Google utilizza la tecnologia AI per tradurre i contenuti nella tua lingua preferita. Le traduzioni generate dall'AI potrebbero contenere errori.

Percorso di apprendimento: applicazioni scalabili - Scalabilità

Autopilot

Questo insieme di tutorial è rivolto a operatori e amministratori IT che vogliono distribuire, eseguire e gestire ambienti di applicazioni moderne che vengono eseguiti su Google Kubernetes Engine (GKE). Man mano che avanzi in questo insieme di tutorial, imparerai a configurare il monitoraggio e gli avvisi, a scalare i carichi di lavoro e a simulare errori, il tutto utilizzando l'applicazione di microservizi di esempio Cymbal Bank:

Crea un cluster ed esegui il deployment di un'applicazione di esempio
Monitoraggio con Google Cloud Managed Service per Prometheus
Scalare i workload (questo tutorial)
Simulare un errore
Centralizzare la gestione dei cambiamenti

Panoramica e obiettivi

Un'applicazione consumer come Cymbal Bank spesso ha un numero variabile di utenti in momenti diversi. Idealmente, il tuo sito web è in grado di gestire i picchi di traffico senza rallentare o avere altri problemi, ma senza che l'organizzazione debba spendere soldi per risorse cloud di cui non ha effettivamente bisogno. Una soluzione che Google Cloud prevede questo è la scalabilità automatica.

In questo tutorial imparerai a configurare cluster e carichi di lavoro in un cluster GKE per scalare utilizzando sia le metriche Kubernetes integrate sia le metriche personalizzate di Cloud Monitoring e Cloud Trace. Imparerai a completare le seguenti attività:

Abilita le metriche personalizzate in Cloud Monitoring per Trace.
- Le metriche personalizzate ti consentono di scalare utilizzando dati di monitoraggio aggiuntivi o input esterni al di fuori della consapevolezza del cluster Kubernetes, come il traffico di rete o i codici di risposta HTTP.
Configura Horizontal Pod Autoscaler, una funzionalità di GKE che può aumentare o diminuire automaticamente il numero di pod per un workload a seconda delle metriche specificate.
Simula il carico dell'applicazione e visualizza la risposta del gestore della scalabilità automatica dei cluster e di Horizontal Pod Autoscaler.

Costi

L'attivazione di GKE e il deployment dell'applicazione di esempio Cymbal Bank per questa serie di tutorial comportano addebiti per cluster per GKE su Google Cloud , come indicato nella nostra pagina dei prezzi, finché non disattivi GKE o elimini il progetto.

Sei responsabile anche di altri costi Google Cloud sostenuti durante l'esecuzione dell'applicazione di esempio Cymbal Bank, ad esempio gli addebiti per le VM di Compute Engine e Trace.

Prima di iniziare

Per scoprire come scalare i deployment, devi completare il primo tutorial per creare un cluster GKE che utilizza Autopilot ed eseguire il deployment dell'applicazione di esempio basata su microservizi Cymbal Bank.

Ti consigliamo di completare questa serie di tutorial per le app scalabili in ordine. Man mano che avanzi nella serie di tutorial, impari nuove competenze e utilizzi prodotti e servizi Google Cloud aggiuntivi.

Devi anche concedere le autorizzazioni IAM in modo che i tuoi workload e Horizontal Pod Autoscaler possano scrivere tracce e leggere metriche personalizzate:

gcloud projects add-iam-policy-binding PROJECT_ID \
  --role=roles/cloudtrace.agent \
  --member="principal://iam.googleapis.com/projects/PROJECT_NUMBER/locations/global/workloadIdentityPools/PROJECT_ID.svc.id.goog/subject/ns/default/sa/default" \
  --condition=None

gcloud projects add-iam-policy-binding PROJECT_ID \
  --role=roles/monitoring.metricWriter \
  --member="principal://iam.googleapis.com/projects/PROJECT_NUMBER/locations/global/workloadIdentityPools/PROJECT_ID.svc.id.goog/subject/ns/default/sa/default" \
  --condition=None

Sostituisci quanto segue:

PROJECT_ID: il tuo ID progetto Google Cloud .
PROJECT_NUMBER: il tuo numero di progetto Google Cloud .

Ai pod che utilizzano il service account Kubernetes default nello spazio dei nomi default viene concesso il seguente accesso:

roles/cloudtrace.agent: Scrivi dati di traccia come informazioni sulla latenza in Trace.
roles/monitoring.metricWriter: scrivi le metriche in Cloud Monitoring.

Configurare la raccolta di metriche personalizzate

Puoi configurare la Horizontal Pod Autoscaler in modo che utilizzi le metriche di base integrate di Kubernetes per CPU e memoria oppure puoi utilizzare metriche personalizzate di Cloud Monitoring come le richieste HTTP al secondo o la quantità di istruzioni SELECT. Le metriche personalizzate possono funzionare senza modifiche all'applicazione e fornire al cluster maggiori informazioni sul rendimento e sulle esigenze complessive dell'applicazione. In questo tutorial imparerai a utilizzare sia le metriche integrate che quelle personalizzate.

Per consentire a Horizontal Pod Autoscaler di leggere le metriche personalizzate da Monitoring, devi installare l'adattatore Custom Metrics - Stackdriver Adapter nel tuo cluster.

Esegui il deployment dell'adattatore Stackdriver delle metriche personalizzate nel tuo cluster:
```
kubectl apply -f https://raw.githubusercontent.com/GoogleCloudPlatform/k8s-stackdriver/master/custom-metrics-stackdriver-adapter/deploy/production/adapter.yaml
```

Per consentire all'adattatore Stackdriver di ottenere metriche personalizzate dal tuo cluster, concedi al service account Kubernetes custom-metrics-stackdriver-adapter il ruolo roles/monitoring.viewer utilizzando Workload Identity Federation for GKE:

gcloud projects add-iam-policy-binding PROJECT_ID \
    --member="principal://iam.googleapis.com/projects/PROJECT_NUMBER/locations/global/workloadIdentityPools/PROJECT_ID.svc.id.goog/subject/ns/custom-metrics/sa/custom-metrics-stackdriver-adapter" \
    --role=roles/monitoring.viewer \
    --condition=None

Configura Horizontal Pod Autoscaler

GKE Autopilot può fare lo scale in in diversi modi. In questo tutorial, vedrai come scalare il cluster utilizzando i seguenti metodi:

Horizontal Pod Autoscaler: scala il numero di pod per un carico di lavoro.
Gestore della scalabilità automatica del cluster: scala le risorse dei nodi disponibili nel cluster.

Questi due metodi possono funzionare insieme in modo che, man mano che il numero di pod per le tue applicazioni cambia, cambiano anche le risorse del nodo per supportare questi pod.

Sono disponibili altre implementazioni per scalare i pod che si basano su Horizontal Pod Autoscaler. Puoi anche utilizzare Vertical Pod Autoscaler per regolare le richieste di CPU e memoria di un pod anziché il numero di pod.

In questo tutorial, configurerai Horizontal Pod Autoscaler per il deployment userservice utilizzando metriche integrate e per il deployment frontend utilizzando metriche personalizzate.

Per le tue applicazioni, collabora con gli sviluppatori di applicazioni e gli ingegneri della piattaforma per comprendere le loro esigenze e configurare le regole di scalabilità automatica pod orizzontale.

Scalare il deployment `userservice`

Quando il numero di utenti dell'applicazione di esempio Cymbal Bank aumenta, il servizio userservice consuma più risorse CPU. Utilizzi un oggetto HorizontalPodAutoscaler per controllare il modo in cui vuoi che la tua applicazione risponda al carico. Nel manifest YAML per HorizontalPodAutoscaler, definisci il deployment da scalare per Horizontal Pod Autoscaler, le metriche da monitorare e il numero minimo e massimo di repliche da eseguire.

Esamina il manifest di esempio HorizontalPodAutoscaler per il deployment userservice:

# Copyright 2022 Google LLC
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#      http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.

---
apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: userservice
spec:
  behavior:
    scaleUp:
      stabilizationWindowSeconds: 0
      policies:
        - type: Percent
          value: 100
          periodSeconds: 5
      selectPolicy: Max
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: userservice
  minReplicas: 5
  maxReplicas: 50
  metrics:
    - type: Resource
      resource:
        name: cpu
        target:
          type: Utilization
          averageUtilization: 60

Questo manifest fa quanto segue:

Imposta il numero massimo di repliche durante uno scale up a 50.
Imposta il numero minimo durante una riduzione della scalabilità su 5.
Utilizza una metrica Kubernetes integrata per prendere decisioni di scalabilità. In questo esempio, la metrica è l'utilizzo della CPU e l'utilizzo target è del 60%, il che evita un utilizzo eccessivo e insufficiente.

Applica il manifest al cluster:

kubectl apply -f extras/postgres-hpa/hpa/userservice.yaml

Scalare il deployment `frontend`

Nella sezione precedente, hai configurato Horizontal Pod Autoscaler sul deployment userservice in base alle metriche Kubernetes integrate per l'utilizzo della CPU. Per il deployment frontend, potresti invece voler eseguire lo scale in base al numero di richieste HTTP in entrata. Questo approccio utilizza l'adattatore Stackdriver per leggere le metriche personalizzate da Monitoring per l'oggetto Ingress del bilanciatore del carico HTTP(S).

Rivedi il manifest HorizontalPodAutoscaler per il deployment frontend:

# Copyright 2022 Google LLC
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#      http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.

---
apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: frontend
spec:
  behavior:
    scaleUp:
      stabilizationWindowSeconds: 0
      policies:
        - type: Percent
          value: 100
          periodSeconds: 5
      selectPolicy: Max
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: frontend
  minReplicas: 5
  maxReplicas: 25
  metrics:
    - type: External
      external:
        metric:
          name: loadbalancing.googleapis.com|https|request_count
          selector:
            matchLabels:
              resource.labels.forwarding_rule_name: FORWARDING_RULE_NAME
        target:
          type: AverageValue
          averageValue: "5"

Questo manifest utilizza i seguenti campi:

spec.scaleTargetRef: la risorsa Kubernetes da scalare.
spec.minReplicas: il numero minimo di repliche, che in questo esempio è 5.
spec.maxReplicas: il numero massimo di repliche, ovvero 25 in questo esempio.
spec.metrics.*: la metrica da utilizzare. In questo esempio, si tratta del numero di richieste HTTP al secondo, che è una metrica personalizzata di Monitoring fornita dall'adattatore che hai deployment.
spec.metrics.external.metric.selector.matchLabels: l'etichetta della risorsa specifica da filtrare durante lo scaling.

Trova il nome della regola di forwarding dal bilanciatore del carico Ingress frontend:

export FW_RULE=$(kubectl get ingress frontend -o=jsonpath='{.metadata.annotations.ingress\.kubernetes\.io/forwarding-rule}')
echo $FW_RULE

L'output è simile al seguente:

k8s2-fr-j76hrtv4-default-frontend-wvvf7381

Aggiungi la regola di forwarding al manifest:
```
sed -i "s/FORWARDING_RULE_NAME/$FW_RULE/g" "extras/postgres-hpa/hpa/frontend.yaml"
```
Questo comando sostituisce FORWARDING_RULE_NAME con la regola di forwarding salvata.

Applica il manifest al cluster:

kubectl apply -f extras/postgres-hpa/hpa/frontend.yaml

Simula carico

In questa sezione, utilizzi un generatore di carico per simulare picchi di traffico e osservare l'aumento del numero di repliche e di nodi per fare lo scale up per gestire il carico maggiore nel tempo. Puoi quindi interrompere la generazione di traffico e osservare la fare lo scale down del numero di repliche e nodi in risposta.

Prima di iniziare, controlla lo stato di Horizontal Pod Autoscaler e il numero di repliche in uso.

Ottieni lo stato delle tue risorse HorizontalPodAutoscaler:

kubectl get hpa

L'output è simile al seguente, che mostra che sono presenti 1 replica frontend e 5 repliche userservice:

NAME                     REFERENCE                            TARGETS             MINPODS   MAXPODS   REPLICAS   AGE
frontend                 Deployment/frontend                  <unknown>/5 (avg)   5         25        1          34s
userservice              Deployment/userservice               0%/60%              5         50        5          4m56s

L'applicazione di esempio Cymbal Bank include un servizio loadgenerator. Questo servizio invia continuamente richieste che imitano gli utenti al frontend e crea periodicamente nuovi account e simula transazioni tra loro.

Esporre localmente l'interfaccia web loadgenerator. Utilizzi questa interfaccia per simulare il carico sull'applicazione di esempio Cymbal Bank:
```
kubectl port-forward svc/loadgenerator 8080
```
Se visualizzi un messaggio di errore, riprova quando il pod è in esecuzione.
In un browser sul computer, apri l'interfaccia web del generatore di carico:
- Se utilizzi una shell locale, apri un browser e vai alla pagina http://127.0.0.1:8080.
- Se utilizzi Cloud Shell, fai clic su Anteprima web, quindi fai clic su Anteprima sulla porta 8080.
Nell'interfaccia web del generatore di carico, se il valore Errori mostra 100%, completa i seguenti passaggi per aggiornare le impostazioni di test:
1. Fai clic sul pulsante Interrompi accanto al contatore del tasso di errore.
2. Nella sezione Stato, fai clic sull'opzione Nuovo test.
3. Aggiorna il valore Host con l'indirizzo IP dell'ingresso di Cymbal Bank.
4. Fai clic su Avvia swarming.
Nell'interfaccia web del generatore di carico, fai clic sulla scheda Grafici per osservare le prestazioni nel tempo. Esamina il numero di richieste e l'utilizzo delle risorse.
Apri una nuova finestra del terminale e osserva il conteggio delle repliche dei pod frontend e userservice:
```
kubectl get hpa -w
```
Il numero di repliche aumenta man mano che il carico aumenta. Le azioni di scale up potrebbero richiedere circa 10 minuti, poiché il cluster riconosce che le metriche configurate raggiungono la soglia definita e utilizza Horizontal Pod Autoscaler per aumentare il numero di pod.

L'output di esempio seguente mostra che il numero di repliche è aumentato durante l'esecuzione del generatore di carico:
```
NAME                     REFERENCE                            TARGETS          MINPODS   MAXPODS   REPLICAS
frontend                 Deployment/frontend                  5200m/5 (avg)    5         25        13
userservice              Deployment/userservice               71%/60%          5         50        17
```
Apri un'altra finestra del terminale e controlla il numero di nodi nel cluster:
```
gcloud container clusters list \
    --filter='name=scalable-apps' \
    --format='table(name, currentMasterVersion, currentNodeVersion, currentNodeCount)' \
    --location="CONTROL_PLANE_LOCATION"
```
Sostituisci CONTROL_PLANE_LOCATION con la posizione di Compute Engine del control plane del tuo cluster. Fornisci una regione per i cluster regionali o una zona per i cluster zonali.

Il numero di nodi è aumentato rispetto alla quantità iniziale per ospitare le nuove repliche. Questo aumento del numero di nodi è reso possibile da GKE Autopilot. Non devi configurare nulla per questa scalabilità dei nodi.
Apri l'interfaccia del generatore di carico e fai clic su Interrompi per terminare il test.
Controlla di nuovo il conteggio delle repliche e dei nodi e osserva come i numeri diminuiscono con il carico ridotto. La fare lo scale down potrebbe richiedere un po' di tempo, perché la finestra di stabilizzazione predefinita per le repliche nella risorsa HorizontalPodAutoscaler di Kubernetes è di cinque minuti.

In un ambiente reale, sia il numero di nodi che di pod nel tuo ambiente farebbero lo scale up e lo scale down automaticamente nello stesso modo di questo carico simulato. L'applicazione di esempio Cymbal Bank è progettata per adattarsi a questo tipo di scalabilità. Contatta gli operatori delle app e gli SRE (Site Reliability Engineer) o gli sviluppatori di applicazioni per verificare se i loro workload possono trarre vantaggio da queste funzionalità di scalabilità.

Esegui la pulizia

Il set di tutorial per Cymbal Bank è progettato per essere completato uno dopo l'altro. Man mano che avanzi nella serie di tutorial, impari nuove competenze e utilizzi prodotti e servizi Google Cloud aggiuntivi.

Se vuoi fare una pausa prima di passare al tutorial successivo ed evitare che al tuo account Google Cloud vengano addebitati costi per le risorse utilizzate in questo tutorial, elimina il progetto che hai creato.

Attenzione: l'eliminazione di un progetto ha i seguenti effetti:

L'intero contenuto del progetto viene eliminato. Se hai utilizzato un progetto esistente per, le attività descritte in questo documento, eliminerai anche tutto il lavoro che hai svolto nel progetto.
Gli ID progetto personalizzati non sono più disponibili. Quando hai creato questo progetto, potresti aver creato un ID progetto personalizzato che vuoi utilizzare in futuro. Per conservare gli URL che utilizzano l'ID progetto, ad esempio un URL appspot.com, elimina le risorse selezionate all'interno del progetto anziché eliminare l'intero progetto.

Se intendi esplorare più architetture, tutorial o guide rapide, puoi riutilizzare i progetti ed evitare così di superare i limiti di quota.

Nella console Google Cloud , vai alla pagina Gestisci risorse.
Vai a Gestisci risorse
Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare, quindi fai clic su Elimina.
Nella finestra di dialogo, digita l'ID progetto, quindi fai clic su Chiudi per eliminare il progetto.

Passaggi successivi

Scopri come simulare un errore in GKE nel tutorial successivo.