મેનેજ્ડ કુબરનેટ્સ (2020) પર કિંમતની સરખામણી

નૉૅધ. અનુવાદ: અમેરિકન DevOps એન્જિનિયર Sid Palas, ઉપયોગ કરીને Google Cloud ની તાજેતરની જાહેરાત માહિતીપ્રદ માર્ગદર્શિકા તરીકે, મેં વિશ્વના અગ્રણી ક્લાઉડ પ્રદાતાઓ પાસેથી મેનેજ્ડ કુબરનેટ્સ સેવા (વિવિધ રૂપરેખાંકનોમાં) ની કિંમતની સરખામણી કરી. તેમના કામનો એક વધારાનો ફાયદો એ અનુરૂપ જ્યુપીટર નોટબુકનું પ્રકાશન હતું, જે (પાયથોનના ન્યૂનતમ જ્ઞાન સાથે) તમારી જરૂરિયાતોને અનુરૂપ કરવામાં આવતી ગણતરીઓને સમાયોજિત કરવાની મંજૂરી આપે છે.

TL; DR: એઝ્યુર અને ડીજીટલ મહાસાગર કંટ્રોલ પ્લેન માટે ઉપયોગમાં લેવાતા કમ્પ્યુટ સંસાધનોનો ચાર્જ લેતા નથી, જેના કારણે તે ઘણા નાના ક્લસ્ટરોને જમાવવા માટે સારી પસંદગી બનાવે છે. નાની સંખ્યામાં મોટા ક્લસ્ટરો ચલાવવા માટે, GKE શ્રેષ્ઠ અનુકુળ છે. વધુમાં, તમે સ્પોટ/પ્રીમેપ્ટિવ/લો-પ્રાયોરિટી નોડ્સનો ઉપયોગ કરીને અથવા સમાન નોડ્સના લાંબા ગાળાના ઉપયોગ માટે "સબ્સ્ક્રાઇબ કરીને" ખર્ચમાં નોંધપાત્ર ઘટાડો કરી શકો છો (આ તમામ પ્લેટફોર્મ પર લાગુ થાય છે).

ક્લસ્ટરનું કદ (કામદારોની સંખ્યા)

સામાન્ય માહિતી

તાજેતરની Google ક્લાઉડ જાહેરાત GKE ની દરેક ક્લસ્ટર કલાક માટે 10 સેન્ટ પ્રતિ ક્લસ્ટર કલાક ચાર્જ કરવાનું શરૂ કરવાની જાહેરાતે મને મુખ્ય સંચાલિત કુબરનેટ્સ ઓફરિંગની કિંમતનું વિશ્લેષણ કરવાનું શરૂ કર્યું.

આ ઘોષણાએ કેટલાકને ભારે નારાજ કર્યા છે...

લેખના મુખ્ય પાત્રો છે:

• Google Kubernetes Engine (GCP) – કિંમત કેલ્ક્યુલેટર;
• સ્થિતિસ્થાપક કુબરનેટ્સ સર્વિસ (AWS) - કિંમત કેલ્ક્યુલેટર;
• એઝ્યુર કુબરનેટ્સ સર્વિસ (એઝ્યુર) - કિંમત કેલ્ક્યુલેટર;
• ડિજિટલ મહાસાગર પર કુબરનેટ્સ - કિંમત પાનું.

કીંમત માં ઘટાડો

આ દરેક પ્લેટફોર્મ પર કુબરનેટ્સનો ઉપયોગ કરવાની કુલ કિંમતમાં નીચેના ઘટકોનો સમાવેશ થાય છે:

• ક્લસ્ટર મેનેજમેન્ટ ફી;
• લોડ બેલેન્સિંગ (પ્રવેશ માટે);
• કામદારોના કમ્પ્યુટિંગ સંસાધનો (vCPU અને મેમરી);
• એગ્રેસ ટ્રાફિક;
• કાયમી સંગ્રહ;
• લોડ બેલેન્સર દ્વારા ડેટા પ્રોસેસિંગ.

વધુમાં, ક્લાઉડ પ્રદાતાઓ નોંધપાત્ર ડિસ્કાઉન્ટ ઓફર કરે છે જો ક્લાયન્ટ ઇચ્છે/પ્રીમ્પ્ટીબલનો ઉપયોગ કરી શકે સ્થળ અથવા ઓછી પ્રાધાન્યતાવાળી ગાંઠો અથવા 1-3 વર્ષ માટે સમાન ગાંઠોનો ઉપયોગ કરવાનું વચન આપે છે.

એ વાત પર ભાર મૂકવો યોગ્ય છે કે સેવા પ્રદાતાઓની સરખામણી અને મૂલ્યાંકન કરવા માટે ખર્ચ એ સારો આધાર હોવા છતાં, અન્ય પરિબળોને ધ્યાનમાં લેવા જોઈએ:

• અપટાઇમ (સર્વિસ લેવલ એગ્રીમેન્ટ);
• આસપાસના વાદળ ઇકોસિસ્ટમ;
• K8s ની ઉપલબ્ધ આવૃત્તિઓ;
• દસ્તાવેજીકરણ/ટૂલકીટની ગુણવત્તા.

જો કે, આ પરિબળો આ લેખ/અભ્યાસના અવકાશની બહાર છે. IN સ્ટેકરોક્સ બ્લોગ પર ફેબ્રુઆરીની પોસ્ટ EKS, AKS અને GKE માટે બિન-ભાવના પરિબળોની વિગતવાર ચર્ચા કરવામાં આવી છે.

જ્યુપીટર નોટબુક

સૌથી નફાકારક ઉકેલ શોધવાનું સરળ બનાવવા માટે, મેં વિકસાવ્યું છે જ્યુપીટર નોટબુક, તેમાં plotly + ipywidgets નો ઉપયોગ કરીને. તે તમને વિવિધ ક્લસ્ટર કદ અને સેવા સેટ માટે પ્રદાતા ઑફર્સની તુલના કરવાની મંજૂરી આપે છે.

તમે બાઈન્ડરમાં નોટપેડના જીવંત સંસ્કરણ સાથે પ્રેક્ટિસ કરી શકો છો:

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

જો ગણતરીઓ અથવા મૂળ કિંમતો ખોટી હોય તો મને જણાવો (આ સમસ્યા દ્વારા અથવા GitHub પર પુલ વિનંતી દ્વારા કરી શકાય છે - અહીં રીપોઝીટરી છે).

તારણો

અરે, શરૂઆતમાં TL;DR ફકરામાં સમાવિષ્ટ ભલામણો કરતાં વધુ ચોક્કસ ભલામણો પૂરી પાડવા માટે ઘણી બધી ઘોંઘાટ છે. જો કે, કેટલાક તારણો હજી પણ દોરવામાં આવી શકે છે:

• GKE અને EKS થી વિપરીત, AKS અને Digital Ocean નિયંત્રણ સ્તર સંસાધનો માટે ચાર્જ લેતા નથી. AKS અને DO વધુ નફાકારક છે જો આર્કિટેક્ચરમાં ઘણા નાના ક્લસ્ટરો શામેલ હોય (ઉદાહરણ તરીકે, એક ક્લસ્ટર દીઠ દરેક વિકાસકર્તા અથવા દરેક ગ્રાહક).
• GKE ના થોડા ઓછા ખર્ચાળ ગણતરી સંસાધનો તેને વધુ નફાકારક બનાવે છે કારણ કે ક્લસ્ટરના કદમાં વધારો થાય છે*.
• પ્રીમ્પ્ટીબલ નોડ્સ અથવા લાંબા ગાળાના નોડ એફિનિટીનો ઉપયોગ કરવાથી ખર્ચમાં 50% થી વધુ ઘટાડો થઈ શકે છે. નોંધ: ડિજિટલ મહાસાગર આ ડિસ્કાઉન્ટ ઓફર કરતું નથી.
• Google ની આઉટબાઉન્ડ ફી વધારે છે, પરંતુ કમ્પ્યુટિંગ સંસાધનોની કિંમત ગણતરીમાં એક નિર્ણાયક પરિબળ છે (સિવાય કે તમારું ક્લસ્ટર નોંધપાત્ર પ્રમાણમાં આઉટબાઉન્ડ ડેટા જનરેટ કરતું હોય).
• તમારા વર્કલોડની CPU અને મેમરી જરૂરિયાતોને આધારે મશીન પ્રકારો પસંદ કરવાથી તમને બિનઉપયોગી સંસાધનો માટે વધારાની ચૂકવણી કરવાનું ટાળવામાં મદદ મળશે.
• ડિજિટલ ઓશન અન્ય પ્લેટફોર્મની સરખામણીમાં vCPU માટે ઓછું અને મેમરી માટે વધુ ચાર્જ કરે છે - આ અમુક પ્રકારના કમ્પ્યુટ વર્કલોડ માટે નિર્ણાયક પરિબળ બની શકે છે.

*નોંધ: વિશ્લેષણ સામાન્ય હેતુની ગણતરી નોડ્સ માટે ડેટાનો ઉપયોગ કરે છે (સામાન્ય હેતુ). આ n1 GCP કોમ્પ્યુટ એન્જીન દાખલાઓ, m5 AWS ec2 દાખલાઓ, D2v3 Azure વર્ચ્યુઅલ મશીનો અને સમર્પિત CPUs સાથે ડીઓ ડ્રોપલેટ્સ છે. બદલામાં, અન્ય પ્રકારના વર્ચ્યુઅલ મશીનો (બર્સ્ટેબલ, એન્ટ્રી-લેવલ) વચ્ચે સંશોધન કરવું શક્ય છે. પ્રથમ નજરમાં, વર્ચ્યુઅલ મશીનોની કિંમત vCPU ની સંખ્યા અને મેમરીની માત્રા પર રેખીય રીતે આધાર રાખે છે, પરંતુ મને ખાતરી નથી કે આ ધારણા અત્યંત બિન-માનક મેમરી/CPU ગુણોત્તર માટે સાચી પડશે.

લેખમાં અલ્ટીમેટ કુબરનેટ્સ કોસ્ટ ગાઈડ: AWS vs GCP vs Azure vs Digital Ocean, 2018 માં પ્રકાશિત, 100 vCPU કોરો અને 400 GB મેમરી સાથે સંદર્ભ ક્લસ્ટરનો ઉપયોગ કર્યો. સરખામણી માટે, મારી ગણતરી મુજબ, આ દરેક પ્લેટફોર્મ પર એક સમાન ક્લસ્ટર (ઓન-ડિમાન્ડ ઉદાહરણો માટે) નીચેની રકમનો ખર્ચ કરશે:

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

હું આશા રાખું છું કે નોટબુક સાથેનો આ લેખ તમને મુખ્ય વ્યવસ્થાપિત કુબરનેટ્સ ઓફરિંગનું મૂલ્યાંકન કરવામાં અને/અથવા ડિસ્કાઉન્ટ અને અન્ય તકોનો લાભ લઈને ક્લાઉડ ઈન્ફ્રાસ્ટ્રક્ચર પર નાણાં બચાવવામાં મદદ કરશે.

અનુવાદક તરફથી પીએસ

અમારા બ્લોગ પર પણ વાંચો:

• «વાદળોમાં કુબરનેટ્સ પર નાણાં બચાવવા માટે કુબેકોસ્ટ સમીક્ષા»;
• «Yandex.Cloud માટે Kubernetes CCM (ક્લાઉડ કંટ્રોલર મેનેજર) નો પરિચય»;
• «શું કુબરનેટ્સ ક્લસ્ટર તૈયાર કરવું સરળ અને અનુકૂળ છે? એડઓન-ઓપરેટરની જાહેરાત»;
• «કુબરનેટ્સ સાથેની ઇન્ફ્રાસ્ટ્રક્ચર સસ્તું સેવા તરીકે».

સોર્સ: www.habr.com