व्यवस्थापित कुबर्नेट्स (२०२०) वर खर्चाची तुलना

नोंद. अनुवाद: अमेरिकन DevOps अभियंता Sid Palas, वापरून Google Cloud ची अलीकडील घोषणा माहितीपर मार्गदर्शक म्हणून, मी जगातील आघाडीच्या क्लाउड प्रदात्यांकडून व्यवस्थापित कुबर्नेट्स सेवेच्या (वेगवेगळ्या कॉन्फिगरेशनमध्ये) किमतीची तुलना केली. त्याच्या कामाचा एक अतिरिक्त फायदा म्हणजे संबंधित ज्युपिटर नोटबुकचे प्रकाशन, जे (पायथनच्या किमान ज्ञानासह) आपल्या गरजेनुसार केलेली गणना समायोजित करण्यास अनुमती देते.

TL; डॉ: Azure आणि Digital Ocean कंट्रोल प्लेनसाठी वापरल्या जाणाऱ्या गणना संसाधनांसाठी शुल्क आकारत नाहीत, ज्यामुळे ते अनेक लहान क्लस्टर्स तैनात करण्यासाठी एक चांगला पर्याय बनतात. लहान संख्येने मोठ्या क्लस्टर्स चालविण्यासाठी, GKE सर्वोत्तम अनुकूल आहे. याव्यतिरिक्त, तुम्ही स्पॉट/प्रीएम्प्टिव्ह/कमी-प्राधान्य नोड्स वापरून किंवा त्याच नोड्सच्या दीर्घकालीन वापरासाठी "सदस्यता घेऊन" खर्च लक्षणीयरीत्या कमी करू शकता (हे सर्व प्लॅटफॉर्मवर लागू होते).

क्लस्टर आकार (कामगारांची संख्या)

सामान्य माहिती

अलीकडील Google क्लाउड घोषणा चालविण्यासाठी क्लस्टर प्रति तास 10 सेंट्स चार्ज करणे सुरू करण्याच्या GKE च्या घोषणेने मला प्रमुख व्यवस्थापित कुबरनेट ऑफरिंगच्या किंमतीचे विश्लेषण करण्यास प्रवृत्त केले.

या घोषणेने काहींना प्रचंड अस्वस्थ केले आहे...

लेखातील मुख्य पात्रे आहेत:

• Google Kubernetes Engine (GCP) – किंमत कॅल्क्युलेटर;
• लवचिक कुबर्नेट्स सेवा (AWS) - किंमत कॅल्क्युलेटर;
• Azure Kubernetes सेवा (Azure) – किंमत कॅल्क्युलेटर;
• डिजिटल महासागरावरील कुबर्नेट्स - किंमत पृष्ठ.

खर्च ब्रेकडाउन

या प्रत्येक प्लॅटफॉर्मवर कुबर्नेट्स वापरण्याची एकूण किंमत खालील घटकांचा समावेश आहे:

• क्लस्टर व्यवस्थापन शुल्क;
• लोड बॅलन्सिंग (प्रवेशासाठी);
• कामगारांची संगणकीय संसाधने (vCPU आणि मेमरी);
• निर्गमन वाहतूक;
• कायमस्वरूपी साठवण;
• लोड बॅलन्सरद्वारे डेटा प्रक्रिया.

याव्यतिरिक्त, क्लाउड प्रदाते लक्षणीय सवलत देतात जर क्लायंटला हवे असेल/प्रीएम्प्टिबल वापरता येईल स्पॉट किंवा कमी-प्राधान्य नोड्स किंवा 1-3 वर्षांसाठी समान नोड्स वापरण्याचे वचन देते.

सेवा प्रदात्यांची तुलना आणि मूल्यमापन करण्यासाठी खर्च हा एक चांगला आधार असला तरी, इतर घटक विचारात घेतले पाहिजेत:

• अपटाइम (सेवा स्तर करार);
• सभोवतालची ढग इकोसिस्टम;
• K8s च्या उपलब्ध आवृत्त्या;
• दस्तऐवजीकरण / टूलकिटची गुणवत्ता.

तथापि, हे घटक या लेख/अभ्यासाच्या पलीकडे आहेत. IN स्टॅकरॉक्स ब्लॉगवर फेब्रुवारीची पोस्ट EKS, AKS आणि GKE साठी किंमत नसलेल्या घटकांची तपशीलवार चर्चा केली आहे.

ज्युपिटर नोटबुक

सर्वात फायदेशीर उपाय शोधणे सोपे करण्यासाठी, मी विकसित केले आहे ज्युपिटर नोटबुक, त्यात प्लॉटली + ipywidgets वापरून. हे तुम्हाला वेगवेगळ्या क्लस्टर आकार आणि सेवा सेटसाठी प्रदाता ऑफरची तुलना करण्यास अनुमती देते.

तुम्ही बाइंडरमधील नोटपॅडच्या थेट आवृत्तीसह सराव करू शकता:

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

गणना किंवा मूळ किंमत चुकीची असल्यास मला कळवा (हे एखाद्या समस्येद्वारे किंवा GitHub वर पुल विनंतीद्वारे केले जाऊ शकते - येथे भांडार आहे).

निष्कर्ष

अरेरे, अगदी सुरुवातीला TL;DR परिच्छेदामध्ये समाविष्ट केलेल्या शिफारशींपेक्षा अधिक विशिष्ट शिफारसी प्रदान करण्यासाठी बर्याच बारकावे आहेत. तथापि, काही निष्कर्ष अद्याप काढले जाऊ शकतात:

• GKE आणि EKS च्या विपरीत, AKS आणि Digital Ocean नियंत्रण स्तर संसाधनांसाठी शुल्क आकारत नाहीत. आर्किटेक्चरमध्ये अनेक लहान क्लस्टर्स समाविष्ट असल्यास AKS आणि DO अधिक फायदेशीर आहेत (उदाहरणार्थ, एक क्लस्टर प्रति प्रत्येक विकसक किंवा प्रत्येक ग्राहक).
• GKE ची किंचित कमी खर्चिक गणना संसाधने क्लस्टर आकार वाढल्यामुळे ते अधिक फायदेशीर बनवतात*.
• प्रीएम्प्टिबल नोड्स किंवा दीर्घकालीन नोड ॲफिनिटी वापरल्याने खर्च 50% पेक्षा जास्त कमी होऊ शकतो. टीप: डिजिटल ओशन या सवलती देत ​​नाही.
• Google चे आउटबाउंड शुल्क जास्त आहे, परंतु संगणकीय संसाधनांची किंमत गणनामध्ये एक निर्धारक घटक आहे (जोपर्यंत तुमचा क्लस्टर लक्षणीय प्रमाणात आउटबाउंड डेटा तयार करत नाही).
• तुमच्या वर्कलोडच्या CPU आणि मेमरी गरजांवर आधारित मशीनचे प्रकार निवडणे तुम्हाला न वापरलेल्या संसाधनांसाठी अतिरिक्त पैसे देणे टाळण्यास मदत करेल.
• इतर प्लॅटफॉर्मच्या तुलनेत डिजिटल ओशन vCPU साठी कमी आणि मेमरी साठी जास्त शुल्क आकारते - हे काही प्रकारच्या कॉम्प्युट वर्कलोड्ससाठी एक निर्णायक घटक असू शकते.

*टीप: विश्लेषण सामान्य उद्देश गणना नोड्ससाठी डेटा वापरते (सामान्य हेतू). ही n1 GCP कॉम्प्युट इंजिन उदाहरणे, m5 AWS ec2 उदाहरणे, D2v3 Azure व्हर्च्युअल मशीन्स आणि समर्पित CPU सह DO ड्रॉपलेट आहेत. या बदल्यात, इतर प्रकारच्या व्हर्च्युअल मशीन्समध्ये संशोधन करणे शक्य आहे (बर्स्टेबल, एंट्री-लेव्हल). पहिल्या दृष्टीक्षेपात, व्हर्च्युअल मशीनची किंमत व्हीसीपीयूच्या संख्येवर आणि मेमरीच्या प्रमाणावर अवलंबून असते, परंतु मला खात्री नाही की हे गृहितक अत्यंत नॉन-स्टँडर्ड मेमरी/सीपीयू गुणोत्तरांसाठी खरे ठरेल.

लेख द अल्टीमेट कुबर्नेट्स कॉस्ट गाइड: AWS विरुद्ध GCP विरुद्ध Azure vs डिजिटल महासागर, 2018 मध्ये प्रकाशित, 100 vCPU कोर आणि 400 GB मेमरी असलेले संदर्भ क्लस्टर वापरले. तुलनेसाठी, माझ्या गणनेनुसार, या प्रत्येक प्लॅटफॉर्मवर (ऑन-डिमांड उदाहरणांसाठी) समान क्लस्टरसाठी खालील रक्कम लागेल:

• AKS: ५१४६५ USD/वर्ष
• EKS: 43138 USD/वर्ष
• GKE: ३०८७० USD/वर्ष
• DO: 36131 USD/वर्ष

मला आशा आहे की नोटबुकसह हा लेख तुम्हाला मुख्य व्यवस्थापित कुबरनेट ऑफरिंगचे मूल्यमापन करण्यात आणि/किंवा क्लाउड इन्फ्रास्ट्रक्चरवर सवलत आणि इतर संधींचा लाभ घेऊन पैसे वाचविण्यात मदत करेल.

अनुवादकाकडून पुनश्च

आमच्या ब्लॉगवर देखील वाचा:

• «ढगांमध्ये कुबर्नेट्सवर पैसे वाचवण्यासाठी कुबेकोस्ट पुनरावलोकन";
• «Yandex.Cloud साठी Kubernetes CCM (क्लाउड कंट्रोलर मॅनेजर) सादर करत आहे";
• «कुबर्नेट्स क्लस्टर तयार करणे सोपे आणि सोयीचे आहे का? अॅडऑन-ऑपरेटरची घोषणा करत आहे";
• «परवडणारी सेवा म्हणून Kubernetes सह पायाभूत सुविधा».

स्त्रोत: www.habr.com