Зменшуйте витрати та масштабуйтеся ефективніше в ROSA з Karpenter на Amazon Web Services

Організації, що запускають контейнеризовані застосунки в Red Hat OpenShift Service on AWS (ROSA), отримують переваги еластичності Kubernetes, однак багато хто досі стикається з недовикористанням ресурсів через жорсткі пули вузлів і ручні підходи до масштабування.

Для вирішення цієї задачі Red Hat пропонує Red Hat build of Karpenter (Technology Preview) — повністю керований автоскейлер, заснований на створеному AWS open-source проєкті. Karpenter змінює підхід до виділення обчислювальних ресурсів, запускаючи оптимальні екземпляри Amazon EC2 саме тоді, коли вони потрібні навантаженням — без заздалегідь визначених типів інстансів і без надлишкових пулів.

За підтримки Softprom, офіційного партнера AWS, організації можуть впровадити Karpenter для значного зниження витрат на обчислювальні ресурси ROSA та підвищення операційної ефективності.

Проблема масштабування вузлів у ROSA

Традиційні підходи базуються на:

• Статичних пулах машин із фіксованими типами інстансів
• Kubernetes Cluster Autoscaler, який додає більше таких самих вузлів
• Надлишковому резервуванні для уникнення дефіциту ресурсів
• Неефективному bin-packing і «завислих» ресурсах
• Ручному керуванні кількома пулами вузлів
• Проблемах доступності при дефіциті певного типу інстансів

У масштабі кількох середовищ і команд ці неефективності призводять до значних зайвих витрат у хмарі.

Як Karpenter змінює модель

На відміну від автоскейлерів, що працюють на основі груп вузлів, Karpenter працює на рівні подів.

Коли поди не можуть бути розміщені, Karpenter:

1. Аналізує вимоги до CPU, пам’яті, GPU, топології та affinity
2. Моделює розміщення серед сотень варіантів інстансів
3. Використовує API EC2 CreateFleet для запуску оптимального інстанса
4. Постійно оцінює вузли для консолідації та оптимізації розмірів

Karpenter може обирати з понад 400 типів EC2 інстансів:

• Архітектури x86 та Arm (AWS Graviton)
• Моделі On-Demand і Spot
• Кілька зон доступності

У результаті інфраструктура завжди відповідає поточним потребам і постійно оптимізується.

Механізми оптимізації витрат

Karpenter забезпечує економію завдяки:

Вертикальній оптимізації розмірів

Типи та розміри інстансів динамічно підлаштовуються під вимоги навантажень.

Горизонтальній еластичності

Робочі вузли масштабуються точно відповідно до потреб застосунків.

Вибору оптимального ринку

Автоматичне використання Spot, On-Demand Capacity Reservations (ODCR) та On-Demand залежно від доступності й ціни.

Безперервній консолідації

Недовикористані вузли замінюються більш відповідними інстансами.

Операційній економії

Платформеним командам більше не потрібно керувати складною логікою пулів машин.

Переваги Red Hat build of Karpenter для ROSA (HCP)

При використанні з ROSA Hosted Control Planes:

• Контролери Karpenter працюють у control plane (без навантаження на worker-вузли)
• Можна увімкнути в існуючих кластерах після оновлення
• Незалежні оновлення control plane, вузлів і Karpenter
• Може співіснувати з Cluster Autoscaler для поступової міграції
• Підтримка ODCR і EC2 Capacity Blocks для ML-навантажень
• Розширене налаштування kubelet і оптимізація вузлів

Стійкість і співвідношення ціна/продуктивність

Karpenter інтелектуально пріоритизує використання інстансів AWS Graviton там, де це можливо, що покращує:

• Співвідношення ціна/продуктивність
• Енергоефективність
• Відповідність принципам AWS Well-Architected Sustainability Pillar

Відповідність вимогам безпеки та комплаєнсу

Karpenter нативно інтегрується з корпоративними моделями безпеки:

• Використовує схвалені OpenShift AMI
• Запускає вузли лише в дозволених VPC-підмережах і групах безпеки
• Інтегрується з AWS Identity and Access Management та AWS STS для принципу найменших привілеїв
• Підтримує стандарти відповідності Red Hat (FIPS, SOC2, FedRAMP)
• Враховує Kubernetes taints, tolerations і обмеження планування

Практичні результати для клієнтів ROSA

Організації, що впровадили Karpenter у ROSA, зазвичай досягають:

• Суттєвого скорочення надлишкових обчислювальних ресурсів
• Кращого bin-packing і завантаження вузлів
• Швидшого розміщення навантажень
• Зменшення операційного навантаження на платформені команди
• Підвищеної надійності при дефіциті ресурсів

Як допомагає Softprom

Softprom підтримує клієнтів ROSA в таких напрямах:

• Оцінка поточного використання вузлів і профілю витрат
• Проєктування архітектури Karpenter і планування міграції
• Інтеграція з наявними політиками автоскейлінгу та управління
• Оптимізація використання Spot, Graviton і резервування потужностей
• Постійна стратегія оптимізації витрат в AWS

Висновок

Karpenter кардинально змінює підхід до виділення обчислювальних ресурсів у ROSA. Перехід від статичних груп вузлів до інтелектуального автоскейлінгу на рівні подів дозволяє організаціям зменшити втрати ресурсів, підвищити ефективність використання та спростити операції. З виходом Red Hat build of Karpenter у загальну доступність для ROSA ця можливість стане ключовим інструментом оптимізації витрат OpenShift в AWS.