Optimiser les charges de travail sur GKE

Ce document explique comment GKE génère des optimisations pour améliorer les performances de charges de travail spécifiques, et comment les configurations optimisées sont appliquées au cluster et à la charge de travail.

Pour recommander des configurations optimisées, la commande Google Cloud CLI gcloud container workload profiles manifests create génère des fichiers manifestes Kubernetes. Ces fichiers manifestes peuvent fournir des configurations optimisées au niveau de l'application et du nœud, ce qui peut améliorer les performances des charges de travail Redis et MySQL. Pour savoir comment optimiser ces charges de travail spécifiques, consultez les pages suivantes :

Fonctionnement de l'optimisation des charges de travail

Pour améliorer les performances des charges de travail, la commande Google Cloud CLI gcloud container workload profiles manifests create génère des fichiers manifestes Kubernetes avec des configurations recommandées au niveau de l'application et du nœud.

Les fichiers manifestes générés se présentent sous la forme de ConfigMaps pour les configurations au niveau de l'application et de ComputeClasses pour la configuration au niveau du nœud. Une fois que vous avez appliqué les fichiers manifestes, vos charges de travail peuvent y faire référence pour utiliser les configurations optimisées.

Les ConfigMaps contiennent une configuration que votre application comprend. Par exemple, pour Redis, la commande Google Cloud CLI crée un fichier redis.conf. Les classes de calcul indiquent à GKE le type de nœuds à provisionner pour vos charges de travail.

Les optimisations recommandées sont basées sur des cas d'utilisation spécifiques et sur vos configurations actuelles.

Comment vos charges de travail font-elles référence aux optimisations ?

Pour profiter des configurations optimisées fournies par l'optimisation de la charge de travail, votre pod doit les référencer. Les optimisations au niveau de l'application (ConfigMaps) sont installées sur votre pod en tant que volume. Le fichier monté peut ensuite être référencé par votre application au démarrage.

Les optimisations au niveau des nœuds (ComputeClasses) sont référencées dans le champ nodeSelector de votre pod.

Étapes suivantes