Cette page a été traduite par l'API Cloud Translation.

Tutoriel : Déployer une VM existante dans un cluster à l'aide de l'environnement d'exécution de VM sur GDC

Ce document fournit un guide par étapes pour déployer une charge de travail basée sur une machine virtuelle (VM) dans une installation de Google Distributed Cloud (logiciel uniquement) sur un serveur Bare Metal à l'aide de l'environnement d'exécution des VM sur GDC. La charge de travail utilisée dans ce guide est l'exemple d'application de point de vente. Cette application représente un terminal de point de vente type qui s'exécute sur du matériel sur site dans un magasin.

Dans ce document, vous allez migrer cette application d'une VM vers un cluster et accéder à l'interface Web de l'application. Pour migrer une VM existante vers le cluster, vous devez d'abord créer une image de disque de cette VM. L'image doit ensuite être hébergée dans un dépôt auquel le cluster peut accéder. Enfin, l'URL de cette image peut être utilisée pour créer la VM. L'environnement d'exécution de VM sur GDC s'attend à ce que les images soient au format qcow2. Si vous fournissez un autre type d'image, l'image est automatiquement convertie au format qcow2. Pour éviter les conversions répétitives et permettre la réutilisation, vous pouvez convertir une image de disque virtuel et héberger l'image qcow2.

Ce document utilise une image préconfigurée d'une instance de VM Compute Engine où la charge de travail s'exécute en tant que service systemd. Vous pouvez suivre les mêmes étapes pour déployer votre propre application.

Activez l'environnement d'exécution de VM sur GDC et installez le plug-in `virtctl`.

La définition de ressource personnalisée de l'environnement d'exécution de VM sur GDC fait partie de tous les clusters Bare Metal depuis la version 1.10. Une instance de la ressource personnalisée VMRuntime est déjà créée lors de l'installation. Toutefois, il est désactivé par défaut.

Activez l'environnement d'exécution de VM sur GDC :
```
sudo bmctl enable vmruntime --kubeconfig KUBECONFIG_PATH
```
- KUBECONFIG_PATH : chemin d'accès au fichier kubeconfig du cluster d'utilisateur.
Vérifiez que VMRuntime est activé :
```
kubectl wait --for=jsonpath='{.status.ready}'=true vmruntime vmruntime
```
La préparation de VMRuntime peut prendre quelques minutes. Si ce n'est pas le cas, vérifiez plusieurs fois avec de courts délais. L'exemple de résultat suivant indique que VMRuntime est prêt :
```
vmruntime.vm.cluster.gke.io/vmruntime condition met
```

Installez le plug-in virtctl pour kubectl :

sudo -E bmctl install virtctl

L'exemple de résultat suivant montre que le processus d'installation du plug-in virtctl est terminé :

Please check the logs at bmctl-workspace/log/install-virtctl-20220831-182135/install-virtctl.log
[2022-08-31 18:21:35+0000] Install virtctl succeeded

Vérifiez l'installation du plug-in virtctl :

kubectl virt

L'exemple de résultat suivant montre que le plug-in virtctl peut être utilisé avec kubectl :

Available Commands:
  addvolume         add a volume to a running VM
  completion        generate the autocompletion script for the specified shell
  config            Config subcommands.
  console           Connect to a console of a virtual machine instance.
  create            Create subcommands.
  delete            Delete  subcommands.
...

Déployer la charge de travail basée sur une VM

Lorsque vous déployez une VM dans une installation de Google Distributed Cloud (logiciel uniquement) sur Bare Metal, l'environnement d'exécution de VM sur GDC attend une image de VM. Cette image sert de disque de démarrage pour la VM déployée.

Dans ce tutoriel, vous allez migrer une charge de travail basée sur une VM Compute Engine vers un cluster. Cette VM Compute Engine a été créée et l'exemple d'application de point de vente (PDV) a été configuré pour s'exécuter en tant que service systemd. Une image disque de cette VM ainsi que la charge de travail de l'application PoS ont été créées dans Google Cloud. Cette image a ensuite été exportée dans un bucket Cloud Storage en tant qu'image qcow2. Vous utiliserez cette image qcow2 pré-préparée dans les étapes suivantes.

Le code source de ce document est disponible dans le dépôt GitHub anthos-samples. Vous utiliserez les ressources de ce dépôt pour effectuer les étapes suivantes.

Déployez un StatefulSet MySQL. L'application de point de vente s'attend à se connecter à une base de données MySQL pour stocker les informations d'inventaire et de paiement. Le dépôt de point de vente contient un exemple de fichier manifeste qui déploie un StatefulSet MySQL, configure un ConfigMap associé et un Service Kubernetes. ConfigMap définit les identifiants de l'instance MySQL, qui sont les mêmes identifiants transmis à l'application de point de vente.
```
kubectl apply -f https://raw.githubusercontent.com/GoogleCloudPlatform/point-of-sale/main/k8-manifests/common/mysql-db.yaml
```
Déployez la charge de travail de VM à l'aide de l'image qcow2 préparée :
```
kubectl virt create vm pos-vm \
    --boot-disk-size=80Gi \
    --memory=4Gi \
    --vcpu=2 \
    --image=https://storage.googleapis.com/pos-vm-images/pos-vm.qcow2
```
Cette commande crée un fichier YAML nommé d'après la VM (google-virtctl/pos-vm.yaml). Vous pouvez inspecter le fichier pour voir la définition de VirtualMachine et VirtualMachineDisk. Au lieu d'utiliser le plug-in virtctl, vous auriez pu déployer la charge de travail de VM à l'aide des définitions du modèle de ressources Kubernetes (KRM), comme indiqué dans le fichier YAML créé.

Lorsque la commande s'exécute correctement, elle génère une sortie semblable à l'exemple suivant, qui explique les différentes ressources créées :
```
Constructing manifest for vm "pos-vm":
Manifest for vm "pos-vm" is saved to /home/tfadmin/google-virtctl/pos-vm.yaml
Applying manifest for vm "pos-vm"
Created gvm "pos-vm"
```
Vérifiez l'état de la création de la VM.

La ressource VirtualMachine est identifiée par la ressource vm.cluster.gke.io/v1.VirtualMachine dans l'environnement d'exécution de VM sur GDC. Son format court est gvm.

Lorsque vous créez une VM, les deux ressources suivantes sont créées :
- VirtualMachineDisk est le disque persistant dans lequel le contenu de l'image de VM est importé.
- Une VirtualMachine est l'instance de VM elle-même. Le DataVolume est monté dans la VirtualMachine avant le démarrage de la VM.
Vérifiez l'état de VirtualMachineDisk. VirtualMachineDisk crée en interne une ressource DataVolume. L'image de VM est importée dans le DataVolume monté dans la VM :
```
kubectl get datavolume
```
L'exemple de résultat suivant montre le début de l'importation d'image :
```
NAME              PHASE             PROGRESS   RESTARTS   AGE
pos-vm-boot-dv    ImportScheduled   N/A                   8s
```
Vérifiez l'état du VirtualMachine. L'VirtualMachine est à l'état Provisioning jusqu'à ce que l'DataVolume soit entièrement importé :
```
kubectl get gvm
```
L'exemple de résultat suivant montre le provisionnement de VirtualMachine :
```
NAME      STATUS         AGE     IP
pos-vm    Provisioning   1m
```

Attendez que l'image de VM soit entièrement importée dans DataVolume. Continuez à suivre la progression de l'importation de l'image :

kubectl get datavolume -w

L'exemple de résultat suivant montre l'importation de l'image disque :

NAME              PHASE              PROGRESS   RESTARTS   AGE
pos-vm-boot-dv   ImportInProgress   0.00%                 14s
...
...
pos-vm-boot-dv   ImportInProgress   0.00%                 31s
pos-vm-boot-dv   ImportInProgress   1.02%                 33s
pos-vm-boot-dv   ImportInProgress   1.02%                 35s
...

Une fois l'importation terminée et le DataVolume créé, l'exemple de résultat suivant affiche le PHASE de Succeeded :

kubectl get datavolume

NAME              PHASE             PROGRESS   RESTARTS   AGE
pos-vm-boot-dv    Succeeded         100.0%                14m18s

Vérifiez que VirtualMachine a bien été créé :
```
kubectl get gvm
```
Si la création a réussi, STATUS affiche RUNNING, comme indiqué dans l'exemple suivant, ainsi que l'adresse IP de la VM :
```
NAME      STATUS    AGE     IP
pos-vm    Running   40m     192.168.3.250
```

Se connecter à la VM et vérifier l'état de l'application

L'image utilisée pour la VM inclut l'exemple d'application de point de vente. L'application est configurée pour démarrer automatiquement au démarrage en tant que service systemd. Vous pouvez consulter les fichiers de configuration des services systemd dans le répertoire pos-systemd-services.

Connectez-vous à la console de VM. Exécutez la commande suivante et appuyez sur Entrée⏎ après avoir vu le message Successfully connected to pos-vm… :
```
kubectl virt console pos-vm
```
Cette commande produit l'exemple de résultat suivant, qui vous invite à saisir les identifiants :
```
Successfully connected to pos-vm console. The escape sequence is ^]

pos-from-public-image login:
```
Utilisez le compte utilisateur et le mot de passe suivants. Ce compte a été configuré dans la VM d'origine à partir de laquelle l'image de la VM VirtualMachine de l'environnement d'exécution de VM sur GDC a été créée.
- Identifiant de connexion : abmuser
- Mot de passe : abmworks

Vérifiez l'état des services de l'application de point de vente. L'application de point de vente comporte trois services : API, inventaire et paiements. Tous ces services s'exécutent en tant que services système.

Les trois services sont tous connectés les uns aux autres via localhost. Toutefois, l'application se connecte à la base de données MySQL à l'aide d'un service Kubernetes mysql-db créé à l'étape précédente. Ce comportement signifie que la VM est automatiquement connectée au même réseau que Pods et Services, ce qui permet une communication fluide entre les charges de travail de la VM et les autres applications conteneurisées. Vous n'avez rien à faire de plus pour rendre le Services Kubernetes accessible depuis les VM déployées à l'aide de VM Runtime sur GDC.

sudo systemctl status pos*

L'exemple de résultat suivant affiche l'état des trois services et du service système racine, pos.service :

● pos_payments.service - Payments service of the Point of Sale Application
    Loaded: loaded (/etc/systemd/system/pos_payments.service; enabled; vendor >
    Active: active (running) since Tue 2022-06-21 18:55:30 UTC; 1h 10min ago
  Main PID: 750 (payments.sh)
      Tasks: 27 (limit: 4664)
    Memory: 295.1M
    CGroup: /system.slice/pos_payments.service
            ├─750 /bin/sh /pos/scripts/payments.sh
            └─760 java -jar /pos/jars/payments.jar --server.port=8083

● pos_inventory.service - Inventory service of the Point of Sale Application
    Loaded: loaded (/etc/systemd/system/pos_inventory.service; enabled; vendor>
    Active: active (running) since Tue 2022-06-21 18:55:30 UTC; 1h 10min ago
  Main PID: 749 (inventory.sh)
      Tasks: 27 (limit: 4664)
    Memory: 272.6M
    CGroup: /system.slice/pos_inventory.service
            ├─749 /bin/sh /pos/scripts/inventory.sh
            └─759 java -jar /pos/jars/inventory.jar --server.port=8082

● pos.service - Point of Sale Application
    Loaded: loaded (/etc/systemd/system/pos.service; enabled; vendor preset: e>
    Active: active (exited) since Tue 2022-06-21 18:55:30 UTC; 1h 10min ago
  Main PID: 743 (code=exited, status=0/SUCCESS)
      Tasks: 0 (limit: 4664)
    Memory: 0B
    CGroup: /system.slice/pos.service

Jun 21 18:55:30 pos-vm systemd[1]: Starting Point of Sale Application...
Jun 21 18:55:30 pos-vm systemd[1]: Finished Point of Sale Application.

● pos_apiserver.service - API Server of the Point of Sale Application
    Loaded: loaded (/etc/systemd/system/pos_apiserver.service; enabled; vendor>
    Active: active (running) since Tue 2022-06-21 18:55:31 UTC; 1h 10min ago
  Main PID: 751 (api-server.sh)
      Tasks: 26 (limit: 4664)
    Memory: 203.1M
    CGroup: /system.slice/pos_apiserver.service
            ├─751 /bin/sh /pos/scripts/api-server.sh
            └─755 java -jar /pos/jars/api-server.jar --server.port=8081

Quittez la VM. Pour quitter la connexion à la console, utilisez la séquence d'échappement ^] en appuyant sur Ctrl + ].

Accéder à la charge de travail basée sur une VM

Si votre cluster a été configuré en suivant le guide Installer avec un équilibreur de charge manuel, une ressource Ingress appelée pos-ingress a déjà été créée. Cette ressource achemine le trafic depuis l'adresse IP externe de l'équilibreur de charge Ingress vers le service de serveur d'API de l'exemple d'application de point de vente.

Si votre cluster ne dispose pas de cette ressource Ingress, créez-la en appliquant le fichier manifeste suivant :

kubectl apply -f https://raw.githubusercontent.com/GoogleCloudPlatform/anthos-samples/main/anthos-bm-gcp-terraform/resources/manifests/pos-ingress.yaml

apiVersion: networking.k8s.io/v1
kind: Ingress
metadata:
  name: pos-ingress
spec:
  rules:
  - http:
      paths:
      - path: /
        pathType: Prefix
        backend:
          service:
            name: api-server-svc
            port:
              number: 8080

Créez un Service Kubernetes qui achemine le trafic vers la VM. La ressource Ingress achemine le trafic vers ce Service :

kubectl apply -f https://raw.githubusercontent.com/GoogleCloudPlatform/anthos-samples/main/anthos-vmruntime/pos-service.yaml

L'exemple de résultat suivant confirme la création d'un service :

service/api-server-svc created

apiVersion: v1
kind: Service
metadata:
  name: api-server-svc
spec:
  selector:
    kubevirt/vm: pos-vm
  ports:
  - protocol: TCP
    port: 8080
    targetPort: 8081

Obtenez l'adresse IP externe de l'équilibreur de charge Ingress. L'équilibreur de charge Ingress achemine le trafic en fonction des règles de la ressource Ingress. Vous disposez déjà d'une règle pos-ingress pour transférer les requêtes vers le serveur d'API Service. Ce Service transfère les requêtes à la VM :
```
INGRESS_IP=$(kubectl get ingress/pos-ingress -o jsonpath='{.status.loadBalancer.ingress[0].ip}')
echo $INGRESS_IP
```
L'exemple de résultat suivant indique l'adresse IP de l'équilibreur de charge Ingress :
```
172.29.249.159 # you might have a different IP address
```
Accédez à l'application en utilisant l'adresse IP de l'équilibreur de charge d'entrée dans un navigateur. Les captures d'écran suivantes montrent le kiosque de point de vente avec deux articles. Vous pouvez cliquer sur les articles (plusieurs fois si vous souhaitez en commander plusieurs) et passer une commande avec le bouton Payer. Cette expérience montre que vous avez déployé une charge de travail basée sur une VM dans un cluster à l'aide de l'environnement d'exécution de VM sur GDC.

Interface utilisateur de l'application de point de vente (cliquez sur l'image pour l'agrandir)