apps/v1 から)
   alpha.alibabacloud.com/recommendation-workload-kind	Deployment や StatefulSet など、ワークロードのタイプ。	Deployment
   alpha.alibabacloud.com/recommendation-workload-name	ワークロードの名前。Kubernetes ラベル構文に準拠するため、63 文字以下である必要があります。	cpu-load-gen

   各コンテナのリソースプロファイリング結果は、status.recommendResources.containerRecommendations に保存されます。次の表で、各フィールドについて説明します。

   フィールド	説明	形式	例
   containerName	コンテナの名前。	String	cpu-load-gen
   target	プロファイリングによる推奨リソース仕様 (CPU とメモリを含む)。	map[ResourceName]resource.Quantity	cpu: 4742m memory: 262144k
   originalTarget	リソースプロファイリングアルゴリズムの中間結果。このフィールドは直接使用しないでください。	-	-

   説明

   Pod あたりにプロファイリングで推奨される最小 CPU 値は 0.025 コア、最小メモリ値は 250 MB です。

   cpu-load-gen アプリケーションで定義されているリソース仕様とプロファイリング結果を比較すると、CPU リクエストが過剰にプロビジョニングされていることがわかります。リクエストを削減して、クラスターのリソースを節約できます。

   カテゴリー	元の仕様	プロファイリングによる推奨仕様
   CPU	8 コア	4.742 コア

手順2： (オプション) Prometheus による結果の表示

リソースプロファイリングアルゴリズム

適切なアプリケーションタイプ

リソースプロファイリングは、オンラインサービスアプリケーションに最適です。

現在、プロファイリング結果では、コンテナが使用サンプルの大部分をカバーできる十分なリソースを確保することを優先しています。 しかし、このアプローチは、特定のアプリケーションタイプにとっては過度に保守的となる場合があります。 全体的なスループットを優先し、クラスター使用率を向上させるためにある程度のリソース競合を許容できるバッチ処理タスクなどのオフラインアプリケーションでは、プロファイリング結果が過度に保守的に見えることがあります。 さらに、アクティブ/パッシブ構成でデプロイされた重要なシステムコンポーネントの場合、パッシブレプリカは長期間アイドル状態であり、その低いリソース使用量がプロファイリングアルゴリズムに影響を与える可能性があります。 これらのシナリオでは、適用する前に必要に応じてプロファイリング結果を確認し、調整してください。 リソースプロファイリングの製品アップデートに関する最新情報を常に確認することを推奨します。

requests と limits へのプロファイル値の使用

これは、特定のワークロードによって異なります。 プロファイル値は、アプリケーションの現在のリソース需要の概要を示すものです。 これらをベースラインとして使用し、アプリケーションの特性とビジネス要件に基づいて調整する必要があります。

たとえば、トラフィックスパイクへの対応や、アクティブ/アクティブアーキテクチャでのシームレスなフェイルオーバーが必要なアプリケーションでは、リソースバッファーを追加する必要があります。 また、高負荷のホストでは正常に動作しない、リソースの影響を受けやすいアプリケーションの場合も、プロファイル値を超えてリソース割り当てを増やす必要があります。

セルフマネージド Prometheus でのメトリックの表示

ack-koordinator コンポーネントの ack-koord-manager モジュールは、リソースプロファイリングのメトリックを Prometheus 形式の HTTP エンドポイントとして公開します。 Pod の IP アドレスを取得し、メトリックデータにアクセスできます。

1. Pod の IP アドレスを取得します。

   kubectl get pod -A -o wide | grep koord-manager

   出力例：

   kube-system    ack-koord-manager-b86bd47d9-92f6m                                 1/1     Running     0               16h     10.10.0.xxx   cn-hangzhou.10.10.0.xxx   <none>           <none>
   kube-system    ack-koord-manager-b86bd47d9-vg5z7                                 1/1     Running     0               16h     10.10.0.xxx   cn-hangzhou.10.10.0.xxx   <none>           <none>

2. 次のコマンドを実行してメトリクスデータを表示します (なお、ack-koord-manager はデュアルレプリカのアクティブ/パッシブモードで実行され、データはプライマリレプリカの Pod でのみ利用可能です)。ポート port (デフォルト: 9326) については、ack-koord-manager の Deployment 設定をご参照ください。

   コマンドを実行するサーバーが、クラスターのコンテナネットワークと通信できることを確認してください。

   curl -s http://10.10.0.xxx:9326/all-metrics | grep slo_manager_recommender_recommendation_workload_target
   # ack-koordinator v1.5.0-ack1.12 より前のバージョンを使用している場合は、次のコマンドを実行してメトリックデータを表示します。
   curl -s http://10.10.0.xxx:9326/metrics | grep slo_manager_recommender_recommendation_workload_target

   出力例：

   # HELP slo_manager_recommender_recommendation_workload_target ワークロードのリソースリクエストの推奨値
   # TYPE slo_manager_recommender_recommendation_workload_target gauge
   slo_manager_recommender_recommendation_workload_target{container_name="xxx",namespace="xxx",recommendation_name="d2169dbf-fb36-4bf4-99d1-673577fb85c1",resource="cpu",workload_api_version="apps/v1",workload_kind="Deployment",workload_name="xxx"} 0.025
   slo_manager_recommender_recommendation_workload_target{container_name="xxx",namespace="xxx",recommendation_name="d2169dbf-fb36-4bf4-99d1-673577fb85c1",resource="memory",workload_api_version="apps/v1",workload_kind="Deployment",workload_name="xxx"} 2.62144e+08

ack-koordinator コンポーネントがインストールされると、対応する Pod に関連付けられた Service および ServiceMonitor オブジェクトが自動的に作成されます。 Managed Service for Prometheus を使用する場合、サービスはこれらのメトリックを自動的に収集し、対応する Grafana ダッシュボードに表示します。

Prometheus は複数の収集方法をサポートしています。 セルフマネージド Prometheus インスタンスを使用している場合は、設定について公式の Prometheus ドキュメントを参照し、デバッグには上記の手順を使用してください。 デバッグ後、「手順 2： (オプション) Prometheus で結果を表示する」を参照して、お使いの環境で Grafana ダッシュボードを設定できます。

プロファイリング結果とルールの削除

Recommendation CRD はプロファイリング結果を保存し、RecommendationProfile CRD はプロファイリングルールを保存します。 次のコマンドを実行して、すべての結果とルールを削除します。

# すべてのプロファイリング結果を削除します。
kubectl delete recommendation -A --all
# すべてのプロファイリングルールを削除します。
kubectl delete recommendationprofile -A --all

RAM ユーザーへの権限付与

ACK の認可には、基本的なリソースアクセス用の RAM 認可と、クラスター内の権限用の RBAC (ロールベースのアクセス制御) の 2 つの層があります。 概要については、「認可のベストプラクティス」をご参照ください。 RAM ユーザーにリソースプロファイリングを使用する権限を付与するには、両方のレベルで権限を設定する必要があります。

1. RAM 認可

   Alibaba Cloud アカウントで RAM コンソールにログインし、AliyunCSFullAccess 組み込みシステムポリシーを RAM ユーザーに付与してください。 詳細な手順については、「権限の付与」をご参照ください。

2. RBAC 認可

   RAM 認可が完了したら、ターゲットクラスターで RAM ユーザーに developer ロール以上を付与してください。 手順については、「RBAC を使用してクラスターリソースに対する操作を認可する」をご参照ください。

apiVersion: rbac.authorization.k8s.io/v1
kind: ClusterRole
metadata:
  name: recommendation-clusterrole
rules:
- apiGroups:
  - "autoscaling.alibabacloud.com"
  resources:
  - "*"
  verbs:
  - "*"