Sclops спонсировал этот пост.
ЛОНДОН — Массивный и растущий объем программного обеспечения, генерируемого с помощью ИИ, способствует стремительно растущей облачной затратах. Это также экспоненциально увеличивает спрос на дополнительные вычислительные ресурсы для управления всем этим кодом в облачных местных инфраструктурах. Эти факторы делают оптимизацию затрат облака еще более важной для предприятий, чем когда -либо.
В дополнение к вызове, Kubernetes вводит значительную сложность в масштабе. Часто существует ограниченная видимость в том, как используются ресурсы и что тратится — сложная среда для оптимизации затрат. Но существующие Gitops Practices, организованные Flux и Argo CD, основанные на традиционных операциях типа GitHub или GIT, неадекватны для правильной оптимизации ресурсов.
Что требуется, так это абстракция, ориентированная на оптимизацию ресурсов. Он должен автоматизировать аналитику, которая охватывает мелочи инфраструктуры внутри каждого стручка и в масштабе по потенциально нескольким кластерам, облачным и локальным средам. В дополнение к автоматизации операционного аспекта управления инфраструктурой, такая платформа должна устранить любые проблемы с предоставлением ресурсов, которая в противном случае может включать ручную конфигурацию YAML или другие задачи, связанные с операциями.
Отходы делают отходы
Отходы в облачных расходах не обязательно связаны с халатностью или отсутствием ресурсов; Это часто связано с плохой видимостью и пониманием того, как оптимизировать затраты и распределение ресурсов. По иронии судьбы, Kubernetes и Gitops были разработаны для обеспечения практики DevOps путем предоставления строительных блоков для облегчения сотрудничества между операционными командами и разработчиками, написал Тони Ямс Гартнер в «Оптимизация затрат для контейнеров и кубит» в облаке ».
«Однако, хотя операционная группа несет ответственность только за некоторые аспекты размеров, ответственность за указание необходимых ресурсов для приложений в конечном итоге подпадает перед командами разработчиков», — написал Ямс. «Ключом к реализации оптимизации является содействие сотрудничеству между командами разработки и операций. С помощью правильных инструментов и практик, и, работая вместе, эти команды могут контролировать затраты на управление контейнерами в облаке и в конечном итоге оптимизировать их».
Многие организации, которые управляют крупномасштабными или даже средними производственными средами на Kubernetes, сталкиваются с общей проблемой: рабочие нагрузки либо чрезвычайно чрезмерно повышены, либо сильно недостаточно повышены. Разработчики устанавливают запросы на ресурсы для процессора и памяти, но они вынуждены переоценить, потому что динамика кластеров постоянно меняется. Перепровидение означает, что ресурсы распределяются, но остаются неиспользованными, но альтернативный, недооцененный, негативно влияет на производительность. Эта неэффективность усугубляется растущими рабочими нагрузками и сложностью современной разработки программного обеспечения, включая CI/CD и AI.
Основной задачей является многомерный характер решений о планировании в кластерах Kubernetes. С одной стороны, разработчики устанавливают высокие пределы ресурсов и предоставление пикового спроса, в то время как администраторам не хватает точных данных о фактических потребностях ресурса с течением времени, сказал мне, что Torsten Volk, аналитик TechTarget Enterprise Strategy Group. В то же время, правила аффинности часто устанавливаются на основе простых статических меток, которые не информируются в соответствии с фактическими требованиями приложения. Запросы на ресурсы рассматривают только процессор и память, не имея возможности определить пропускную способность и задержку сети. По словам Волка, высокоприоритетные приложения могут излишне выселить более низкие приоритеты, несмотря на то, что на самом деле не требуется больше ресурсов.
«Все это приводит к многоуровневой игре догадков, где разработчики хотят убедиться, что в статическом буфере подтверждаются их применение для наихудших сценариев, в то время как операторы не могут сократить полученные отходы, поскольку они не понимают, как может отреагировать приложение»,-сказал Волк. «В двух словах, Kubernetes ничего не знает о реальных требованиях к ресурсам в приложении, в то время как прикладная стручка совершенно не знает о производительности базового кластерного оборудования».
О, такой человек
Исторически, стратегии распределения ресурсов были определены статически в файлах YAML и синхронизированы человеческим менеджером с использованием CD Flux или Argo. В то время как поставщики Flux и Argo CD и пользователи стремятся интегрировать оптимизацию ресурсов в свои наборы функций, они часто терпят неудачу.
Несколько лет назад рабочие процессы на основе GIT были стандартом для обеспечения ресурсов. Однако, с ускорением разработки программного обеспечения и трубопроводов CI/CD, а также роста кода, сгенерированного AI, «эти традиционные методы разрушаются», отметил Гай Барон, технический директор Shlops ‘CO и соучредитель, когда я разговаривал с ним в Kubecon+Cloudnativecon Europe в апреле.
Вместо этого требуется автоматизация распределения ресурсов в режиме реального времени, а также оптимизация вертикального и горизонтального масштабирования и размещения стручков. Такая платформа непрерывно корректирует распределение ресурсов на основе потребностей в рабочей нагрузке и здоровья кластера, обеспечивая эффективность и экономию затрат в связанных с ассоциированных многократных и гибридных инфраструктурах в масштабе.
Оптимизация должна покрыть:
- Вертикальное масштабирование: регулировка количества ЦП и памяти, назначенной каждому стручке.
- Горизонтальное масштабирование: оптимизация количества реплик в горизонтальных рабочих нагрузках, поддерживаемых Арго.
- Оптимизация размещения: интеллектуальное планирование стручков для максимизации эффективности кластера.
Платформа Sclops служит примером опции, которая абстрагирует и автоматизирует процесс. Он позиционируется не как платформа для анализа и видимости, а для автоматизации ресурсов. Sclops автоматизирует принятие решений, устраняя необходимость в ручном анализе и вмешательстве, помогая управлению ресурсами стать постоянной оптимизацией карты инфраструктуры.
Решения масштабирования, такие как определение того, как вертикально масштабировать, горизонтально масштабировать и планировать стручки на кластер, чтобы максимизировать производительность и экономию затрат, затем принимаются в режиме реального времени. Эта возможность образует ядро платформы Splops.
Экономия и эффективность масштабирования достигаются за счет данных об использовании в реальном времени и алгоритмах прогнозирования, которые определяют правильное количество ресурсов, необходимых на уровне POD в нужное время. Платформа является «полностью контекстной», автоматически определяет, включает ли рабочая нагрузка базу данных MySQL, HTTP-сервера без сохранения или критического брокера Kafka, и включает эту информацию в решения для масштабирования, сказал Барон.
С Sclops состояние кластера непрерывно контролируется. Если на узле запланировано стручок с шумными соседями, которые влияют на производительность или проверку здоровья, он автоматически перенесен на более подходящий узел с большими доступными ресурсами.
Признавая, что веб -сайт WordPress, брокер Kafka, база данных MySQL и конвейер воздушного потока, имеют разные требования к доступности и уровни критичности, каждая рабочая нагрузка рассматривается уникально. Решения о распределении ресурсов и масштабировании корректируются динамически для удовлетворения этих потребностей.
Платформа также в режиме реального времени реагирует на изменения в кластере, поддерживая автоматическое заживание и приспосабливаясь к всплескам использования.
На практике разработчикам больше не нужно беспокоиться о операционных обязанностях, таких как отслеживание затрат и распределение ресурсов, и у них больше времени для кода и инженера программного обеспечения для решения потребностей бизнеса более напрямую. Операционные команды больше не воспринимаются как блокаторы для разработки и развертывания программного обеспечения, наложив жесткие ограничения, которые подавляют гибкость. Им также не нужно беспокоиться о чрезмерном выражении и переплате за избыточные ресурсы, чтобы учесть скачки в будущем спросите со стороны разработчиков, которые CTO и, особенно — финансовые директора не ценят на фоне растущих облачных затрат.
Платформа обслуживает разработчиков путем автоматизации распределения и запросов ресурсов. Вместо того, чтобы разработчики выполняли эти задачи вручную, платформа представляет инфраструктуру, который о них заботится. По словам Барона, в то же время это дает разработчикам видимость и понимание того, как их рабочие нагрузки и ресурсы используются в производстве. «В конечном счете, речь идет о поиске баланса — автоматизации повторяющихся задач, одновременно информируя и уполномоченные разработчиками».
Убирая масштаб для поездки
Spalops имеет бесплатную пробную версию, которая является хорошей платформой для начала работы, потому что игровая площадка предлагает непосредственный способ связать Splopps непосредственно с вашим кластером. Например, я легко прикреплял Sclopps к управлению, а затем Sclops начал искать кластер для управления.
Сам интерфейс очень прост, что позволяет легко перемещаться между разными периодами времени — будь то 70 дней, 30 дней и т. Д. — на графике временных рядов, на котором показано использование ЦП и память с течением времени. Метрики, такие как оптимизированные запросы, использование и отходы, являются одними из ключевых показателей, отображаемых на графике временных рядов.
Для более подробного анализа каждая рабочая нагрузка предлагает ряд функциональных возможностей и анализа данных, который является одновременно простым и доступным. Это включает экономию средств, достигнутую для каждой рабочей нагрузки. Также можно изменить политики-будь то партия, стоимость, высокая доступность, производство или другие-это означает, что система предлагает свободу для динамического изменения или обновления политики на столь необходимой основе.
Для положительного опыта разработчика, платформа была разработана для автоматизации обыденных и динамических аспектов распределения и масштабирования ресурсов, сохраняя при этом разработчиков «в цикле», что дает представление о том, как их рабочие нагрузки и ресурсы работают в производстве.
Платформа обслуживает разработчиков путем автоматизации распределения и запросов ресурсов. Вместо того, чтобы разработчики выполняли эти задачи вручную, платформа представляет инфраструктуру, который о них заботится. По словам Барона, в то же время это дает разработчикам видимость и понимание того, как их рабочие нагрузки и ресурсы используются в производстве. «В конечном счете, речь идет о поиске баланса — автоматизации повторяющихся задач, одновременно информируя и уполномоченные разработчиками».
Sclops-это автоматизированная автоматизированная платформа управления ресурсами Kubernetes, которая помогает командам DevOps сократить затраты на облачные данные до 80% и поддерживать плавные приложения. Доверяя критически важной производственной среде, полностью самостоятельно и установлена с помощью одной команды Helm. Узнайте больше новейших из Splops Trending Stories youtube.com/thenewstack Tech движется быстро, не пропустите эпизод. Подпишитесь на наш канал YouTube, чтобы транслировать все наши подкасты, интервью, демонстрации и многое другое. Группа подпишитесь с эскизом. BC Gain является основателем и главным аналитиком Revecom Media. Его одержимость компьютерами началась, когда он взломал консоль космических захватчиков, чтобы играть весь день за 25 центов в местной видеокаде в начале 1980 -х годов. Затем он … читайте больше от B. Cameron Gain
