Container Service for Kubernetes:リソースプロファイルを使用してコンテナー仕様を推奨する

ステップ 1: リソースプロファイリング機能をインストールする

1. ACK コンソールにログインします。左側のナビゲーションウィンドウで、[クラスター] をクリックします。

2. クラスター ページで、目的のクラスターを見つけてその名前をクリックします。左側のペインで、[コストスイート] > [コスト最適化] を選択します。

3. [コスト最適化] ページで、[リソースプロファイル] タブをクリックします。[リソースプロファイル] セクションで、画面の指示に従って機能を有効にします。

   • コンポーネントのインストールまたはスペックアップ: 画面の指示に従って ack-koordinator コンポーネントをインストールまたはスペックアップします。この機能を初めて使用する場合は、ack-koordinator コンポーネントをインストールする必要があります。

     説明

     ack-koordinator のバージョンが v0.7.0 より前の場合は、移行してスペックアップする必要があります。詳細については、「ack-koordinator をマーケットプレイスからコンポーネントセンターに移行する」をご参照ください。

   • この機能を初めて使用するときにプロファイリングを構成するには、インストールまたはスペックアップ後に [デフォルト構成] を選択します。このオプションは、リソースプロファイリングの範囲を制御し、推奨される方法です。後でコンソールの [プロファイル構成] をクリックして設定を調整することもできます。

4. [プロファイリングを有効にする] をクリックして、[リソースプロファイル] ページに移動します。

ステップ 2: リソースプロファイリングポリシーを管理する

1. ACK コンソールにログインします。左側のナビゲーションウィンドウで、[クラスター] をクリックします。

2. クラスター ページで、目的のクラスターを見つけてその名前をクリックします。左側のペインで、[コストスイート] > [コスト最適化] を選択します。

3. [コスト最適化] ページで、[リソースプロファイル] タブをクリックし、[プロファイル構成] をクリックします。

   プロファイル構成は、[グローバル構成] と [自動 O&M 構成] の 2 つのモードをサポートしています。デフォルトでは、リソースプロファイリングコンポーネントをインストールすると、グローバル構成モードが選択されます。構成モードとパラメーターを変更し、[OK] をクリックして変更を適用できます。

   グローバル構成モード (推奨)

   グローバル構成モードは、すべてのワークロードのリソースプロファイリングを有効にします。デフォルトでは、このモードは `arms-prom` と `kube-system` 名前空間を除外します。

   パラメーター	説明	値の範囲
   除外する名前空間	リソースプロファイリングが無効になっている名前空間。これらは通常、システムコンポーネントの名前空間です。最終的な範囲は、指定された名前空間とワークロードタイプの共通部分です。	現在のクラスターに存在する名前空間。複数の名前空間を選択できます。デフォルト値は `kube-system` と `arms-prom` です。
   有効なワークロードタイプ	リソースプロファイリングが有効になっているワークロードのタイプ。最終的な範囲は、指定された名前空間とワークロードタイプの共通部分です。	Deployment、StatefulSet、DaemonSet の 3 つのネイティブ Kubernetes ワークロードタイプをサポートします。複数のタイプを選択できます。
   CPU 消費バッファー	リソースプロファイルを生成するために使用される安全バッファー。詳細については、以下の説明をご参照ください。	負でない数値である必要があります。70%、50%、30% の 3 つの一般的なバッファーレベルが提供されます。
   メモリ消費バッファー	リソースプロファイルを生成するために使用される安全バッファー。詳細については、以下の説明をご参照ください。	負でない数値である必要があります。70%、50%、30% の 3 つの一般的なバッファーレベルが提供されます。

   自動 O&M 構成モード

   自動 O&M 構成モードは、特定の名前空間のワークロードに対してのみリソースプロファイリングを有効にします。クラスターが大きい場合 (たとえば、1,000 ノード以上を含む)、または少数のワークロードに対してのみ機能を有効にしたい場合は、このモードを使用して必要に応じてワークロードを指定できます。

   パラメーター	説明	値の範囲
   有効な名前空間	リソースプロファイリングが有効になっている名前空間。最終的な範囲は、指定された名前空間とワークロードタイプの共通部分です。	現在のクラスターに存在する名前空間。複数の名前空間を選択できます。
   有効なワークロードタイプ	リソースプロファイリングが有効になっているワークロードのタイプ。最終的な範囲は、指定された名前空間とワークロードタイプの共通部分です。	Deployment、StatefulSet、DaemonSet の 3 つのネイティブ Kubernetes ワークロードタイプをサポートします。複数のタイプを選択できます。
   CPU 消費バッファー	リソースプロファイルを生成するために使用される安全バッファー。詳細については、以下の説明をご参照ください。	負でない数値である必要があります。70%、50%、30% の 3 つの一般的なバッファーレベルが提供されます。
   メモリ消費バッファー	リソースプロファイルを生成するために使用される安全バッファー。詳細については、以下の説明をご参照ください。	負でない数値である必要があります。70%、50%、30% の 3 つの一般的なバッファーレベルが提供されます。

   リソース消費バッファー: 管理者がアプリケーションの容量 (クエリ/秒 (QPS) など) を評価する場合、通常は物理リソースの 100% を使用しません。これは、ハイパースレッディングなどの物理リソースの制限や、アプリケーションがピーク負荷リクエストのためにリソースを予約する必要があるためです。プロファイル値と元のリソースリクエストの差が安全バッファーを超えると、スペックダウンの提案が表示されます。アルゴリズムの詳細については、「ステップ 3: アプリケーションプロファイルの概要を表示する」セクションのプロファイル提案の説明をご参照ください。

ステップ 3: アプリケーションプロファイルの概要を表示する

次の表に、プロファイルの概要の列を示します。

ステップ 4: アプリケーションプロファイルの詳細を表示する

ステップ 5: アプリケーションリソース仕様を変更する

ステップ 1: リソースプロファイリングを有効にする

1. 次の YAML コンテンツを持つ recommendation-profile.yaml ファイルを作成して、ワークロードのリソースプロファイリングを有効にします。

   RecommendationProfile CRD を作成して、ワークロードのリソースプロファイリングを有効にし、そのコンテナーのリソース仕様プロファイルデータを取得できます。RecommendationProfile CRD を使用すると、名前空間とワークロードタイプによって範囲を制御できます。最終的な範囲は、2 つの共通部分です。

   apiVersion: autoscaling.alibabacloud.com/v1alpha1
   kind: RecommendationProfile
   metadata:
     # オブジェクトの名前。名前空間のないオブジェクトには名前空間を指定する必要はありません。
     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のタイプ。
     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

   構成フィールドは次のように説明されます。

   パラメーター	タイプ	説明
   metadata.name	文字列	オブジェクトの名前。RecommendationProfile が名前空間のないタイプの場合、名前空間を指定する必要はありません。
   spec.controllerKind	文字列	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 が含まれます。
   spec.enabledNamespaces	文字列	リソースプロファイリングを有効にする名前空間。

2. ターゲットアプリケーションのリソースプロファイリングを有効にします。

   kubectl apply -f recommendation-profile.yaml

3. 次の YAML コンテンツを持つ cpu-load-gen.yaml 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.yaml` ファイルを使用して `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. リソース仕様プロファイルを取得します。

   kubectl get recommendations -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、リソースプロファイリングが有効になっている各ワークロードのリソース仕様プロファイルを生成し、結果を Recommendation CRD に保存します。次のコードは、cpu-load-gen という名前のワークロードのサンプルリソース仕様プロファイルを提供します。

   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: recommender-demo
   spec:
     workloadRef:
       apiVersion: apps/v1
       kind: Deployment
       name: cpu-load-gen
   status:
     recommendResources:
       containerRecommendations:
       - containerName: cpu-load-gen
         target:
           cpu: 4742m
           memory: 262144k
         originalTarget: # これはリソースプロファイリングアルゴリズムの中間結果を示します。直接使用することはお勧めしません。
          # ...

   簡単に取得できるように、Recommendation はワークロードと同じ名前空間を持ちます。ワークロードの API バージョン、タイプ、および名前は、次の表に示すようにラベルに保存されます。

   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 ラベルの制約により、スラッシュ (/) はハイフン (-) に置き換えられます。	apps-v1 (以前は apps/v1)
   alpha.alibabacloud.com/recommendation-workload-kind	Deployment や StatefulSet などの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 ラベルの制約により、長さは 63 文字を超えることはできません。	cpu-load-gen

   各コンテナーのリソース仕様プロファイルは status.recommendResources.containerRecommendations に保存されます。次の表にフィールドを示します。

   フィールド名	意味	フォーマット	例
   containerName	コンテナーの名前。	string	cpu-load-gen
   target	CPU とメモリのディメンションを含む、リソース仕様プロファイルの結果。	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。直接使用することはお勧めしません。	-	-

   説明

   単一 Pod の最小プロファイル CPU 値は 0.025 コア、最小メモリ値は 250 MB です。

   ターゲットアプリケーション (cpu-load-gen) で宣言されたリソース仕様と、このステップのプロファイリング結果を比較すると、このコンテナーの CPU リクエストが大きすぎることがわかります。リクエストを減らしてクラスターリソースを節約できます。

   カテゴリ	元のリソース仕様	プロファイルされたリソース仕様
   CPU	8 コア	4.742 コア

ステップ 2: (オプション) Prometheus で結果を表示する

リソースプロファイリングアルゴリズムはどのように機能しますか？

リソースプロファイリングのアプリケーションタイプ要件は何ですか？

この機能は、オンラインサービスアプリケーションに適しています。

現在、リソースプロファイルは、ほとんどのデータサンプルがカバーされるように、コンテナーのリソースニーズを満たすことを優先します。ただし、オフラインアプリケーションの場合、このタイプのバッチ処理タスクは全体的なスループットに関心があり、クラスターの全体的なリソース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ます。プロファイルは、オフラインアプリケーションには保守的に見えるかもしれません。さらに、プライマリセカンダリモードでデプロイされることが多い重要なシステムコンポーネントの場合、バックアップロールのレプリカは長期間アイドル状態になります。これらのレプリカからのリソース使用量サンプルも、プロファイリングアルゴリズムに干渉する可能性があります。これらのシナリオでは、使用前に必要に応じてプロファイルを処理してください。リソースプロファイリングのプロダクトアップデートをフォローすることをお勧めします。

プロファイル値を直接使用してコンテナーの request と limit を設定できますか？

これは、ビジネスの特性によって異なります。リソースプロファイリングによって提供される結果は、アプリケーションの現在のリソース需要のまとめです。管理者は、使用前にアプリケーションの特性に基づいてプロファイル値を処理する必要があります。

たとえば、トラフィックのピークを処理したり、アクティブ/アクティブアーキテクチャでシームレスな切り替えを実現したりするには、追加のリソースバッファーを予約する必要があります。さらに、アプリケーションがリソースに敏感で、ホスト負荷が高い状態で安定して実行できない場合は、プロファイル値に基づいて仕様を増やす必要もあります。

自己管理の Prometheus でリソースプロファイリングメトリックを表示するにはどうすればよいですか？

ack-koordinator コンポーネントの ack-koord-manager モジュールでは、リソースプロファイリングに関連するモニタリングメトリックが Prometheus フォーマットの HTTP インターフェイスとして提供されます。次のコマンドを実行して、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 アドレスを取得する

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

   期待される出力:

   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、メトリックデータを表示します。ack-koord-manager は 2 つのレプリカを持つプライマリセカンダリモードで実行され、データはアクティブなレプリカ Pod によってのみ提供されることに注意してください。ポート port (デフォルト値は 9326) については、ack-koord-manager アプリケーションのデプロイメント構成を参照してください。

   コマンドを実行するサーバーがクラスターのコンテナー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 コンポーネントの以前のバージョン (v1.5.0-ack1.12 より前) 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

   期待される出力:

   # HELP slo_manager_recommender_recommendation_workload_target Recommendation of workload resource request.
   # 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、Service および ServiceMonitor オブジェクトが自動的に作成され、対応する Pod に関連付けられます。Managed Service for Prometheus を使用する場合、これらのメトリックは自動的に収集され、対応する Grafana ダッシュボードに表示されます。

Prometheus は複数の収集方法をサポートしているため、自己管理の Prometheus インスタンスを使用する場合は、公式の Prometheus ドキュメントに基づいて構成する必要があります。構成中に、テストのために上記の手順を参照してください。テストが完了したら、「ステップ 2: (オプション) Prometheus で結果を表示する」を参照して、環境に対応する Grafana モニタリングダッシュボードを構成できます。

リソースプロファイルの結果とルールをクリアするにはどうすればよいですか？

リソースプロファイルとルールは、それぞれ Recommendation および RecommendationProfile CRD に保存されます。次のコマンドを実行して、すべてのリソースプロファイルとルールを削除できます。

# すべてのリソースプロファイル結果を削除します。
kubectl delete recommendation -A --all

# すべてのリソースプロファイルルールを削除します。
kubectl delete recommendationprofile -A --all

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どうすればよいですか？

ACK の権限付与システムには、基本リソースレイヤーでの RAM 権限付与と、ACK クラスターレイヤーでのロールベースのアクセス制御 (RBAC) 権限付与が含まれます。ACK 権限付与システムの概要については、「権限付与のベストプラクティス」をご参照ください。RAM ユーザーにクラスターのリソースプロファイリング機能を使用する権限を付与するには、次の権限付与のベストプラクティスに従うことをお勧めします。

1. RAM 権限付与

   Alibaba Cloud アカウントを使用して RAM コンソールにログインし、組み込みの AliyunCSFullAccess 権限を RAM ユーザーに付与できます。詳細については、「権限の付与」をご参照ください。

2. RBAC 権限付与

   RAM 権限を付与した後、ターゲットクラスターに対して RAM ユーザーに developer RBAC ロール以上のロールを付与する必要もあります。詳細については、「RBAC を使用してクラスターリソースの操作を承認する」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:
  - "*"