পরিচালিত Kubernetes (2020) এর উপর খরচ তুলনা

বিঃদ্রঃ. অনুবাদ: আমেরিকান DevOps প্রকৌশলী Sid Palas, ব্যবহার করে গুগল ক্লাউডের সাম্প্রতিক ঘোষণা একটি তথ্য নির্দেশিকা হিসাবে, আমি বিশ্বের শীর্ষস্থানীয় ক্লাউড প্রদানকারীদের থেকে পরিচালিত Kubernetes পরিষেবার (বিভিন্ন কনফিগারেশনে) খরচ তুলনা করেছি। তার কাজের একটি অতিরিক্ত সুবিধা ছিল সংশ্লিষ্ট জুপিটার নোটবুকের প্রকাশনা, যা (পাইথনের ন্যূনতম জ্ঞান সহ) আপনার প্রয়োজন অনুসারে সঞ্চালিত গণনাগুলিকে সামঞ্জস্য করতে দেয়।

TL; ডিআর: Azure এবং Digital Ocean কন্ট্রোল প্লেনের জন্য ব্যবহৃত কম্পিউট রিসোর্সের জন্য চার্জ নেয় না, অনেক ছোট ক্লাস্টার স্থাপনের জন্য তাদের একটি ভাল পছন্দ করে তোলে। অল্প সংখ্যক বড় ক্লাস্টার চালানোর জন্য, GKE সবচেয়ে উপযুক্ত। উপরন্তু, আপনি স্পট/প্রিম্পটিভ/লো-প্রোরিটি নোড ব্যবহার করে বা একই নোডের দীর্ঘমেয়াদী ব্যবহারে "সাবস্ক্রাইব" করে (এটি সমস্ত প্ল্যাটফর্মের ক্ষেত্রে প্রযোজ্য) উল্লেখযোগ্যভাবে খরচ কমাতে পারেন।

ক্লাস্টার আকার (কর্মীদের সংখ্যা)

সাধারণ তথ্য

সাম্প্রতিক Google ক্লাউড ঘোষণা GKE-এর প্রতিটি ক্লাস্টার ঘন্টার জন্য প্রতি ক্লাস্টার ঘন্টায় 10 সেন্ট চার্জ করা শুরু করার ঘোষণা আমাকে প্রধান পরিচালিত কুবারনেটস অফারগুলির মূল্য বিশ্লেষণ শুরু করতে প্ররোচিত করেছে।

এই ঘোষণাটি বেশ কিছুকে বিরক্ত করেছে...

নিবন্ধের প্রধান চরিত্রগুলি হল:

• গুগল কুবারনেটস ইঞ্জিন (জিসিপি) - মূল্য ক্যালকুলেটর;
• ইলাস্টিক কুবারনেটস সার্ভিস (AWS)- মূল্য ক্যালকুলেটর;
• Azure Kubernetes সার্ভিস (Azure)- মূল্য ক্যালকুলেটর;
• ডিজিটাল মহাসাগরে কুবারনেটস - মূল্য পৃষ্ঠা.

খরচ ভাঙ্গন

এই প্ল্যাটফর্মগুলির প্রতিটিতে Kubernetes ব্যবহার করার মোট খরচ নিম্নলিখিত উপাদানগুলি নিয়ে গঠিত:

• ক্লাস্টার ব্যবস্থাপনা ফি;
• লোড ব্যালেন্সিং (প্রবেশের জন্য);
• কর্মীদের কম্পিউটিং সম্পদ (vCPU এবং মেমরি);
• এগ্রেস ট্রাফিক;
• স্থায়ী সঞ্চয়স্থান;
• লোড ব্যালেন্সার দ্বারা ডেটা প্রক্রিয়াকরণ।

অতিরিক্তভাবে, ক্লাউড প্রদানকারীরা উল্লেখযোগ্য ডিসকাউন্ট অফার করে যদি ক্লায়েন্ট চায়/প্রিমম্পটিবল ব্যবহার করতে পারে স্পট অথবা কম-অগ্রাধিকার নোড বা 1-3 বছরের জন্য একই নোডগুলি ব্যবহার করার অঙ্গীকার করে।

এটি জোর দেওয়া উচিত যে যদিও পরিষেবা প্রদানকারীদের তুলনা এবং মূল্যায়ন করার জন্য খরচ একটি ভাল ভিত্তি, তবে অন্যান্য কারণগুলি বিবেচনায় নেওয়া উচিত:

• আপটাইম (সার্ভিস লেভেল এগ্রিমেন্ট);
• পার্শ্ববর্তী মেঘ বাস্তুতন্ত্র;
• K8s এর উপলব্ধ সংস্করণ;
• ডকুমেন্টেশন/টুলকিটের গুণমান।

যাইহোক, এই কারণগুলি এই নিবন্ধ/অধ্যয়নের সুযোগের বাইরে। ভিতরে StackRox ব্লগে ফেব্রুয়ারির পোস্ট EKS, AKS এবং GKE-এর জন্য অ-মূল্যের কারণগুলি বিস্তারিতভাবে আলোচনা করা হয়েছে।

জুপিটার নোটবুক

সবচেয়ে লাভজনক সমাধান খুঁজে পাওয়া সহজ করতে, আমি বিকাশ করেছি জুপিটার নোটবুক, এটিতে প্লটলি + ipywidgets ব্যবহার করে। এটি আপনাকে বিভিন্ন ক্লাস্টার আকার এবং পরিষেবা সেটগুলির জন্য প্রদানকারীর অফারগুলির তুলনা করতে দেয়৷

আপনি বাইন্ডারে নোটপ্যাডের একটি লাইভ সংস্করণের সাথে অনুশীলন করতে পারেন:

mybinder.org-এ managed-kubernetes-price-exploration.ipynb

গণনা বা আসল মূল্য ভুল হলে আমাকে জানান (এটি গিটহাব-এ একটি সমস্যা বা পুল অনুরোধের মাধ্যমে করা যেতে পারে - এখানে ভান্ডার).

তথ্যও

হায়, TL;DR অনুচ্ছেদে একেবারে শুরুতে অন্তর্ভুক্ত সুপারিশগুলির তুলনায় আরও নির্দিষ্ট সুপারিশ প্রদানের জন্য অনেকগুলি সূক্ষ্মতা রয়েছে৷ যাইহোক, কিছু উপসংহার এখনও আঁকা যেতে পারে:

• GKE এবং EKS এর বিপরীতে, AKS এবং Digital Ocean কন্ট্রোল লেয়ার রিসোর্সের জন্য চার্জ নেয় না। AKS এবং DO আরও লাভজনক যদি আর্কিটেকচারে অনেকগুলি ছোট ক্লাস্টার অন্তর্ভুক্ত থাকে (উদাহরণস্বরূপ, প্রতি একটি ক্লাস্টার প্রতিটি বিকাশকারী বা প্রতিটি ক্লায়েন্ট).
• GKE-এর সামান্য কম ব্যয়বহুল কম্পিউট রিসোর্স এটিকে আরও লাভজনক করে তোলে কারণ ক্লাস্টারের আকার* বৃদ্ধি পায়।
• অগ্রিম নোড বা দীর্ঘমেয়াদী নোড অ্যাফিনিটি ব্যবহার করে খরচ 50% এরও বেশি কমাতে পারে। দ্রষ্টব্য: Digital Ocean এই ডিসকাউন্ট অফার করে না।
• Google-এর আউটবাউন্ড ফি বেশি, কিন্তু কম্পিউটিং সংস্থানগুলির খরচ গণনার একটি নির্ধারক ফ্যাক্টর (যদি না আপনার ক্লাস্টার উল্লেখযোগ্য পরিমাণে আউটবাউন্ড ডেটা তৈরি করছে)।
• আপনার কাজের চাপের CPU এবং মেমরির চাহিদার উপর ভিত্তি করে মেশিনের ধরন নির্বাচন করা আপনাকে অব্যবহৃত সংস্থানগুলির জন্য অতিরিক্ত অর্থ প্রদান এড়াতে সহায়তা করবে।
• ডিজিটাল মহাসাগর অন্যান্য প্ল্যাটফর্মের তুলনায় vCPU-এর জন্য কম এবং মেমরির জন্য বেশি চার্জ করে - এটি কিছু ধরণের কম্পিউট ওয়ার্কলোডের জন্য একটি সিদ্ধান্তকারী ফ্যাক্টর হতে পারে।

*দ্রষ্টব্য: বিশ্লেষণ সাধারণ উদ্দেশ্য গণনা নোডের জন্য ডেটা ব্যবহার করে (সাধারন ক্ষেত্রে). এগুলি হল n1 GCP কম্পিউট ইঞ্জিন দৃষ্টান্ত, m5 AWS ec2 দৃষ্টান্ত, D2v3 Azure ভার্চুয়াল মেশিন এবং ডেডিকেটেড CPU সহ DO ড্রপলেট৷ পরিবর্তে, অন্যান্য ধরণের ভার্চুয়াল মেশিনের মধ্যে গবেষণা পরিচালনা করা সম্ভব (বার্স্টেবল, এন্ট্রি-লেভেল)। প্রথম নজরে, ভার্চুয়াল মেশিনের খরচ রৈখিকভাবে vCPU গুলির সংখ্যা এবং মেমরির পরিমাণের উপর নির্ভর করে, কিন্তু আমি নিশ্চিত নই যে এই অনুমানটি অত্যন্ত অ-মানক মেমরি/সিপিইউ অনুপাতের জন্য সত্য হবে।

নিবন্ধে আল্টিমেট কুবারনেটস কস্ট গাইড: AWS বনাম GCP বনাম Azure বনাম ডিজিটাল মহাসাগর, 2018 সালে প্রকাশিত, 100 vCPU কোর এবং 400 GB মেমরি সহ একটি রেফারেন্স ক্লাস্টার ব্যবহার করেছে। তুলনা করার জন্য, আমার গণনা অনুসারে, এই প্ল্যাটফর্মগুলির প্রতিটিতে একটি অনুরূপ ক্লাস্টারের (অন-ডিমান্ড উদাহরণের জন্য) নিম্নলিখিত পরিমাণ খরচ হবে:

• AKS: 51465 USD/বছর
• EKS: 43138 USD/বছর
• GKE: 30870 USD/বছর
• DO: 36131 USD/বছর

আমি আশা করি নোটবুকের সাথে এই নিবন্ধটি আপনাকে মূল পরিচালিত কুবারনেট অফারগুলি মূল্যায়ন করতে এবং/অথবা ছাড় এবং অন্যান্য সুযোগের সুবিধা গ্রহণ করে ক্লাউড অবকাঠামোতে অর্থ সঞ্চয় করতে সহায়তা করবে।

অনুবাদক থেকে PS

আমাদের ব্লগেও পড়ুন:

• «ক্লাউডে কুবারনেটে অর্থ সাশ্রয়ের জন্য কুবেকোস্ট পর্যালোচনা";
• «Yandex.Cloud এর জন্য Kubernetes CCM (ক্লাউড কন্ট্রোলার ম্যানেজার) উপস্থাপন করা হচ্ছে";
• «একটি Kubernetes ক্লাস্টার প্রস্তুত করা কি সহজ এবং সুবিধাজনক? অ্যাডঅন-অপারেটর ঘোষণা করা হচ্ছে";
• «একটি সাশ্রয়ী মূল্যের পরিষেবা হিসাবে Kubernetes-এর সাথে পরিকাঠামো».

উত্স: www.habr.com