Catetan. narjamahkeun.: Amérika DevOps insinyur Sid Palas, ngagunakeun Salaku pituduh inpormasi, kuring ngabandingkeun biaya jasa Managed Kubernetes (dina konfigurasi anu béda) ti panyadia awan terkemuka di dunya. Kauntungannana tambahan tina karyana nyaéta publikasi Jupyter Notebook anu saluyu, anu ngamungkinkeun (kalayan pangaweruh minimal ngeunaan Python) pikeun nyaluyukeun itungan anu dilakukeun pikeun nyocogkeun ka kabutuhan anjeun.
TL; DR: Azure jeung Digital Samudra teu ngecas sumberdaya itungan dipaké pikeun pesawat kontrol, nyieun eta pilihan alus keur deploying loba klaster leutik. Pikeun ngajalankeun sajumlah leutik klaster badag, GKE paling cocog. Salaku tambahan, anjeun tiasa ngirangan biaya sacara signifikan ku ngagunakeun titik titik / preemptive / prioritas rendah atanapi ku "ngalanggan" pikeun panggunaan jangka panjang titik anu sami (ieu manglaku ka sadaya platform).
Ukuran klaster (jumlah pagawe)
gambaran
Pengumuman GKE pikeun ngamimitian ngecas 10 sén per jam klaster pikeun unggal jam klaster ngajurung kuring pikeun mimiti nganalisis harga panawaran Kubernetes anu diurus utama.
Pengumuman ieu parantos ngaganggu sababaraha ...
Karakter utama tulisan nyaéta:
- Google Kubernetes Engine (GCP) - ;
- Layanan Kubernetes Elastis (AWS) - ;
- Layanan Azure Kubernetes (Azure) - ;
- Kubernetes dina Samudra Digital - .
Ngarecah ongkos
Total biaya ngagunakeun Kubernetes dina unggal platform ieu diwangun ku komponén ieu:
- Biaya manajemén klaster;
- Balancing beban (pikeun Ingress);
- Sumberdaya komputasi (vCPU sareng mémori) pagawé;
- Lalu lintas kaluar;
- Panyimpenan permanén;
- Ngolah data ku load balancer.
Salaku tambahan, panyadia awan nawiskeun diskon anu signifikan upami klien hoyong / tiasa nganggo preemptible atawa titik-prioritas low ATAWA undertakes ngagunakeun titik sarua pikeun 1-3 taun.
Perlu diingetkeun yén sanaos biaya mangrupikeun dasar anu saé pikeun ngabandingkeun sareng ngevaluasi panyadia jasa, faktor sanésna kedah dipertimbangkeun:
- Uptime (Perjangjian Tingkat Layanan);
- Ékosistem awan sabudeureun;
- Vérsi sadia tina K8s;
- Kualitas dokuméntasi / toolkit.
Nanging, faktor-faktor ieu di luar ruang lingkup artikel / ulikan ieu. DI Faktor non-harga pikeun EKS, AKS sareng GKE dibahas sacara rinci.
Notebook Jupyter
Sangkan leuwih gampang pikeun manggihan solusi paling nguntungkeun, Kuring geus dimekarkeun , ngagunakeun plotly + ipywidgets di jerona. Éta ngamungkinkeun anjeun ngabandingkeun tawaran panyadia pikeun ukuran klaster sareng set jasa anu béda.
Anjeun tiasa latihan sareng versi live notepad di Binder:
Béjakeun ka kuring upami itungan atanapi harga asli lepat (ieu tiasa dilakukeun ngalangkungan masalah atanapi tarik pamundut dina GitHub - ).
papanggihan
Hanjakalna, seueur teuing nuansa pikeun masihan saran anu langkung spésifik tibatan anu kalebet dina paragraf TL;DR di awal. Sanajan kitu, sababaraha conclusions masih bisa dicokot:
- Beda sareng GKE sareng EKS, AKS sareng Digital Ocean henteu ngecas sumber daya lapisan kontrol. AKS sareng DO langkung nguntungkeun upami arsitéktur kalebet seueur klaster leutik (contona, hiji klaster per unggal pamekar atawa unggal klien).
- Sumberdaya komputasi anu rada murah GKE ngajantenkeun langkung nguntungkeun nalika ukuran klaster * ningkat.
- Ngagunakeun node preemptible atanapi afinitas node jangka panjang tiasa ngirangan biaya langkung ti 50%. Catetan: Digital Ocean henteu nawiskeun diskon ieu.
- Biaya outbound Google langkung luhur, tapi biaya sumber daya komputasi mangrupikeun faktor anu nangtukeun dina itungan (kecuali klaster anjeun ngahasilkeun jumlah data anu kaluar).
- Milih jinis mesin dumasar kana kabutuhan CPU sareng mémori tina beban kerja anjeun bakal ngabantosan anjeun ngahindarkeun mayar tambahan pikeun sumber anu henteu dianggo.
- Samudra Digital ngecas kirang kanggo vCPU sareng seueur deui kanggo mémori dibandingkeun sareng platform sanés - ieu tiasa janten faktor penentu pikeun sababaraha jinis beban kerja komputasi.
*Catetan: Analisis ngagunakeun data pikeun tujuan umum titik itung (tujuan umum). Ieu mangrupikeun instansi N1 GCP Compute Engine, instansi m5 AWS ec2, mesin virtual D2v3 Azure sareng tetes DO kalayan CPU khusus. Dina gilirannana, kasebut nyaéta dimungkinkeun pikeun ngalaksanakeun panalungtikan diantara tipe séjén mesin virtual (burstable, Éntri-tingkat). Dina glance kahiji, biaya mesin virtual gumantung linier dina Jumlah vCPUs sarta jumlah memori, Tapi Kaula teu yakin kana nu asumsi ieu bakal tahan bener keur memori kacida non-standar / babandingan CPU.
Tulisanana , diterbitkeun dina 2018, dipaké klaster rujukan kalawan 100 cores vCPU sarta 400 GB memori. Pikeun babandingan, dumasar kana itungan kuring, klaster anu sami dina unggal platform ieu (pikeun instansi on-demand) bakal ngarugikeun jumlah ieu:
- AKS: 51465 USD/taun
- EKS: 43138 USD/taun
- GKE: 30870 USD/taun
- DO: 36131 USD / taun
Abdi ngarepkeun tulisan ieu sareng notebook bakal ngabantosan anjeun ngevaluasi tawaran Kubernetes anu diurus utama sareng / atanapi ngahémat artos dina infrastruktur awan ku cara ngamangpaatkeun diskon sareng kasempetan sanés.
PS ti penerjemah
Baca ogé dina blog urang:
- «";
- «";
- «";
- «".
sumber: www.habr.com