Google Distributed Cloud-Cluster vertikal skalieren

Wie bei jedem Kubernetes-Cluster gibt es auch bei der Skalierbarkeit von Distributed Cloud-Clustern viele miteinander verknüpfte Dimensionen. In diesem Dokument erfahren Sie mehr über die wichtigsten Dimensionen, die Sie anpassen können, um Ihre Cluster zu skalieren, ohne Ihre Arbeitslasten zu unterbrechen.

Informationen zu Limits

Google Distributed Cloud ist ein komplexes System mit einer großen Integrationsoberfläche. Es gibt viele Dimensionen, die sich auf die Cluster-Skalierbarkeit auswirken. Die Anzahl der Knoten ist beispielsweise nur eine von vielen Dimensionen, für die Google Distributed Cloud eine Skalierung vornehmen kann. Weitere Dimensionen sind die Gesamtzahl der Pods und Dienste. Viele dieser Dimensionen, z. B. die Anzahl der Pods pro Knoten und die Anzahl der Knoten pro Cluster, sind miteinander verknüpft. Weitere Informationen zu den Dimensionen, die sich auf die Skalierbarkeit auswirken, finden Sie unter Kubernetes-Skalierbarkeitsschwellenwerte im Abschnitt Scalability Special Interest Group (SIG) des Kubernetes Community-Repositorys auf GitHub.

Die Skalierbarkeitslimits gelten auch für die Hardware- und Knotenkonfiguration, auf der Ihr Cluster ausgeführt wird. Die in diesem Dokument beschriebenen Limits werden in einer Umgebung geprüft, die sich wahrscheinlich von Ihrer unterscheidet. Daher können Sie die gleichen Zahlen möglicherweise nicht reproduzieren, wenn die zugrunde liegende Umgebung den begrenzenden Faktor darstellt.

Weitere Informationen zu den Limits, die für Ihre Google Distributed Cloud-Cluster gelten, finden Sie unter Kontingente und Limits.

Skalierung vorbereiten

Berücksichtigen Sie bei der Vorbereitung der Skalierung Ihrer Google Distributed Cloud-Cluster die in den folgenden Abschnitten beschriebenen Anforderungen und Einschränkungen.

CPU- und Arbeits-Speicheranforderungen für den Knoten der Steuerungsebene

In der folgenden Tabelle sind die empfohlenen CPU- und Arbeitsspeicherkonfigurationen für Knoten der Steuerungsebene für Cluster aufgeführt, auf denen Produktionsarbeitslasten ausgeführt werden:

Anzahl der Clusterknoten Empfohlene CPUs für die Steuerungsebene Empfohlener Arbeitsspeicher für die Steuerungsebene
1-50 8 Kerne 32 GiB
51–100 16 Kerne 64 GiB

Anzahl der Pods und Dienste

Die Anzahl der Pods und Dienste in Ihren Clustern wird durch die folgenden Einstellungen gesteuert:

Pod-CIDR und maximale Knotenanzahl

Die Gesamtzahl der für Pods in Ihrem Cluster reservierten IP-Adressen ist einer der begrenzenden Faktoren für die Skalierung Ihres Clusters. Diese Einstellung bestimmt zusammen mit der Einstellung für die maximale Anzahl von Pods pro Knoten die maximale Anzahl von Knoten, die Sie in Ihrem Cluster haben können, bevor die IP-Adressen für Ihre Pods erschöpft sind.

Beachten Sie dabei Folgendes:

  • Die Gesamtzahl der für Pods in Ihrem Cluster reservierten IP-Adressen wird so angegeben:clusterNetwork.pods.cidrBlocks , wodurch ein Bereich von IP-Adressen verwendet wird, der inCIDR-Notation angegeben ist.“ Der vorab ausgefüllte Wert 192.168.0.0/16 gibt beispielsweise einen Bereich von 65.536 IP Adressen von 192.168.0.0 bis 192.168.255.255 an.

  • Die maximale Anzahl von Pods, die auf einem einzelnen Knoten ausgeführt werden können, wird mit nodeConfig.podDensity.maxPodsPerNode angegeben.

  • Basierend auf der Einstellung für die maximale Anzahl von Pods pro Knoten stellt Google Distributed Cloud dem Knoten etwa doppelt so viele IP-Adressen zur Verfügung. Die zusätzlichen IP-Adressen verhindern, dass die Pod-IPs innerhalb kurzer Zeit versehentlich wiederverwendet werden.

  • Wenn Sie die Gesamtzahl der Pod-IP-Adressen durch die Anzahl der Pod-IP-Adressen dividieren, die auf jedem Knoten bereitgestellt werden, erhalten Sie die Gesamtzahl der Knoten, die Sie in Ihrem Cluster haben können.

Wenn Ihre Pod-CIDR beispielsweise 192.168.0.0/17 ist, haben Sie insgesamt 32.768 IP-Adressen (2(32-17) = 215 = 32.768). Wenn Sie die maximale Anzahl von Pods pro Knoten auf 250 festlegen, stellt Google Distributed Cloud einen Bereich von etwa 500 IP-Adressen bereit, was ungefähr einem /23 CIDR-Block entspricht (2(32-23) = 29 = 512). Die maximale Anzahl von Knoten beträgt in diesem Fall 64 (215 Adressen/Cluster dividiert durch 29 Adressen/Knoten = 2(15-9) Knoten/Cluster = 26 = 64 Knoten/Cluster).

Sowohl clusterNetwork.pods.cidrBlocks als auch nodeConfig.podDensity.maxPodsPerNode sind unveränderlich. Planen Sie daher das zukünftige Wachstum Ihres Clusters sorgfältig, um zu vermeiden, dass Ihnen die Knotenkapazitäten ausgeht. Die empfohlenen Maximalwerte für Pods pro Cluster, Pods pro Knoten und Knoten pro Cluster basierend auf Tests finden Sie unter Limits.

Dienst-CIDR

Ihre Dienst-CIDR kann aktualisiert werden, um weitere Dienste hinzuzufügen, wenn Sie Ihren Cluster skalieren. Sie können den Dienst-CIDR-Bereich jedoch nicht verkleinern. Weitere Informationen finden Sie unter Dienstnetzwerkbereich vergrößern.

Für System-Daemons reservierte Ressourcen

Standardmäßig reserviert Google Distributed Cloud automatisch Ressourcen auf einem Knoten für System-Daemons wie sshd oder udev. CPU- und Arbeitsspeicherressourcen werden auf einem Knoten für System-Daemons reserviert, damit diese Daemons die erforderlichen Ressourcen haben. Ohne diese Funktion können Pods möglicherweise die meisten Ressourcen auf einem Knoten verbrauchen, sodass System-Daemons ihre Aufgaben nicht ausführen können.

Google Distributed Cloud reserviert auf jedem Knoten 80 Millikerne CPU (80 mCPU) und 280 Mebibyte (280 MiB) Arbeitsspeicher für System-Daemons. Beachten Sie, dass die CPU-Einheit mCPU für ein Tausendstel eines Kerns steht. Daher werden 80/1000 oder 8 % eines Kerns auf jedem Knoten für System-Daemons reserviert. Die Menge der reservierten Ressourcen ist gering und hat keine wesentlichen Auswirkungen auf die Pod-Leistung. Das Kubelet auf einem Knoten kann jedoch Pods löschen, wenn ihre CPU- oder Arbeitsspeichernutzung die ihnen zugewiesenen Mengen übersteigt.

Netzwerk mit MetalLB

Möglicherweise möchten Sie die Anzahl der MetalLB-Speaker erhöhen, um die folgenden Aspekte zu berücksichtigen:

  • Bandbreite: Die gesamte Clusterbandbreite für Load-Balancing-Dienste hängt von der Anzahl der Speaker und der Bandbreite jedes Speaker-Knotens ab. Ein erhöhter Netzwerkverkehr erfordert mehr Speaker.

  • Fehlertoleranz: Mehr Speaker verringern die Gesamtauswirkungen eines einzelnen Speaker-Fehlers.

MetalLB erfordert Layer-2-Verbindungen zwischen den Load-Balancing-Knoten. In diesem Fall sind Sie möglicherweise durch die Anzahl der Knoten mit Layer-2-Verbindung beschränkt, auf denen Sie MetalLB-Lautsprecher platzieren können.

Planen Sie sorgfältig, wie viele MetalLB-Speaker Sie in Ihrem Cluster haben möchten, und bestimmen Sie, wie viele Layer-2-Knoten Sie benötigen. Weitere Informationen finden Sie unter MetalLB-Skalierbarkeitsprobleme.

Wenn Sie den gebündelten Load-Balancing-Modus verwenden, müssen sich die Knoten der Steuerungsebene außerdem im selben Layer-2-Netzwerk befinden. Beim manuellen Load-Balancing gibt es diese Einschränkung nicht. Weitere Informationen finden Sie unter Manueller Load-Balancer-Modus.

Viele Knoten, Pods und Dienste ausführen

Sie können Ihren Cluster hochskalieren, indem Sie Knoten, Pods und Dienste hinzufügen. In den folgenden Abschnitten werden einige zusätzliche Einstellungen und Konfigurationen behandelt, die Sie berücksichtigen sollten, wenn Sie die Anzahl der Knoten, Pods und Dienste in Ihrem Cluster erhöhen. Informationen zu den Limits für diese Dimensionen und wie sie miteinander zusammenhängen, finden Sie unter Limits.

Cluster ohne kube-proxy erstellen

Wenn Sie einen leistungsstarken Cluster erstellen möchten, der auf eine große Anzahl von Diensten und Endpunkten skaliert werden kann, empfehlen wir, den Cluster ohne kube-proxy zu erstellen. Ohne kube-proxy verwendet der Cluster GKE Dataplane V2 im Modus kube-proxy-replacement. In diesem Modus wird der Ressourcenverbrauch vermieden, der für die Verwaltung einer großen Anzahl von iptables-Regeln erforderlich ist.

Sie können die Verwendung von kube-proxy für einen vorhandenen Cluster nicht deaktivieren. Diese Konfiguration muss beim Erstellen des Clusters eingerichtet werden. Eine Anleitung und weitere Informationen finden Sie unter Cluster ohne kube-proxy erstellen.

CoreDNS-Konfiguration

In diesem Abschnitt werden Aspekte von CoreDNS beschrieben, die sich auf die Skalierbarkeit Ihrer Cluster auswirken.

Pod-DNS

Standardmäßig fügen Google Distributed Cloud-Cluster Pods eine resolv.conf hinzu, die so aussieht:

nameserver KUBEDNS_CLUSTER_IP
search <NAMESPACE>.svc.cluster.local svc.cluster.local cluster.local c.PROJECT_ID.internal google.internal
options ndots:5

Die Option ndots:5 bedeutet, dass Hostnamen mit weniger als fünf Punkten nicht als vollqualifizierter Domainname (FQDN) betrachtet werden. Der DNS-Server hängt alle angegebenen Suchdomains an, bevor er den ursprünglich angeforderten Hostnamen sucht, der bei der Auflösung von google.com die Suchvorgänge so anordnet:

  1. google.com.NAMESPACE.svc.cluster.local
  2. google.com.svc.cluster.local
  3. google.com.cluster.local
  4. google.com.c.PROJECT_ID.internal
  5. google.com.google.internal
  6. google.com

Jeder der Suchvorgänge wird für IPv4 (A-Eintrag) und IPv6 (AAAA-Eintrag) durchgeführt, was 12 DNS-Anfragen pro Abfrage ohne FQDN zur Folge hat und den DNS-Traffic erheblich erhöht. Um dieses Problem zu beheben, empfehlen wir, den Hostnamen, der gesucht werden soll, als FQDN zu deklarieren, indem Sie einen Punkt am Ende hinzufügen (google.com.). Diese Deklaration muss auf der Ebene der Anwendungsarbeitslast erfolgen. Weitere Informationen finden Sie auf der resolv.conf Man page.

IPv6

Wenn im Cluster kein IPv6 verwendet wird, können Sie die DNS-Anfragen halbieren, indem Sie den AAAA-Eintrags-Suche beim vorgelagerten DNS-Server entfernen. Wenn Sie Hilfe beim Deaktivieren von AAAA-Suchvorgänge benötigen, wenden Sie sich an den Cloud Customer Care.

Dedizierter Knotenpool

Aufgrund der kritischen Natur von DNS-Abfragen in Anwendungslebenszyklen empfehlen wir, dedizierte Knoten für das coredns-Deployment zu verwenden. Dieses Deployment fällt in eine andere Fehlerdomain als normale Anwendungen. Wenn Sie Hilfe beim Einrichten dedizierter Knoten für das coredns-Deployment benötigen, wenden Sie sich an den Cloud Customer Care.

MetalLB-Skalierbarkeitsprobleme

MetalLB wird im Aktiv-Passiv-Modus ausgeführt. Das bedeutet, dass zu jeder Zeit nur ein einzelner MetalLB-Speaker für eine bestimmte LoadBalancer-VIP vorhanden ist.

Failover

Vor Google Distributed Cloud-Version 1.28.0 konnte das Failover von MetalLB bei großem Maßstab lange dauern und ein Zuverlässigkeitsrisiko für den Cluster darstellen.

Verbindungseinschränkungen

Wenn es eine bestimmte LoadBalancer VIP gibt, z. B. einen Ingress-Dienst, der fast oder mehr als 30.000 gleichzeitige Verbindungen erwartet, kann es sein, dass die verfügbaren Ports des Speaker-Knotens, der die VIP verarbeitet, erschöpft sind. Aufgrund einer Architekturbeschränkung gibt es keine Abhilfe für dieses Problem von MetalLB. Erwägen Sie den Wechsel zum gebündelten Load-Balancing mit BGP, bevor Sie den Cluster erstellen, oder verwenden Sie eine andere Ingress-Klasse. Weitere Informationen finden Sie unter Ingress-Konfiguration.

Load-Balancer-Speaker

Standardmäßig verwendet Google Distributed Cloud denselben Load-Balancer-Knotenpool für die Steuerungsebene und die Datenebene. Wenn Sie keinen Load-Balancer-Knoten pool (loadBalancer.nodePoolSpec) angeben, wird der Knotenpool der Steuerungsebene (controlPlane.nodePoolSpec) verwendet.

Wenn Sie die Anzahl der Speaker erhöhen möchten, wenn Sie den Knotenpool der Steuerungsebene für das Load-Balancing verwenden, müssen Sie die Anzahl der Maschinen der Steuerungsebene erhöhen. Für Produktionsbereitstellungen empfehlen wir, drei Knoten der Steuerungsebene für Hochverfügbarkeit zu verwenden. Die Anzahl der Knoten der Steuerungsebene über drei hinaus zu erhöhen, um zusätzliche Speaker aufzunehmen, ist möglicherweise keine gute Nutzung Ihrer Ressourcen.

Ingress-Konfiguration

Wenn Sie mit fast 30.000 gleichzeitigen Verbindungen zu einer einzelnen LoadBalancer-Dienst-VIP rechnen, kann MetalLB dies möglicherweise nicht unterstützen.

Sie können die VIP über andere Mechanismen wie F5 BIG-IP verfügbar machen. Alternativ können Sie einen neuen Cluster mit dem gebündelten Load-Balancing mit BGP erstellen. was nicht dieselbe Einschränkung hat.

Cloud Logging- und Cloud Monitoring-Komponenten optimieren

In großen Clustern sind die Standardressourcenkonfigurationen für die Cloud Logging- und Cloud Monitoring-Komponenten je nach Anwendungsprofilen und Traffic-Muster möglicherweise nicht ausreichend. Eine Anleitung zum Optimieren der Ressourcenanfragen und -limits für die Komponenten zur Beobachtbarkeit finden Sie unter Stackdriver-Komponenten Ressourcen konfigurieren.

Insbesondere können Kube-State-Messwerte in Clustern mit einer großen Anzahl von Diensten und Endpunkten eine übermäßige Arbeits-Speichernutzung sowohl auf kube-state-metrics selbst als auch auf gke-metrics-agent auf demselben Knoten führen. Die Ressourcennutzung von metrics-server kann auch in Bezug auf Knoten, Pods und Dienste skaliert werden. Wenn bei diesen Komponenten Ressourcenprobleme auftreten, wenden Sie sich an den Cloud Customer Care.

Betriebssystem mit sysctl konfigurieren

Wir empfehlen, die Betriebssystemkonfiguration für Ihre Knoten so zu optimieren, dass sie am besten zu Ihrem Arbeitslast-Anwendungsfall passt. Die Parameter fs.inotify.max_user_watches und fs.inotify.max_user_instances, die die Anzahl der inotify-Ressourcen steuern, müssen oft optimiert werden. Wenn beispielsweise Fehlermeldungen wie die folgenden angezeigt werden, sollten Sie prüfen, ob diese Parameter optimiert werden müssen:

The configured user limit (128) on the number of inotify instances has been reached

ENOSPC: System limit for number of file watchers reached...

Die Optimierung variiert in der Regel je nach Arbeitslasttyp und Hardwarekonfiguration. Sie können sich bei Ihrem Betriebssystemanbieter über die spezifischen Best Practices für das Betriebssystem informieren.

Best Practices

In diesem Abschnitt werden Best Practices für die Herauf-Skalierung Ihres Clusters beschrieben.

Skalierung jeweils nur für eine Dimension auf einmal

Um Probleme zu minimieren und Änderungen einfacher zurücksetzen zu können, sollten Sie jeweils nur eine Dimension anpassen. Das gleichzeitige Skalieren mehrerer Dimensionen kann auch in kleineren Clustern Probleme verursachen. Beispielsweise ist der Versuch, die Anzahl der pro Knoten geplanten Pods auf 110 und die Anzahl der Knoten im Cluster auf 250 zu erhöhen, wahrscheinlich nicht erfolgreich, da die Anzahl der Pods, die Anzahl der Pods pro Knoten und die Anzahl der Knoten zu sehr erweitert wird.

Cluster schrittweise skalieren

Das Skalieren eines Clusters kann ressourcenintensiv sein. Um das Risiko zu verringern, dass Clusteroperationen fehlschlagen oder Clusterarbeitslasten unterbrochen werden, empfehlen wir, nicht zu versuchen, große Cluster mit vielen Knoten in einer einzigen Operation zu erstellen.

Hybrid- oder eigenständige Cluster ohne Worker-Knoten erstellen

Wenn Sie einen großen Hybrid- oder eigenständigen Cluster mit mehr als 50 Worker-Knoten erstellen, ist es besser, zuerst einen Hochverfügbarkeitscluster (HA) mit Knoten der Steuerungsebene zu erstellen und dann schrittweise zu skalieren. Bei der Clustererstellung wird ein Bootstrap-Cluster verwendet, der nicht hochverfügbar und daher weniger zuverlässig ist. Nachdem der Hybrid- oder eigenständige HA-Cluster erstellt wurde, können Sie ihn zur Hoch-Skalierung auf mehr Knoten verwenden.

Anzahl der Worker-Knoten in Batches erhöhen

Wenn Sie einen Cluster auf mehr Worker-Knoten erweitern, ist es besser, dies schrittweise zu tun. Wir empfehlen, jeweils nicht mehr als 20 Knoten hinzuzufügen. Dies gilt insbesondere für Cluster, auf denen kritische Arbeitslasten ausgeführt werden.

Parallele Image-abrufe aktivieren

Standardmäßig ruft kubelet Images nacheinander ab. Wenn die Upstream-Verbindung zu Ihrem Image-Registry-Server nicht funktioniert, kann ein fehlerhafter Image-Abruf die gesamte Warteschlange für einen bestimmten Knotenpool blockieren.

Um dies zu vermeiden, empfehlen wir, serializeImagePulls in der benutzerdefinierten kubelet-Konfiguration auf false zu setzen. Eine Anleitung und weitere Informationen finden Sie unter Kubelet-Image-Pull-Einstellungen konfigurieren. Das Aktivieren paralleler Image-Abrufe kann zu Spitzen im Verbrauch von Netzwerkbandbreite oder Festplatten-E/A führen.

Ressourcenanfragen und -limits für Anwendungen optimieren

In dicht gepackten Umgebungen können Anwendungsarbeitslasten gelöscht werden. Kubernetes verwendet den beschriebenen Mechanismus, um Pods bei so einer Löschung zu ranken.

Eine gute Vorgehensweise zum Festlegen Ihrer Containerressourcen besteht darin, die gleiche Menge an Arbeitsspeicher für Anfragen und Limits sowie ein größeres oder unbegrenztes CPU-Limit zu verwenden. Weitere Informationen finden Sie im Cloud Architecture Center unter Cloudbasierte Kubernetes-Anwendungen vorbereiten.

Speicherpartner verwenden

Wir empfehlen, für Bereitstellungen mit großem Maßstab einen der GDC Ready-Speicher partner zu verwenden. Es ist wichtig, die folgenden Informationen mit dem jeweiligen Speicherpartner zu bestätigen:

  • Die Speicherbereitstellungen folgen Best Practices für Speicheraspekte wie Hochverfügbarkeit, Prioritätseinstellung, Knotenaffinitäten sowie Ressourcenanfragen und -limits.
  • Die Speicherversion ist mit der jeweiligen Google Distributed Cloud-Version qualifiziert.
  • Der Speicheranbieter kann die gewünschte hohe Skalierung unterstützen, die Sie bereitstellen möchten.

Cluster für Hochverfügbarkeit konfigurieren

Es ist wichtig, Ihre Bereitstellung mit großen Maßstab zu prüfen und dafür zu sorgen, dass die kritischen Komponenten nach Möglichkeit für HA konfiguriert sind. Google Distributed Cloud unterstützt HA-Bereitstellungsoptionen für alle Clustertypen. Weitere Informationen finden Sie unter Bereitstellungsmodell auswählen. Beispiele für Cluster konfigurationsdateien von HA-Bereitstellungen finden Sie unter Beispiele für Clusterkonfigurationen.

Es ist auch wichtig, andere Komponenten zu prüfen, darunter:

  • Speicheranbieter
  • Cluster-Webhooks

Ressourcennutzung überwachen

In diesem Abschnitt finden Sie einige grundlegende Empfehlungen für die Überwachung von Clustern mit großem Maßstab.

Nutzungsmesswerte genau überwachen

Es ist wichtig, die Auslastung sowohl der Knoten als auch der einzelnen Systemkomponenten zu überwachen und dafür zu sorgen, dass sie einen ausreichenden Puffer haben. Informationen zu den standardmäßigen Überwachungsfunktionen, die standardmäßig verfügbar sind, finden Sie unter Vordefinierte Dashboards verwenden.

Bandbreitenverbrauch überwachen

Überwachen Sie den Bandbreitenverbrauch genau, um sicherzustellen, dass das Netzwerk nicht ausgelastet ist, was zu Leistungseinbußen Ihres Clusters führt.

etcd-Leistung verbessern

Die Festplattengeschwindigkeit ist entscheidend für die etcd-Leistung und -Stabilität. Eine langsame Festplatte erhöht die etcd-Anfragelatenz, was zu Problemen mit der Clusterstabilität führen kann. Zur Verbesserung der Clusterleistung speichert Google Distributed Cloud Ereignisobjekte in einer separaten, dedizierten etcd-Instanz. Die Standard-etcd-Instanz verwendet /var/lib/etcd als Datenverzeichnis und Port 2379 für Clientanfragen. Die etcd-Ereignisinstanz verwendet /var/lib/etcd-events als Datenverzeichnis und Port 2382 für Clientanfragen.

Wir empfehlen, für Ihre etcd-Speicher eine Solid-State-Disk (SSD) zu verwenden. Für eine optimale Leistung sollten Sie separate Laufwerke in /var/lib/etcd und /var/lib/etcd-events einbinden. Durch die Verwendung dedizierter Laufwerke wird sichergestellt, dass sich die beiden etcd-Instanzen keine Festplatten-E/A teilen.

Die etcd-Dokumentation enthält zusätzliche Hardwareempfehlungen, um für eine optimale etcd-Leistung beim Ausführen Ihrer Cluster in der Produktion zu sorgen.

Prüfen Sie die etcd- und Laufwerksleistung mit den folgenden etcd-E/A-Latenzmesswerten im Metrics Explorer:

  • etcd_disk_backend_commit_duration_seconds: Die Dauer sollte für das 99. Perzentil (p99) weniger als 25 Millisekunden betragen.
  • etcd_disk_wal_fsync_duration_seconds: Die Dauer sollte für das 99. Perzentil (p99) weniger als 10 Millisekunden betragen.

Weitere Informationen zur etcd-Leistung finden Sie unter Was bedeutet die etcd-Warnung "Anwenden von Einträgen zu lang"? und Was bedeutet die etcd-Warnung "Heartbeat konnte nicht rechtzeitig gesendet werden"?

Wenn Sie weitere Unterstützung benötigen, wenden Sie sich an den Cloud Customer Care. Weitere Informationen zu Supportressourcen, einschließlich der folgenden, finden Sie unter Support erhalten:

  • Anforderungen für das Eröffnen eines Supportfalls.
  • Tools zur Fehlerbehebung, z. B. Ihre Umgebungskonfiguration, Logs und Messwerte.
  • Unterstützte Komponenten.

Nächste Schritte