Költségek összehasonlítása a felügyelt Kubernetesen (2020)
Jegyzet. ford.: Sid Palas amerikai DevOps mérnök, használja a Google Cloud legutóbbi bejelentése Tájékoztató jellegű útmutatóként összehasonlítottam a Managed Kubernetes szolgáltatás költségeit (különböző konfigurációkban) a világ vezető felhőszolgáltatóitól. Munkásságának további előnye volt a megfelelő Jupyter Notebook kiadása, amely lehetővé teszi (minimális Python ismerete mellett) az elvégzett számítások igényeinek megfelelő beállítását.
TL, DR: Az Azure és a Digital Ocean nem számítanak fel díjat a vezérlősíkhoz használt számítási erőforrásokért, így jó választás sok kis fürt telepítéséhez. Kis számú nagy klaszter futtatásához a GKE a legalkalmasabb. Ezenkívül jelentősen csökkentheti a költségeket, ha azonnali/preemptív/alacsony prioritású csomópontokat használ, vagy ha „előfizet” ugyanazon csomópontok hosszú távú használatára (ez minden platformra vonatkozik).
Klaszter mérete (dolgozók száma)
Áttekintés
Legutóbbi Google Cloud bejelentés A GKE bejelentése, miszerint fürtóránként 10 centet számol fel minden klaszteróráért, arra késztetett, hogy elkezdjem elemezni a fő menedzselt Kubernetes-ajánlatok árképzését.
A Kubernetes használatának teljes költsége ezeken a platformokon a következő összetevőkből áll:
Klaszterkezelési díj;
Terheléselosztás (Ingresshez);
A dolgozók számítási erőforrásai (vCPU és memória);
Kilépő forgalom;
állandó tárolás;
Adatfeldolgozás terheléselosztóval.
Ezenkívül a felhőszolgáltatók jelentős kedvezményeket kínálnak, ha az ügyfél elővásárlási lehetőséget kíván/tud használni folt vagy alacsony prioritású csomópontok VAGY vállalja, hogy 1-3 évig ugyanazokat a csomópontokat használja.
Érdemes hangsúlyozni, hogy bár a költségek jó alapot jelentenek a szolgáltatók összehasonlításához és értékeléséhez, más tényezőket is figyelembe kell venni:
Üzemidő (Szolgáltatási szint megállapodás);
A környező felhő ökoszisztéma;
A K8s elérhető verziói;
A dokumentáció/eszköztár minősége.
Ezek a tényezők azonban túlmutatnak e cikk/tanulmány keretein. BAN BEN Februári bejegyzés a StackRox blogon Az EKS, AKS és GKE nem ártényezőit részletesen tárgyaljuk.
Jupyter notebook
Hogy könnyebben megtaláljam a legjövedelmezőbb megoldást, fejlesztettem Jupyter notebook, a plotly + ipywidgetek használatával. Lehetővé teszi a különböző fürtméretek és szolgáltatáskészletek szolgáltatói ajánlatainak összehasonlítását.
Gyakorolhat a jegyzettömb élő változatával a Binderben:
Értesítsen, ha a számítások vagy az eredeti árképzés hibás (ez megtehető a GitHubon lévő probléma vagy lehívási kérelem útján - itt a tárhely).
Álláspontja
Sajnos túl sok árnyalat van ahhoz, hogy konkrétabb ajánlásokat adjunk, mint amelyek a TL;DR bekezdésben már az elején szerepelnek. Néhány következtetést azonban még le lehet vonni:
A GKE-vel és az EKS-sel ellentétben az AKS és a Digital Ocean nem számít fel díjat a vezérlőréteg erőforrásaiért. Az AKS és a DO jövedelmezőbbek, ha az architektúra sok kis klasztert tartalmaz (például egy fürt per minden fejlesztő vagy minden ügyfél).
A GKE valamivel olcsóbb számítási erőforrásai jövedelmezőbbé teszik a fürtméret növekedésével*.
A megelőző csomópontok vagy a hosszú távú csomópont-affinitás használata több mint 50%-kal csökkentheti a költségeket. Megjegyzés: A Digital Ocean nem kínálja ezeket a kedvezményeket.
A Google kimenő díjai magasabbak, de a számítási erőforrások költsége meghatározó tényező a számítás során (kivéve, ha a fürt jelentős mennyiségű kimenő adatot generál).
Ha a munkaterhelések CPU- és memóriaigénye alapján választja ki a géptípusokat, akkor elkerülheti, hogy többletköltséget fizessen a fel nem használt erőforrásokért.
A Digital Ocean más platformokhoz képest kevesebbet fizet a vCPU-ért és többet a memóriáért – ez döntő tényező lehet bizonyos típusú számítási terheléseknél.
*Megjegyzés: Az elemzés az adatokat általános célú számítási csomópontokhoz használja (Általános rendeltetésű). Ezek n1 GCP Compute Engine-példányok, m5 AWS ec2-példányok, D2v3 Azure virtuális gépek és DO cseppek dedikált CPU-kkal. Lehetőség van más típusú virtuális gépek (burstable, belépő szintű) közötti kutatásokra is. Első pillantásra a virtuális gépek költsége lineárisan függ a vCPU-k számától és a memória mennyiségétől, de nem vagyok benne biztos, hogy ez a feltételezés igaz lesz az erősen nem szabványos memória/CPU arányokra.
A cikk Az Ultimate Kubernetes költségútmutató: AWS vs GCP vs Azure vs Digital Ocean, 2018-ban megjelent, referenciafürtöt használt 100 vCPU maggal és 400 GB memóriával. Összehasonlításképpen, számításaim szerint egy hasonló fürt mindegyik platformon (az igény szerinti példányok esetében) a következő összegbe kerül:
AKS: 51465 USD/év
EKS: 43138 USD/év
GKE: 30870 USD/év
DO: 36131 USD/év
Remélem, hogy ez a cikk és a notebook segít Önnek kiértékelni a fő menedzselt Kubernetes-ajánlatokat, és/vagy pénzt takaríthat meg a felhő infrastruktúráján a kedvezmények és egyéb lehetőségek kihasználásával.