గమనిక. అనువాదం.: అమెరికన్ DevOps ఇంజనీర్ Sid Palas, ఉపయోగిస్తున్నారు సమాచార గైడ్‌గా, నేను ప్రపంచంలోని ప్రముఖ క్లౌడ్ ప్రొవైడర్‌ల నుండి నిర్వహించబడే కుబెర్నెట్స్ సేవ (వివిధ కాన్ఫిగరేషన్‌లలో) ధరను పోల్చాను. అతని పని యొక్క అదనపు ప్రయోజనం సంబంధిత జూపిటర్ నోట్బుక్ యొక్క ప్రచురణ, ఇది (పైథాన్ యొక్క కనీస జ్ఞానంతో) మీ అవసరాలకు అనుగుణంగా చేసిన గణనలను సర్దుబాటు చేయడానికి అనుమతిస్తుంది.
TL; DR: అజూర్ మరియు డిజిటల్ ఓషన్ కంట్రోల్ ప్లేన్ కోసం ఉపయోగించే కంప్యూట్ వనరులకు ఛార్జ్ చేయవు, వాటిని అనేక చిన్న క్లస్టర్‌లను అమలు చేయడానికి మంచి ఎంపికగా చేస్తుంది. తక్కువ సంఖ్యలో పెద్ద సమూహాలను అమలు చేయడానికి, GKE ఉత్తమంగా సరిపోతుంది. అదనంగా, మీరు స్పాట్/ప్రీమ్ప్టివ్/తక్కువ-ప్రాధాన్యత నోడ్‌లను ఉపయోగించడం ద్వారా లేదా అదే నోడ్‌ల (ఇది అన్ని ప్లాట్‌ఫారమ్‌లకు వర్తిస్తుంది) దీర్ఘకాలిక వినియోగానికి "సభ్యత్వం" చేయడం ద్వారా ఖర్చులను గణనీయంగా తగ్గించవచ్చు.
క్లస్టర్ పరిమాణం (కార్మికుల సంఖ్య)
సాధారణ సమాచారం
ప్రతి క్లస్టర్ గంటకు క్లస్టర్ గంటకు 10 సెంట్లు వసూలు చేయడాన్ని ప్రారంభించినట్లు GKE యొక్క ప్రకటన ప్రధాన నిర్వహించే కుబెర్నెట్స్ ఆఫర్‌ల ధరలను విశ్లేషించడం ప్రారంభించేలా నన్ను ప్రేరేపించింది.
ఈ ప్రకటన కొందరిని తీవ్రంగా కలచివేసింది...
వ్యాసం యొక్క ప్రధాన పాత్రలు:
- Google Kubernetes ఇంజిన్ (GCP) – ;
- సాగే కుబెర్నెటెస్ సర్వీస్ (AWS) - ;
- అజూర్ కుబెర్నెటెస్ సర్వీస్ (అజూర్) - ;
- డిజిటల్ మహాసముద్రంలో కుబెర్నెట్స్ - .
ధర పడిపోయి
ఈ ప్లాట్‌ఫారమ్‌లలో ప్రతిదానిలో కుబెర్నెట్‌లను ఉపయోగించడానికి మొత్తం ఖర్చు క్రింది భాగాలను కలిగి ఉంటుంది:
- క్లస్టర్ నిర్వహణ రుసుము;
- లోడ్ బ్యాలెన్సింగ్ (ఇంగ్రెస్ కోసం);
- కార్మికుల కంప్యూటింగ్ వనరులు (vCPU మరియు మెమరీ);
- ఎగ్రెస్ ట్రాఫిక్;
- శాశ్వత నిల్వ;
- లోడ్ బ్యాలెన్సర్ ద్వారా డేటా ప్రాసెసింగ్.
అదనంగా, క్లౌడ్ ప్రొవైడర్లు క్లయింట్ కావాలనుకుంటే/ప్రీమ్ప్టిబుల్‌ని ఉపయోగించగలిగితే గణనీయమైన తగ్గింపులను అందిస్తారు లేదా తక్కువ-ప్రాధాన్యత నోడ్‌లు లేదా 1-3 సంవత్సరాల పాటు అదే నోడ్‌లను ఉపయోగించడానికి పూనుకుంటుంది.
సేవా ప్రదాతలను పోల్చడానికి మరియు మూల్యాంకనం చేయడానికి ఖర్చు మంచి ఆధారం అయినప్పటికీ, ఇతర అంశాలను పరిగణనలోకి తీసుకోవాలి:
- సమయ సమయం (సేవా స్థాయి ఒప్పందం);
- పరిసర క్లౌడ్ పర్యావరణ వ్యవస్థ;
- K8s యొక్క అందుబాటులో ఉన్న సంస్కరణలు;
- డాక్యుమెంటేషన్/టూల్‌కిట్ నాణ్యత.
అయితే, ఈ అంశాలు ఈ కథనం/అధ్యయనం పరిధికి మించినవి. IN EKS, AKS మరియు GKE కోసం నాన్-ప్రైస్ కారకాలు వివరంగా చర్చించబడ్డాయి.
జూపిటర్ నోట్బుక్
అత్యంత లాభదాయకమైన పరిష్కారాన్ని సులభంగా కనుగొనడానికి, నేను అభివృద్ధి చేసాను , దానిలో ప్లాట్లీ + ఐపీవిడ్జెట్‌లను ఉపయోగించడం. విభిన్న క్లస్టర్ పరిమాణాలు మరియు సర్వీస్ సెట్‌ల కోసం ప్రొవైడర్ ఆఫర్‌లను పోల్చడానికి ఇది మిమ్మల్ని అనుమతిస్తుంది.
మీరు బైండర్‌లో నోట్‌ప్యాడ్ యొక్క లైవ్ వెర్షన్‌తో ప్రాక్టీస్ చేయవచ్చు:
లెక్కలు లేదా అసలు ధర తప్పుగా ఉంటే నాకు తెలియజేయండి (ఇది GitHubలో సమస్య లేదా పుల్ రిక్వెస్ట్ ద్వారా చేయవచ్చు - ).
కనుగొన్న
అయ్యో, ప్రారంభంలోనే TL;DR పేరాలో చేర్చబడిన వాటి కంటే మరింత నిర్దిష్ట సిఫార్సులను అందించడానికి చాలా సూక్ష్మ నైపుణ్యాలు ఉన్నాయి. అయినప్పటికీ, కొన్ని తీర్మానాలు ఇప్పటికీ తీసుకోవచ్చు:
- GKE మరియు EKS కాకుండా, AKS మరియు డిజిటల్ ఓషన్ నియంత్రణ లేయర్ వనరులకు వసూలు చేయవు. నిర్మాణం అనేక చిన్న సమూహాలను కలిగి ఉంటే AKS మరియు DO మరింత లాభదాయకంగా ఉంటాయి (ఉదాహరణకు, ఒక్కో క్లస్టర్ ప్రతి డెవలపర్ లేదా ప్రతి క్లయింట్).
- GKE యొక్క కొంచం తక్కువ ఖరీదు గల గణన వనరులు క్లస్టర్ పరిమాణాలు పెరిగేకొద్దీ దీన్ని మరింత లాభదాయకంగా చేస్తాయి*.
- ప్రీఎంప్టిబుల్ నోడ్‌లు లేదా దీర్ఘకాలిక నోడ్ అనుబంధాన్ని ఉపయోగించడం వల్ల ఖర్చులు 50% కంటే ఎక్కువ తగ్గుతాయి. గమనిక: డిజిటల్ ఓషన్ ఈ తగ్గింపులను అందించదు.
- Google యొక్క అవుట్‌బౌండ్ రుసుములు ఎక్కువగా ఉంటాయి, అయితే కంప్యూటింగ్ వనరుల ఖర్చు గణనలో నిర్ణయించే అంశం (మీ క్లస్టర్ గణనీయమైన మొత్తంలో అవుట్‌బౌండ్ డేటాను ఉత్పత్తి చేస్తే తప్ప).
- మీ పనిభారం యొక్క CPU మరియు మెమరీ అవసరాల ఆధారంగా మెషిన్ రకాలను ఎంచుకోవడం వలన మీరు ఉపయోగించని వనరులకు అదనపు చెల్లింపును నివారించవచ్చు.
- ఇతర ప్లాట్‌ఫారమ్‌లతో పోలిస్తే డిజిటల్ ఓషన్ vCPU కోసం తక్కువ ఛార్జీలు మరియు మెమరీ కోసం ఎక్కువ ఛార్జీలు వసూలు చేస్తుంది - ఇది కొన్ని రకాల కంప్యూట్ వర్క్‌లోడ్‌లకు నిర్ణయాత్మక అంశం.
*గమనిక: సాధారణ ప్రయోజన కంప్యూట్ నోడ్‌ల కోసం విశ్లేషణ డేటాను ఉపయోగిస్తుంది (సాదారనమైన అవసరం). ఇవి n1 GCP కంప్యూట్ ఇంజిన్ ఇన్‌స్టాన్స్‌లు, m5 AWS ec2 ఇన్‌స్టాన్స్‌లు, D2v3 అజూర్ వర్చువల్ మిషన్‌లు మరియు అంకితమైన CPUలతో DO డ్రాప్‌లెట్‌లు. ప్రతిగా, ఇతర రకాల వర్చువల్ మెషీన్‌ల (బర్స్టబుల్, ఎంట్రీ లెవల్) మధ్య పరిశోధన నిర్వహించడం సాధ్యమవుతుంది. మొదటి చూపులో, వర్చువల్ మెషీన్‌ల ధర vCPUల సంఖ్య మరియు మెమరీ మొత్తంపై సరళంగా ఆధారపడి ఉంటుంది, అయితే ఈ ఊహ అత్యంత ప్రామాణికం కాని మెమరీ/CPU నిష్పత్తుల కోసం నిజమని నాకు ఖచ్చితంగా తెలియదు.
వ్యాసంలో , 2018లో ప్రచురించబడింది, 100 vCPU కోర్లు మరియు 400 GB మెమరీతో రిఫరెన్స్ క్లస్టర్‌ని ఉపయోగించారు. పోలిక కోసం, నా లెక్కల ప్రకారం, ఈ ప్లాట్‌ఫారమ్‌లలో ప్రతి ఒక్కటి (ఆన్-డిమాండ్ సందర్భాలలో) ఒకే విధమైన క్లస్టర్‌కి క్రింది మొత్తం ఖర్చవుతుంది:
- AKS: 51465 USD/సంవత్సరం
- EKS: 43138 USD/సంవత్సరం
- GKE: 30870 USD/సంవత్సరం
- DO: 36131 USD/సంవత్సరం
నోట్‌బుక్‌తో పాటుగా ఈ కథనం ప్రధాన నిర్వహణలో ఉన్న కుబెర్నెట్స్ ఆఫర్‌లను అంచనా వేయడానికి మరియు/లేదా డిస్కౌంట్‌లు మరియు ఇతర అవకాశాలను సద్వినియోగం చేసుకోవడం ద్వారా క్లౌడ్ ఇన్‌ఫ్రాస్ట్రక్చర్‌పై డబ్బు ఆదా చేయడంలో మీకు సహాయపడుతుందని నేను ఆశిస్తున్నాను.
అనువాదకుని నుండి PS
మా బ్లాగులో కూడా చదవండి:
- «";
- «";
- «";
- «".
మూలం: www.habr.com