#Обзор функции

Поддержка Immutable Infrastructure предоставляет комплексные возможности управления кластером и облачной инфраструктурой, разработанные для корпоративных развертываний Kubernetes. Эта платформа использует передовые методы автоматизации и принципы инфраструктуры как кода для обеспечения надежных, масштабируемых и удобных в сопровождении инфраструктурных решений.

#Управление кластером

Наша платформа предлагает полный цикл управления жизненным циклом Kubernetes-кластера с применением принципов immutable OS, обеспечивая согласованные и воспроизводимые развертывания в различных средах.

#Создание кластера

• Поддержка Immutable OS: Создание кластеров с использованием паттернов immutable OS для повышения безопасности и согласованности
• Автоматическое Provisioning вычислительных ресурсов: Автоматическое выделение вычислительных инстансов с преднастроенными спецификациями
• Автоматизация Bootstrap: Автоматизированный запуск кластера с минимальным участием вручную

#Удаление кластера

• Полная очистка ресурсов: Комплексный процесс удаления, который удаляет все связанные ресурсы
• Освобождение ресурсов провайдера: Корректное освобождение ресурсов провайдера для предотвращения «осиротевших» инстансов

#Масштабирование кластера

• Горизонтальное масштабирование: Добавление или удаление рабочих узлов для удовлетворения требований нагрузки
• Автоматическое управление вычислительными ресурсами: Автоматическое создание и освобождение инстансов при операциях масштабирования
• Масштабирование без простоев: Выполнение операций масштабирования без прерывания сервиса

#Обновление кластера

• Управление версиями Kubernetes: Плавные обновления до новых версий Kubernetes

#Поддерживаемые провайдеры инфраструктуры

Наша платформа использует модель подключаемых провайдеров, согласованную с провайдерами инфраструктуры Cluster API. Она предназначена для работы с несколькими инфраструктурными платформами. В настоящее время поддерживается провайдер инфраструктуры DCS, а также ведется работа по добавлению дополнительных провайдеров.

• Независимый от провайдера дизайн: Основные рабочие процессы едины для всех провайдеров
• Текущая поддержка: провайдер инфраструктуры DCS
• Дорожная карта: добавляются дополнительные провайдеры

#Управление вычислительными ресурсами

Продвинутое управление жизненным циклом виртуальных машин с корпоративными функциями для оптимального использования ресурсов и производительности.

#Операции жизненного цикла вычислительных ресурсов

• Создание вычислительных инстансов: Выделение инстансов с настраиваемыми спецификациями и конфигурациями
• Удаление вычислительных инстансов: Безопасное удаление с корректной очисткой ресурсов

#Опции конфигурации вычислительных ресурсов

• Выбор инстанса/флейвора: Выбор из предопределенных типов инстансов или флейворов, оптимизированных для различных нагрузок
• Настройка размера: Гибкие варианты размеров — от небольших инстансов для разработки до крупных для производственных нагрузок
• Распределение ресурсов: Точный контроль над выделением CPU, памяти и хранилища
• Настройка сети: Расширенные сетевые опции, включая пользовательские подсети и группы безопасности
• Опции хранения: Несколько типов и классов хранилища (например, SSD, HDD, NVMe) для различных требований к производительности

#Сценарии использования

#Сценарий 1: Высокодоступная управляющая плоскость

Сценарий: Развернуть производственный кластер с высокодоступной управляющей плоскостью для обеспечения стабильности кластера.

Реализация:

• Развертывание управляющей плоскости из 3 узлов с автоматическим переключением при сбое
• Узлы управляющей плоскости распределены по разным зонам доступности (при поддержке инфраструктуры)
• Балансировщик нагрузки автоматически распределяет трафик API-сервера
• Автоматическое восстановление отказавших компонентов управляющей плоскости

Преимущества:

• Отсутствие единой точки отказа в управляющей плоскости
• Кластер остается работоспособным даже при сбое одного узла управляющей плоскости
• Автоматическое восстановление снижает необходимость ручного вмешательства

#Сценарий 2: Горизонтальное масштабирование под нагрузку

Сценарий: Реагировать на возросшую нагрузку приложения добавлением рабочих узлов, затем уменьшать масштаб при снижении нагрузки.

Реализация:

• Изменение поля replicas в ресурсе MachineDeployment
• Cluster API автоматически выделяет новые узлы на основе Machine Template
• Новые узлы автоматически присоединяются к кластеру и становятся готовыми к обработке нагрузки
• При уменьшении масштаба узлы корректно сливаются и удаляются

Преимущества:

• Реакция на изменения нагрузки за минуты, а не часы
• Автоматическое масштабирование снижает операционные затраты

#Сценарий 3: Пошаговые обновления без простоев

Сценарий: Обновить версию Kubernetes или шаблон VM без прерывания работы приложений.

Реализация:

• Обновление Machine Template или версии Kubernetes в управляющей плоскости/MachineDeployment
• Cluster API выполняет пошаговое обновление: создает новые узлы, ожидает их готовности, затем удаляет старые узлы
• Параметры maxSurge и maxUnavailable настраивают поведение обновления
• Поды автоматически сливаются со старых узлов и перезапускаются на новых

Преимущества:

• Обновления без простоев для критически важных приложений
• Постепенное развертывание позволяет выявлять проблемы на ранних этапах
• Легкий откат при обнаружении ошибок
• Нет необходимости в ручном повторном выделении узлов

#Сценарий 4: Управление несколькими пулами узлов

Сценарий: Запускать различные типы нагрузок на выделенных пулах узлов с разными конфигурациями.

Реализация:

• Создание нескольких MachineDeployments, каждый с разными Machine Templates
• Настройка различных распределений ресурсов (CPU, память, хранилище) для каждого пула
• Использование меток узлов и taints для контроля размещения нагрузки
• Масштабирование каждого пула независимо в зависимости от требований нагрузки

Примеры пулов:

• Общий пул: сбалансированное CPU/память для типичных нагрузок
• Пул с оптимизацией под вычисления: высокий CPU для пакетной обработки или сборок
• Пул с оптимизацией под память: большая память для баз данных или кэширования

Преимущества:

• Оптимизация распределения ресурсов под разные типы нагрузок
• Изоляция нагрузок для безопасности и производительности
• Независимое масштабирование по типам нагрузки
• Оптимизация затрат за счет правильного размера ресурсов