Сокращайте затраты и масштабируйтесь эффективнее в ROSA с Karpenter на Amazon Web Services

Организации, запускающие контейнеризированные приложения в Red Hat OpenShift Service on AWS (ROSA), получают преимущества эластичности Kubernetes, однако многие по-прежнему сталкиваются с недоиспользованием ресурсов из-за жёстких пулов узлов и ручных практик масштабирования.

Для решения этой задачи Red Hat предлагает Red Hat build of Karpenter (Technology Preview) — полностью управляемый автоскейлер, основанный на созданном AWS open-source проекте. Karpenter меняет подход к выделению вычислительных ресурсов, запуская оптимальные экземпляры Amazon EC2 именно в тот момент, когда они требуются нагрузкам — без заранее заданных типов инстансов и без избыточных пулов.

С поддержкой Softprom, официального партнёра AWS, организации могут внедрить Karpenter для значительного снижения затрат на вычислительные ресурсы ROSA и повышения операционной эффективности.

Проблема масштабирования узлов в ROSA

Традиционные подходы основаны на:

• Статических пулах машин с фиксированными типами инстансов
• Kubernetes Cluster Autoscaler, который добавляет больше таких же узлов
• Избыточном резервировании для предотвращения нехватки ресурсов
• Неэффективном bin-packing и «зависших» ресурсах
• Ручном управлении несколькими пулами узлов
• Проблемах доступности при дефиците конкретного типа инстансов

В масштабах нескольких сред и команд эти неэффективности приводят к значительным лишним расходам в облаке.

Как Karpenter меняет модель

В отличие от автоскейлеров, основанных на группах узлов, Karpenter работает на уровне подов.

Когда поды не могут быть размещены, Karpenter:

1. Анализирует требования к CPU, памяти, GPU, топологии и affinity
2. Моделирует размещение среди сотен вариантов инстансов
3. Использует API EC2 CreateFleet для запуска оптимального инстанса
4. Постоянно оценивает узлы для консолидации и оптимизации размеров

Karpenter может выбирать из более чем 400 типов EC2 инстансов:

• Архитектуры x86 и Arm (AWS Graviton)
• Модели On-Demand и Spot
• Несколько зон доступности

В результате инфраструктура всегда соответствует текущим требованиям и постоянно оптимизируется.

Механизмы оптимизации затрат

Karpenter обеспечивает экономию за счёт:

Вертикальной оптимизации размеров

Типы и размеры инстансов динамически подстраиваются под требования нагрузок.

Горизонтальной эластичности

Рабочие узлы масштабируются точно в соответствии с потребностями приложений.

Выбора оптимального рынка

Автоматическое использование Spot, On-Demand Capacity Reservations (ODCR) и On-Demand в зависимости от доступности и цены.

Непрерывной консолидации

Недоиспользуемые узлы заменяются более подходящими инстансами.

Операционной экономии

Командам платформ больше не нужно управлять сложной логикой пулов машин.

Преимущества Red Hat build of Karpenter для ROSA (HCP)

При использовании с ROSA Hosted Control Planes:

• Контроллеры Karpenter работают в control plane (без нагрузки на worker-узлы)
• Можно включить в существующих кластерах после обновления
• Независимые обновления control plane, узлов и Karpenter
• Может работать параллельно с Cluster Autoscaler для поэтапной миграции
• Поддержка ODCR и EC2 Capacity Blocks для ML-нагрузок
• Расширенные настройки kubelet и оптимизация узлов

Устойчивость и соотношение цена/производительность

Karpenter интеллектуально приоритизирует использование инстансов AWS Graviton там, где это возможно, что улучшает:

• Соотношение цена/производительность
• Энергоэффективность
• Соответствие принципам AWS Well-Architected Sustainability Pillar

Соответствие требованиям безопасности и комплаенса

Karpenter нативно интегрируется с корпоративными моделями безопасности:

• Использует одобренные OpenShift AMI
• Запускает узлы только в разрешённых VPC-подсетях и группах безопасности
• Интегрируется с AWS Identity and Access Management и AWS STS для принципа наименьших привилегий
• Поддерживает стандарты соответствия Red Hat (FIPS, SOC2, FedRAMP)
• Учитывает Kubernetes taints, tolerations и ограничения планирования

Практические результаты для клиентов ROSA

Организации, внедрившие Karpenter в ROSA, обычно достигают:

• Значительного сокращения избыточных вычислительных ресурсов
• Лучшего bin-packing и загрузки узлов
• Более быстрого размещения нагрузок
• Снижения операционной нагрузки на платформенные команды
• Повышенной устойчивости при дефиците ресурсов

Как помогает Softprom

Softprom поддерживает клиентов ROSA в следующих направлениях:

• Анализ текущего использования узлов и профиля затрат
• Проектирование архитектуры Karpenter и планирование миграции
• Интеграция с существующими политиками автоскейлинга и управления
• Оптимизация использования Spot, Graviton и резервирования мощностей
• Постоянная стратегия оптимизации затрат в AWS

Заключение

Karpenter кардинально меняет подход к выделению вычислительных ресурсов в ROSA. Переход от статических групп узлов к интеллектуальному автоскейлингу на уровне подов позволяет организациям сократить потери ресурсов, повысить эффективность использования и упростить операции. По мере выхода Red Hat build of Karpenter в общую доступность для ROSA эта возможность станет ключевым инструментом оптимизации затрат OpenShift в AWS.