OpenShift Virtualization 上的虚拟机部署最佳做法

本文档提供有关在 Azure Red Hat OpenShift 上使用 OpenShift 虚拟化部署虚拟机（VM）时优化性能和成本效益的指导。 本指南还解决了应用程序性能方面的任何问题，并为成功部署提供了可行的步骤。

优化方法

优化 VM 部署首先了解应用程序工作负载并相应地调整基础结构选择。 与本机 VM 或 pod 部署相比，在 Azure Boost 计算机上进行 OpenShift 虚拟化部署会为集群的工作节点引入体系结构开销。 规划容量和性能应考虑到此开销。

工作负荷标识

在预配 VM 之前，请对工作负荷进行分类，以确定其性能和资源要求。 常见工作负荷类型包括：

• 常规用途： Web 服务器、应用程序服务器、内容管理系统。
• 数据库： 需要一致的 IOPS 和内存的关系数据库和 NoSQL 数据库。
• 实时分析： 低延迟数据处理、操作仪表板。
• AI/ML： 需要高 CPU/GPU 和内存的计算密集型工作负荷。
• 数据流式处理和消息传送： 高吞吐量、低延迟事件驱动的体系结构。
• 批处理： 定期或按需作业处理大量数据。
• 高性能计算（HPC）： 科学模拟、财务建模。
• Edge 和 IoT： 聚合和处理分布式传感器中的数据。
• 媒体处理： 视频编码/解码、图像转换、流式处理。
• 开发/测试环境： 用于开发和测试的临时环境。

每个工作负荷类型都具有影响 VM 大小调整、存储配置和性能优化策略的独特特征。

正确调整应用程序工作负荷的大小

正确调整大小的关键注意事项

• 最低核心要求： OpenShift 虚拟化至少需要 8 个 （8） 个核心 Azure VM，用于 OpenShift 工作节点。
• 体系结构开销： 性能可能因配置环境时做出的体系结构决策而异，包括实例类型、存储和网络特征。
• 横向扩展： 对于要求苛刻的工作负荷，通过添加更多节点来横向扩展 Azure Red Hat OpenShift 群集有助于克服资源争用和维护吞吐量。
• 对工作负荷进行基准测试： 避免仅依赖本地大小调整引用;对自己的工作负载进行基准测试，以告知正确的大小调整。
• 成本因素： 考虑 Azure 计算成本、OpenShift 许可、VM 许可和可伸缩性要求。

正确的大小可确保 VM 预配足够的资源来满足性能目标，而无需过度预配。 此过程在云环境中至关重要，其中资源效率直接影响成本和性能。

调整工作负荷大小的步骤

1. 定义健康指标

   • CPU 使用率：目标 60–70% 平均使用量。
   • 内存压力：监视交换使用情况、内存饱和度和页面错误。
   • IO 压力：测量磁盘延迟、吞吐量和队列深度。

2. 设置监视

   • 使用 Prometheus 和 Grafana 进行实时指标收集和可视化。
   • 启用 KubeVirt 的指标以获取关于虚拟机（VM）层面的洞察信息。
   • 通过 Azure Arc 与 Azure Monitor 集成，将基础结构级指标与应用程序性能相关联。

3. 分析历史数据

   • 查看一段时间内的性能趋势。
   • 确定高峰使用周期和资源饱和事件。
   • 使用历史基线来指导未来的自动缩放决策。

4. 调整 VM 规范

   • 根据观察到的指标从 Dsv5 或 Dsv6 系列中选择适当的 VM 大小。
   • 请考虑 CPU、内存、磁盘 IOPS 和网络吞吐量需求。
   • 通过将资源与实际使用模式保持一致来避免过度预配。
   • 查看有关优化资源配置的 Red Hat 指南 - 宣布为 OpenShift 虚拟化推出优化资源配置功能 | Red Hat 开发人员。

5. 测试和验证

   • 使用 Apache JMeter、Locust 或 stress-ng 等工具执行负载测试。
   • 根据定义的运行状况指标和性能目标进行验证。
   • 迭代配置更改并重新测试以确认改进。

微调环境

微调 OpenShift 虚拟化环境对于实现最佳性能至关重要，尤其是对于要求苛刻的工作负荷。 以下最佳做法派生自 Azure Boost VM 系列（Dsv5/Dsv6）上的广泛基准测试和实际体验。

性能优化策略

• 针对要求苛刻的工作负载，进行横向或纵向扩展： 在您的 Azure Red Hat OpenShift 集群中添加更多节点或扩大节点规模，以支持高并发性或资源密集型的应用程序。
• 避免严格的资源限制： 仅为 VM 设置来宾内存;除非治理需要，否则请避免严格的资源限制。
• 优化存储和网络配置： 选择符合工作负荷需求的存储解决方案和性能层。 对于网络密集型工作负荷，请优化 NAPI 和多队列等设置，并监视吞吐量和延迟。
• 定期监视和基准测试： 使用 Prometheus、Grafana 和 Azure Monitor 跟踪关键指标。 对自己的工作负载进行基准测试，以验证性能并指导进一步优化。
• 预计体系结构的开销：相应地规划容量和设置预期，特别是针对 I/O 或网络需求较高的工作负荷。

VM 超额资源分配调整

OpenShift Virtualization 操作员允许调整 CPU 和内存过度提交比率，使你可以分配比物理可用更多的虚拟资源。 此更改可以提高密度和资源利用率，但可能会增加争用并影响性能。

过度提交参数调整的最佳实践

• 对生产工作负荷使用谨慎的超量分配。
• 请考虑在开发/测试环境中进行更高比例的资源超配。
• 根据需要监视资源使用情况并调整比率。

有关详细信息，请参阅 配置更高的 VM 工作负荷密度

基于基准的最佳做法

• 数据库工作负荷： 避免为 VM 设置资源请求和限制。 使用快速存储和高并发时密切监视性能。 扩展群集节点以支持大型数据库部署。
• 网络工作负载： 优化网络设置以实现最佳吞吐量。 根据需要横向扩展以实现所需的网络吞吐量。

存储解决方案优化

• OpenShift Data Foundation （ODF）： 使用 SSD 支持的存储进行低延迟访问。 根据工作负荷需求配置复制和擦除编码策略。 为了防止应用程序计算资源的竞争，请考虑为 ODF 创建一个独立的工作池，使用较小的 Azure VM 实例大小，比如 Ds16v5 作为一个很好的起点，并运用污点/容忍度机制以确保 ODF 是唯一被安置在此的工作负载。 监视存储性能并根据需要调整复制因素。
• Azure NetApp 文件（ANF）： 根据 IOPS 和吞吐量要求选择性能层。 确保正确的装载选项和网络配置以获得最佳性能。 使用卷快照和备份来支持数据保护和恢复策略。

相关内容

适用于 Azure Red Hat OpenShift 的 OpenShift 虚拟化。