本文档汇总概述了在 Google Kubernetes Engine (GKE) 上设计、构建和运行应用的最佳实践。遵循这些建议有助于您在费用、性能、安全性和可靠性方面进行优化。每个条目都链接到有关特定主题的更详细文档。
选择您的 GKE 类别：
或者，搜索最佳实践：
| 类别 | 最佳做法 | 摘要 |
|---|---|---|
| AI 和机器学习工作负载 | 优化 AI/机器学习工作负载效率 | 最大限度地提高 GKE 上 AI/机器学习任务的资源效率。 |
| AI 和机器学习工作负载 | 推理工作负载 | 在 GKE 上运行机器学习推理工作负载。 |
| AI 和机器学习工作负载 | 使用 GPU 自动扩缩 LLM 推理 | 使用 GKE 中的 GPU 自动扩缩大语言模型 (LLM) 推理。 |
| AI 和机器学习工作负载 | 使用 TPU 自动扩缩 LLM 推理 | 使用 GKE 上的 TPU 自动扩缩大语言模型 (LLM) 推理。 |
| AI 和机器学习工作负载 | 使用 GPU 优化 LLM 推理 | 使用 GKE 中的 GPU 优化 LLM 推理。 |
| AI 和机器学习工作负载 | 批处理平台 | 在 GKE 上构建和运行批处理平台。 |
| 费用优化 | 运行经济实惠的 Kubernetes 应用 | 降低 GKE 上 Kubernetes 应用的运营成本。 |
| 数据库 | 数据库选项 | 为 GKE 应用选择和管理数据库解决方案。 |
| 网络 | 网络 | 为 GKE 配置和管理网络连接。 |
| 运维 | 升级集群 | 了解如何顺利可靠地升级 GKE 集群。 |
| 运维 | 适用于 GKE 的 CI/CD | 为 GKE 应用实现持续集成和交付流水线。 |
| 可靠性和可伸缩性 | 可伸缩性 | 了解在 GKE 上伸缩应用的相关原则和技巧。 |
| 可靠性和可伸缩性 | 规划可伸缩性 | 了解用于设计可伸缩 GKE 环境的策略。 |
| 可靠性和可伸缩性 | 规划大型 GKE 集群 | 了解如何设计和管理大规模 GKE 集群。 |
| 可靠性和可伸缩性 | 运行 HPC 工作负载的最佳实践 | 用于优化在 GKE 上运行高性能计算 (HPC) 工作负载的最佳实践。 |
| 可靠性和可伸缩性 | 规划大型工作负载 | 部署和管理资源密集型应用。 |
| 安全 | 强化 GKE 集群的安全性 | 增强 GKE 集群的 GKE 安全状况。 |
| 安全 | 规划 RBAC 政策 | 定义基于角色的访问权限控制，以管理权限。 |
| 安全 | 企业多租户 | 在一个 GKE 集群上安全地运行多个租户。 |