Registre clusters Kubernetes externos no ACK One para gerencie ambientes híbridos e multicloud de forma unificada.
console de clusters registrados
Recursos
Use o ACK One para registrar clusters Kubernetes de diversos ambientes, como ACK, autogerenciados e de clouds de terceiros, permitindo gerenciamento unificado. Considere clusters registrados para atender às seguintes necessidades:
Elasticidade em cloud híbrida: Escale clusters autogerenciados com recursos da cloud, como instâncias do Elastic Compute Service (ECS), servidores físicos ou Elastic Container Instance (ECI). O ack-co-scheduler oferece políticas para priorizar scale-out, executar scale-in sob demanda, distribuir réplicas de pods proporcionalmente e escalar node pools baseados em GPU entre o data center e a cloud.
Experiência operacional consistente com o ACK: Gerencie todos os clusters Kubernetes — na Alibaba Cloud ou em seu data center — em um único console, com governança de segurança unificada. Centralize o gerenciamento de clusters e aplicações, logs, monitoramento, alertas e políticas de autorização usando contas da Alibaba Cloud, usuários do RAM e funções do RAM.
Capacidades de IA e big data: Aumente a eficiência computacional em 30–40% com agendamento de CPU ciente de topologia e suporte a NUMA. Eleve a utilização da GPU em até 300% por meio de compartilhamento e agendamento de GPU. Escale recursos heterogêneos entre ambientes de cloud e on-premises. Acelere o acesso a dados em quase 10 vezes e reduza o uso de largura de banda em 90% com o Fluid, que oferece acesso unificado a armazenamento em cache distribuído para cloud híbrida.
Backup e recuperação de desastres: Uma solução integrada de cloud para backup, recuperação e migração garante a recuperação de desastres para dados e aplicações, melhorando a continuidade dos negócios.
Casos de uso
Caso de uso 1: Cloud híbrida com clusters registrados
Descrição
Clusters autogerenciados em data centers: Conecte as redes dos clusters para compartilhar recursos entre seus ambientes on-premises e cloud.
Dimensionamento sob demanda de recursos e aplicações na cloud: Durante horários de pico, escale rapidamente os recursos na cloud e direcione parte do tráfego para esse ambiente.
Caso de uso 2: Experiência consistente para clusters on-premises
Descrição
Experiência operacional consistente: Estenda as capacidades operacionais unificadas do ACK para clusters em seus data centers e em clouds públicas de terceiros.
Observabilidade aprimorada: Obtenha uma experiência operacional alinhada à cloud com suporte para coleta de logs, monitoramento e eventos.
Segurança reforçada: Ative auditoria, inspeção de segurança, detecção de riscos em nós e governança de políticas com um único clique em.
Governança de microsserviços: O Microservices Engine (MSE) e o Service Mesh (ASM) oferecem recursos completos para governança de microsserviços.
Caso de uso 3: Recuperação de desastres de dados com clusters registrados
Descrição
Migração de aplicações para a cloud: Garante backups e recuperações de aplicações consistentes em segundos, entre regiões e data centers, para migrar rapidamente suas aplicações de negócios para a cloud.
Recuperação de desastres de dados: Fornece backups de aplicações com estado entre regiões e data centers, com suporte a políticas configuráveis de backup e recuperação. Faça backups contínuos de dados na cloud para recuperação de desastres, aumentando a proteção contra ransomware.
Recuperação de desastres de negócios: Disponibiliza redundância geográfica e backups agendados para aplicações e dados entre regiões e data centers.
Redundância geográfica ativa: Entrega uma solução compatível com Kubernetes para construir rapidamente um sistema de recuperação de desastres com três centros em duas regiões, facilitando a criação de um sistema de alta disponibilidade.
Caso de uso 4: Coagendamento para IA e big data
Descrição
Desenvolvimento de algoritmos de IA: Oferece gerenciamento abrangente de tarefas, cotas e observabilidade.
Treinamento de IA: Suporta agendamento ciente de topologia e um conjunto robusto de políticas de agendamento de tarefas para melhorar a eficiência do treinamento. A arquitetura de separação entre computação e armazenamento acelera significativamente o treinamento distribuído de dados. Também permite o agendamento de jobs entre clusters, oferecendo distribuição e agendamento otimizados para múltiplos clusters em jobs como TensorFlow, Spark e CronJob.
Inferência de IA: Disponibiliza compartilhamento de GPU, o que pode aumentar a utilização de recursos em aproximadamente 300%. Suporta dimensionamento elástico de recursos heterogêneos e oferece gerenciamento unificado de agendamento elástico tanto para ambientes de cloud quanto on-premises.
Agendamento inteligente de CPU: Fornece agendamento inteligente de CPU e suporte a NUMA para servidores bare metal.