通过选择机器系列优化 Autopilot Pod 性能

本页面介绍了如何将工作负载放置在特定的 Compute Engine 机器系列上，以便在 Google Kubernetes Engine (GKE) Autopilot 集群中实现最佳工作负载性能。

确保您熟悉以下内容：

机器系列选择的运作方式

您可以将 cloud.google.com/machine-family 节点选择器添加到 Pod 规范中，以便 Autopilot 为该 Pod 分配特定的 Compute Engine 硬件。例如，您可以为需要更强 CPU 的 Pod 选择 C3 机器系列，或为需要更多内存的 Pod 选择 N1 机器系列。Autopilot 会预配所选机器系列中的一个预定义机器类型，以最佳方式运行您的工作负载。

除了实现最佳 Pod 性能之外，选择特定的机器系列还具有以下优势：

  • 高效的节点利用率：默认情况下，Autopilot 会通过在每个节点上尽可能多地调度请求同一机器系列的 Pod 来优化节点资源使用率。这种方法可优化节点上的资源使用率，从而提高性价比。如果您的工作负载需要访问节点上的所有资源，您可以视需要将工作负载配置为为每个节点请求一个 Pod。

  • 可爆发的工作负载：您可以通过将资源限制设置为高于请求，将 Pod 配置为爆发使用节点上未使用资源容量。如需了解详情，请参阅在 GKE 中配置 Pod 爆发。

为每个 Pod 请求专用节点

如果您的 CPU 密集型工作负载需要稳定获取所有节点资源，可以视需要配置 Pod，以便 Autopilot 将请求机器系列的 Pod 放置在其自己的节点上。

当您运行大规模 CPU 密集型工作负载（例如 AI/机器学习训练工作负载或高性能计算 [HPC] 批量工作负载）时，建议每个 Pod 配专用节点。

在多 Pod 调度和单 Pod 调度之间进行选择

请按照以下指南，根据您的要求选择 Pod 调度行为：

价格

Compute Engine 会向您收取底层虚拟机和任何挂接硬件的费用，同时收取 Autopilot 节点管理和可伸缩性附加费。如需了解详情，请参阅 GKE 价格。

准备工作

在开始之前，请确保您已执行以下任务：

  • 启用 Google Kubernetes Engine API。
    • 启用 Google Kubernetes Engine API
  • 如果您要使用 Google Cloud CLI 执行此任务，请安装并初始化 gcloud CLI。 如果您之前安装了 gcloud CLI，请运行 gcloud components update 以获取最新版本。
  • 确保您已有运行 1.30.1-gke.1396000 版或更高版本的 Autopilot 集群。如需创建集群，请参阅创建 Autopilot 集群。

选择机器系列

本部分介绍如何在 Pod 中选择特定的 Compute Engine 机器系列。

  1. 将以下清单保存为 machine-series-pod.yaml：

    apiVersion: v1
kind: Pod
metadata:
  name: machine-series-pod
spec:
  nodeSelector:
    cloud.google.com/machine-family: MACHINE_SERIES
  containers:
  - name: my-container
    image: "k8s.gcr.io/pause"
    resources:
      requests:
        cpu: 5
        memory: "25Gi"
      limits:
        cpu: 20
        memory: 100Gi

    将 MACHINE_SERIES 替换为 Pod 的 Compute Engine 机器系列，例如 c3。如需查看支持的值，请参阅本页面中的支持的机器系列。

  2. 部署 Pod：

    kubectl apply -f machine-series-pod.yaml

借助此清单，Autopilot 可在有可用容量的情况下，高效地将选择同一机器系列的其他 Pod 调度到同一节点，从而优化节点资源使用率。

使用本地 SSD

如果您指定了提供本地 SSD 的机器系列，则选择机器系列的 Pod 可以将本地 SSD 用于临时存储空间。Autopilot 在为 Pod 选择 Compute Engine 机器类型时会考虑临时存储空间请求。

  1. 将以下清单保存为 local-ssd-pod.yaml：

      apiVersion: v1
  kind: Pod
metadata:
  name: local-ssd-pod
spec:
  nodeSelector:
    cloud.google.com/machine-family: MACHINE_SERIES
    cloud.google.com/gke-ephemeral-storage-local-ssd: "true"
  containers:
  - name: my-container
    image: "k8s.gcr.io/pause"
    resources:
      requests:
        cpu: 6
        memory: "25Gi"
        ephemeral: "100Gi"
      limits:
        cpu: 12
        memory: "50Gi"
        ephemeral: "200Gi"

    将 MACHINE_SERIES 替换为还支持本地 SSD 的支持的机器系列。如果指定的机器系列不支持本地 SSD，部署将失败并显示错误。

  2. 部署 Pod：

    kubectl apply -f local-ssd-pod.yaml

为 Pod 请求专用节点

如果您的 Pod 有特定的性能要求，例如需要稳定获取节点的所有资源，您可以通过指定 cloud.google.com/compute-class: Performance 节点选择器以及机器系列节点选择器，为每个 Pod 请求专用节点。这会指示 Autopilot 将您的 Pod 放置在使用指定机器系列且专用于该 Pod 的新节点上。此节点选择器还可防止 Autopilot 将其他 Pod 调度到该节点上。

  1. 将以下清单保存为 dedicated-node-pod.yaml：

    apiVersion: v1
kind: Pod
metadata:
  name: dedicated-node-pod
spec:
  nodeSelector:
    cloud.google.com/machine-family: MACHINE_SERIES
    cloud.google.com/compute-class: Performance
  containers:
  - name: my-container
    image: "k8s.gcr.io/pause"
    resources:
      requests:
        cpu: 12
        memory: "50Gi"
        ephemeral: "200Gi"

    将 MACHINE_SERIES 替换为也支持每节点调度一个 Pod 的支持的机器系列。如果指定的机器系列不支持每节点调度一个 Pod，部署将失败并显示错误。

  2. 部署 Pod：

    kubectl apply -f dedicated-node-pod.yaml

部署此清单时，Autopilot 会执行以下操作：

  • 确保所部署 Pod 至少请求性能优化节点的最少资源。
  • 计算所部署 Pod 和集群中任何 DaemonSet 的资源请求总量。
  • 预配由所选机器系列提供支持的节点。
  • 使用节点选择器和容忍组合修改 Pod 清单，以确保 Pod 在其自己的节点上运行。

支持的机器系列

machine-family 选择器支持以下机器系列：

（始终捆绑）

如需比较这些机器系列及其应用场景，请参阅 Compute Engine 文档中的机器系列比较。

与其他 GKE 特性的兼容性

您使用的 Pod 可以选择具有以下 GKE 功能和特性的机器系列：

Spot Pod 和扩展运行时 Pod 互斥。GKE 不会对每个节点都有专用 Pod 的情况强制执行更高的最少资源请求，即使它们使用工作负载分离也是如此。

GKE 如何选择机器类型

为了选择指定机器系列中的机器类型，GKE 会计算 Pod 以及在新节点上运行的任何 DaemonSet 的总 CPU、总内存和总临时存储空间请求数。GKE 将这些值向上舍入到支持所有这些总数的最接近的可用 Compute Engine 机器类型。

  • 示例 1：假设具有四个副本的 Deployment 选择 C3D 机器系列。您无需为每个 Pod 请求专用节点。每个副本的资源请求如下所示：

    • 500m vCPU
    • 1 GiB 内存

    Autopilot 将所有 Pod 放置在由 c3d-standard-4 机器类型支持的节点上，该机器类型具有 4 个 vCPU 和 16 GB 内存。

  • 示例 2：假设某个 Pod 选择 C3D 机器系列和本地 SSD 作为临时存储空间。您为 Pod 请求专用节点。包含 DaemonSet 的资源请求总数如下所示：

    • 12 vCPU
    • 50 GiB 的内存
    • 200 GiB 的临时存储空间

    Autopilot 将 Pod 放置在使用 c3d-standard-16-lssd 机器类型的节点上，该机器类型具有 16 个 vCPU、64 GiB 内存和 365 GiB 本地 SSD 容量。

后续步骤