WedX - журнал о программировании и компьютерных науках

Отказоустойчивость Kubernetes с приоритетными виртуальными машинами в Google Cloud

У Google есть предложение, называемое вытесняемыми виртуальными машинами, которые не гарантируют постоянную доступность и отключаются каждые 24 часа.

Наша цель — развернуть отказоустойчивый (в определенной степени) кластер kubernetes с этими виртуальными машинами, имея достаточное количество резервных виртуальных машин для обработки случая, когда одна виртуальная машина отключается. Это описан простой сценарий, в котором вытесняемые виртуальные машины используются для запуска службы образов. Этот сценарий прост, потому что на вытесняемых виртуальных машинах не задействована база данных или брокер сообщений.

Можно ли запустить целое (на основе микросервисов) приложение, включая базы данных и брокеры сообщений, только с вытесняемыми виртуальными машинами?

Дополнительные вопросы, которые у нас есть:

  1. Когда обычно отключаются вытесняемые виртуальные машины? Обычно бывает так, что если одна виртуальная машина отключается, все остальные тоже (одновременно)?
  2. Как регистрируется время простоя перезапуска вытесняемой виртуальной машины?

Приветствуется любое руководство, которое поможет ответить на эти вопросы и/или поможет нам настроить такой кластер.

kubernetes google-cloud-platform google-kubernetes-engine
08.02.2019

  • Глядя сюда, кажется, что вытесняемый экземпляр будет отключен не позднее, чем через 24 часа после его запуска. cloud.google.com/compute/docs/instances/preemptible Таким образом, если вы хотели поразить свой худший случай, вы бы позаботились о том, чтобы они начали пошатываться. Я предполагаю, что через 24 часа экземпляр может быть перезапущен немедленно... или через неопределенный промежуток времени. По своей природе вы не можете полагаться на доступность вытесняемого экземпляра, когда он вам нужен. 08.02.2019
  • Спасибо за ваш ответ. Идея состоит в том, чтобы запустить несколько виртуальных машин. Так что, если один из них отключится, на месте будет резервная виртуальная машина. Однако этот сценарий работает только в том случае, если маловероятно, что все виртуальные машины будут отключены одновременно. 08.02.2019
  • Идея вытесняемых виртуальных машин заключается в том, чтобы сэкономить на затратах, когда вы МОЖЕТЕ получить покупку с меньшим количеством виртуальных машин, чем может быть доступно в любой момент в вытесняемом пуле. Если ваше решение требует обеспечения одновременной доступности минимального количества виртуальных машин, вам следует убедиться, что рядом всегда есть такое количество невыгружаемых виртуальных машин. Google не гарантирует, что в любой момент времени будут ЛЮБЫЕ вытесняемые виртуальные машины. 09.02.2019

Ответы:


1

Что касается ваших вопросов:

1. Когда обычно отключаются вытесняемые виртуальные машины? Обычно бывает так, что если одна ВМ отключается, все остальные тоже (одновременно)?

A: Срок службы вытесняемых ВМ не превышает 24 часов, их можно отключить, когда Google потребуются ресурсы в течение этого срока. Дополнительную информацию об ограничениях см. здесь. Сброс счетчика означает, что вы вручную останавливаете и запускаете экземпляры, однако имейте в виду, что selection будет вытеснять экземпляры, которые недавно были запущены последними.

2.-Как регистрируется время простоя перезапуска вытесняемой ВМ?

О. Если вы имеете в виду, где вы можете увидеть журналы Compute Engine, которые замечают вас, когда экземпляр был остановлен, вы можете использовать ведение журнала Stackdriver.

08.02.2019
Новые материалы
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..
ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..
Для любых предложений по сайту: [email protected]