Catatan. terjemah: Jurutera DevOps Amerika Sid Palas, menggunakan Sebagai panduan maklumat, saya membandingkan kos perkhidmatan Kubernetes Terurus (dalam konfigurasi berbeza) daripada penyedia awan terkemuka di dunia. Kelebihan tambahan kerjanya ialah penerbitan Buku Nota Jupyter yang sepadan, yang membolehkan (dengan pengetahuan minimum Python) melaraskan pengiraan yang dilakukan untuk memenuhi keperluan anda.
TL; DR: Azure dan Digital Ocean tidak mengenakan bayaran untuk sumber pengiraan yang digunakan untuk satah kawalan, menjadikannya pilihan yang baik untuk menggunakan banyak kluster kecil. Untuk menjalankan sebilangan kecil kelompok besar, GKE paling sesuai. Selain itu, anda boleh mengurangkan kos dengan ketara dengan menggunakan nod spot/preemptive/keutamaan rendah atau dengan "melanggan" penggunaan jangka panjang nod yang sama (ini terpakai pada semua platform).
Saiz kluster (bilangan pekerja)
Tinjauan
Pengumuman GKE untuk mula mengenakan caj 10 sen setiap jam kelompok untuk setiap jam kelompok mendorong saya untuk mula menganalisis harga tawaran Kubernetes terurus utama.
Pengumuman ini telah mengecewakan beberapa...
Watak utama artikel tersebut ialah:
- Enjin Google Kubernetes (GCP) β ;
- Perkhidmatan Kubernetes Anjal (AWS) β ;
- Perkhidmatan Azure Kubernetes (Azure) β ;
- Kubernetes di Lautan Digital β .
Pecahan Kos
Jumlah kos penggunaan Kubernetes pada setiap platform ini terdiri daripada komponen berikut:
- Yuran pengurusan kluster;
- Pengimbangan beban (untuk Ingress);
- Sumber pengkomputeran (vCPU dan memori) pekerja;
- Trafik jalan keluar;
- Penyimpanan kekal;
- Pemprosesan data oleh pengimbang beban.
Selain itu, pembekal awan menawarkan diskaun yang ketara jika pelanggan mahu/boleh menggunakan boleh didahulukan atau nod berkeutamaan rendah ATAU berjanji untuk menggunakan nod yang sama selama 1-3 tahun.
Perlu ditekankan bahawa walaupun kos adalah asas yang baik untuk membandingkan dan menilai penyedia perkhidmatan, faktor lain harus diambil kira:
- Uptime (Perjanjian Tahap Perkhidmatan);
- Ekosistem awan di sekeliling;
- Versi K8 yang tersedia;
- Kualiti dokumentasi/kit alat.
Walau bagaimanapun, faktor ini berada di luar skop artikel/kajian ini. DALAM Faktor bukan harga untuk EKS, AKS dan GKE dibincangkan secara terperinci.
Buku Nota Jupyter
Untuk memudahkan mencari penyelesaian yang paling menguntungkan, saya telah membangunkan , menggunakan plotly + ipywidgets di dalamnya. Ia membolehkan anda membandingkan tawaran pembekal untuk saiz kluster dan set perkhidmatan yang berbeza.
Anda boleh berlatih dengan versi langsung pad nota dalam Binder:
Beritahu saya jika pengiraan atau harga asal tidak betul (ini boleh dilakukan melalui isu atau permintaan tarik pada GitHub - ).
Penemuan
Malangnya, terdapat terlalu banyak nuansa untuk memberikan cadangan yang lebih khusus daripada yang disertakan dalam perenggan TL;DR pada awalnya. Walau bagaimanapun, beberapa kesimpulan masih boleh dibuat:
- Tidak seperti GKE dan EKS, AKS dan Digital Ocean tidak mengenakan bayaran untuk sumber lapisan kawalan. AKS dan DO lebih menguntungkan jika seni bina merangkumi banyak kluster kecil (contohnya, satu kluster setiap setiap pemaju atau setiap pelanggan).
- Sumber pengiraan GKE yang lebih murah sedikit menjadikannya lebih menguntungkan apabila saiz kelompok* meningkat.
- Menggunakan nod boleh awal atau pertalian nod jangka panjang boleh mengurangkan kos lebih daripada 50%. Nota: Digital Ocean tidak menawarkan diskaun ini.
- Yuran keluar Google lebih tinggi, tetapi kos sumber pengkomputeran merupakan faktor penentu dalam pengiraan (melainkan kluster anda menjana sejumlah besar data keluar).
- Memilih jenis mesin berdasarkan keperluan CPU dan memori beban kerja anda akan membantu anda mengelak daripada membayar tambahan untuk sumber yang tidak digunakan.
- Digital Ocean mengecaj lebih sedikit untuk vCPU dan lebih banyak untuk memori berbanding dengan platform lain - ini boleh menjadi faktor penentu untuk beberapa jenis beban kerja pengiraan.
*Nota: Analisis menggunakan data untuk nod pengiraan tujuan umum (tujuan am). Ini ialah tika Enjin Kira GCP n1, tika m5 AWS ec2, mesin maya D2v3 Azure dan titisan DO dengan CPU khusus. Sebaliknya, adalah mungkin untuk menjalankan penyelidikan antara jenis mesin maya lain (boleh pecah, peringkat permulaan). Pada pandangan pertama, kos mesin maya bergantung secara linear pada bilangan vCPU dan jumlah memori, tetapi saya tidak pasti bahawa andaian ini akan berlaku untuk nisbah memori/CPU yang sangat tidak standard.
Dalam artikel itu , diterbitkan pada 2018, menggunakan kluster rujukan dengan 100 teras vCPU dan memori 400 GB. Sebagai perbandingan, mengikut pengiraan saya, kluster yang serupa pada setiap platform ini (untuk keadaan atas permintaan) akan menelan kos sebanyak berikut:
- AKS: 51465 USD/tahun
- EKS: 43138 USD/tahun
- GKE: 30870 USD/tahun
- DO: 36131 USD/tahun
Saya harap artikel ini bersama-sama buku nota akan membantu anda menilai tawaran Kubernetes terurus utama dan/atau menjimatkan wang pada infrastruktur awan dengan memanfaatkan diskaun dan peluang lain.
PS daripada penterjemah
Baca juga di blog kami:
- «»;
- «»;
- «»;
- Β«'.
Sumber: www.habr.com