نوٹ. ترجمہ: امریکی DevOps انجینئر سڈ پالاس، استعمال کر رہے ہیں۔ ایک معلوماتی رہنما کے طور پر، میں نے دنیا کے معروف کلاؤڈ فراہم کنندگان سے منیجڈ کبرنیٹس سروس (مختلف کنفیگریشنز میں) کی لاگت کا موازنہ کیا۔ اس کے کام کا ایک اضافی فائدہ متعلقہ Jupyter Notebook کی اشاعت تھا، جو (Python کی کم سے کم معلومات کے ساتھ) آپ کی ضروریات کے مطابق کیے گئے حسابات کو ایڈجسٹ کرنے کی اجازت دیتا ہے۔
TL؛ ڈاکٹر: Azure اور Digital Ocean کنٹرول طیارے کے لیے استعمال کیے جانے والے کمپیوٹ وسائل کے لیے چارج نہیں کرتے ہیں، جس کی وجہ سے وہ بہت سے چھوٹے کلسٹرز کو تعینات کرنے کے لیے ایک اچھا انتخاب بناتے ہیں۔ بہت کم تعداد میں بڑے کلسٹرز چلانے کے لیے، GKE بہترین موزوں ہے۔ اس کے علاوہ، آپ اسپاٹ/پریمپٹیو/کم ترجیحی نوڈس کا استعمال کرکے یا ایک ہی نوڈس کے طویل مدتی استعمال کے لیے "سبسکرائب" کرکے لاگت کو نمایاں طور پر کم کرسکتے ہیں (یہ تمام پلیٹ فارمز پر لاگو ہوتا ہے)۔
کلسٹر سائز (کارکنوں کی تعداد)
مجموعی جائزہ
GKE کے ہر کلسٹر گھنٹے کے لیے 10 سینٹ فی کلسٹر گھنٹہ چارج کرنا شروع کرنے کے اعلان نے مجھے کبرنیٹس کی اہم پیش کشوں کی قیمتوں کا تجزیہ شروع کرنے پر آمادہ کیا۔
اس اعلان نے کچھ لوگوں کو بہت پریشان کر دیا ہے...
مضمون کے اہم کردار یہ ہیں:
- Google Kubernetes Engine (GCP) – ;
- لچکدار کبرنیٹس سروس (AWS) - ;
- Azure Kubernetes سروس (Azure) - ;
- ڈیجیٹل سمندر پر Kubernetes - .
لاگت کی خرابی۔
ان میں سے ہر ایک پلیٹ فارم پر Kubernetes استعمال کرنے کی کل لاگت درج ذیل اجزاء پر مشتمل ہے:
- کلسٹر مینجمنٹ فیس؛
- لوڈ بیلنسنگ (داخلے کے لیے)؛
- کارکنوں کے کمپیوٹنگ وسائل (vCPU اور میموری)؛
- ایگریس ٹریفک؛
- مستقل ذخیرہ؛
- لوڈ بیلنسر کے ذریعہ ڈیٹا پروسیسنگ۔
مزید برآں، کلاؤڈ فراہم کرنے والے اہم رعایتیں پیش کرتے ہیں اگر کلائنٹ چاہے/مکمل استعمال کر سکے۔ یا کم ترجیحی نوڈس یا 1-3 سال کے لیے وہی نوڈس استعمال کرنے کا عہد کرتا ہے۔
اس بات پر زور دینے کے قابل ہے کہ اگرچہ قیمت خدمات فراہم کرنے والوں کا موازنہ اور جائزہ لینے کے لیے ایک اچھی بنیاد ہے، لیکن دیگر عوامل کو بھی مدنظر رکھا جانا چاہیے:
- اپ ٹائم (سروس لیول ایگریمنٹ)؛
- ارد گرد بادل ماحولیاتی نظام؛
- K8s کے دستیاب ورژن؛
- دستاویزات / ٹول کٹ کا معیار۔
تاہم، یہ عوامل اس مضمون/مطالعہ کے دائرہ کار سے باہر ہیں۔ میں EKS، AKS اور GKE کے لیے غیر قیمت کے عوامل پر تفصیل سے بات کی گئی ہے۔
Jupyter نوٹ بک
سب سے زیادہ منافع بخش حل تلاش کرنا آسان بنانے کے لیے، میں نے تیار کیا ہے۔ ، اس میں پلاٹلی + ipywidgets کا استعمال کرتے ہوئے یہ آپ کو مختلف کلسٹر سائز اور سروس سیٹس کے لیے فراہم کنندہ کی پیشکشوں کا موازنہ کرنے کی اجازت دیتا ہے۔
آپ بائنڈر میں نوٹ پیڈ کے لائیو ورژن کے ساتھ مشق کر سکتے ہیں:
مجھے بتائیں کہ کیا حساب یا اصل قیمتیں غلط ہیں (یہ گٹ ہب پر کسی مسئلے یا پل کی درخواست کے ذریعے کیا جا سکتا ہے - ).
نتائج
افسوس، شروع میں TL؛ DR پیراگراف میں شامل کردہ سفارشات سے زیادہ مخصوص سفارشات فراہم کرنے کے لیے بہت ساری باریکیاں ہیں۔ تاہم، کچھ نتائج اب بھی اخذ کیے جا سکتے ہیں:
- GKE اور EKS کے برعکس، AKS اور Digital Ocean کنٹرول پرت کے وسائل کے لیے چارج نہیں کرتے ہیں۔ AKS اور DO زیادہ منافع بخش ہیں اگر فن تعمیر میں بہت سے چھوٹے کلسٹرز شامل ہوں (مثال کے طور پر، ایک کلسٹر فی ہر ڈویلپر یا ہر کلائنٹ).
- GKE کے قدرے کم مہنگے کمپیوٹ وسائل اسے زیادہ منافع بخش بناتے ہیں کیونکہ کلسٹر سائز میں اضافہ ہوتا ہے*۔
- قبل از وقت نوڈس یا طویل مدتی نوڈ وابستگی کا استعمال لاگت کو 50% سے زیادہ کم کر سکتا ہے۔ نوٹ: ڈیجیٹل اوشین یہ رعایتیں پیش نہیں کرتا ہے۔
- گوگل کی آؤٹ باؤنڈ فیس زیادہ ہے، لیکن کمپیوٹنگ کے وسائل کی لاگت حساب میں ایک تعین کرنے والا عنصر ہے (جب تک کہ آپ کا کلسٹر آؤٹ باؤنڈ ڈیٹا کی ایک خاص مقدار پیدا نہیں کر رہا ہے)۔
- آپ کے کام کے بوجھ کی CPU اور میموری کی ضروریات کی بنیاد پر مشین کی اقسام کا انتخاب آپ کو غیر استعمال شدہ وسائل کے لیے اضافی ادائیگی سے بچنے میں مدد کرے گا۔
- ڈیجیٹل اوشین دوسرے پلیٹ فارمز کے مقابلے vCPU کے لیے کم اور میموری کے لیے زیادہ چارج کرتا ہے - یہ کچھ قسم کے کمپیوٹ ورک بوجھ کے لیے فیصلہ کن عنصر ہو سکتا ہے۔
*نوٹ: تجزیہ عام مقصد کے کمپیوٹ نوڈس کے لیے ڈیٹا کا استعمال کرتا ہے۔ (عام مقصد). یہ ہیں n1 GCP کمپیوٹ انجن مثالیں، m5 AWS ec2 مثالیں، D2v3 Azure ورچوئل مشینیں اور وقف شدہ CPUs کے ساتھ DO ڈراپلیٹ۔ اس کے نتیجے میں، دیگر اقسام کی ورچوئل مشینوں کے درمیان تحقیق کرنا ممکن ہے (برسٹ ایبل، انٹری لیول)۔ پہلی نظر میں، ورچوئل مشینوں کی لاگت کا انحصار وی سی پی یو کی تعداد اور میموری کی مقدار پر ہوتا ہے، لیکن مجھے یقین نہیں ہے کہ یہ مفروضہ انتہائی غیر معیاری میموری/سی پی یو تناسب کے لیے درست ثابت ہوگا۔
مضمون میں 2018 میں شائع ہوا، 100 vCPU کور اور 400 GB میموری کے ساتھ ایک حوالہ کلسٹر استعمال کیا۔ مقابلے کے لیے، میرے حساب کے مطابق، ان پلیٹ فارمز میں سے ہر ایک پر ایک جیسا کلسٹر (آن ڈیمانڈ مثالوں کے لیے) درج ذیل رقم خرچ کرے گا:
- AKS: 51465 USD/سال
- EKS: 43138 USD/سال
- GKE: 30870 USD/سال
- DO: 36131 USD/سال
مجھے امید ہے کہ نوٹ بک کے ساتھ یہ مضمون آپ کو مین مینیجڈ Kubernetes پیشکشوں کا جائزہ لینے اور/یا رعایت اور دیگر مواقع سے فائدہ اٹھا کر کلاؤڈ انفراسٹرکچر پر پیسہ بچانے میں مدد کرے گا۔
مترجم سے PS
ہمارے بلاگ پر بھی پڑھیں:
- «؛ "
- «؛ "
- «؛ "
- «'.
ماخذ: www.habr.com