-
a)
Αρχικά κατεβάζω το Dockerfile και το hello.py από το git repo και έπειτα αλλάζω το return του app σε: return str(os.getenv('MESSAGE')) για να επιστρέφει το enviroment variable MESSAGE. Έπειτα κάνω build χρησιμοποιόντας το Dockerfile εκτελώντας: docker build -t "flask-task1:1.0" . Έχοντας το νέο image, προσθέτω ένα tag για το remote repo και έπειτα κάνω push το image στο Dockerhub.
-
b)
Άρχικα αντιγράφω το flask.yaml του παραδείγματος και κάνω τις εξής αλλαγές: 1) Αλλάζω το path από /hello σε /first και /second για τα 2 yaml 2) Αλλάζω το image που κάνει pull για να παίρνει αυτό που ανέβασα πριν 3) Προσθέτω το enviroment variable MESSAGE και προσθέτω το μύνημα της εκφώνησης
Κάνοντας: kubectl apply -f first.yaml kubectl apply -f second.yaml minikube tunnel Μπορούμε να δούμε στο 127.0.0.1/first και 127.0.0.1/second τα μυνήματα που βάλαμε στα enviroment variables.
-
c)
Ουσιαστικά στο προηγούμενο ερώτημα αφού μπορούμε να δούμε σωστά τα μυνήματα στον Browser μπορούμε να καταλάβουμε ότι λειτουργεί σωστά. Τα βήματα από την αρχή είναι: 1) minikube start 2) minikube addons enable ingress
3) minikube tunnel (σε άλλο τερματικό)
4) kubectl apply -f first.yaml 5) kubectl apply -f second.yaml\ 6) curl localhost/first -UseBasicParsing 7) curl localhost/second -UseBasicParsing και μπορούμε να δούμε και εκεί τα μυνήματα που έχουμε
-
a)
Περιορισμός Pod σε 20% cpu και 256MB ram.
Κάνω enable τον metrics-server: minikube addons enable metrics-server Η εντολή που χρησιμποιώ για το autoscaling είναι: kubectl autoscale deployment flask-first --cpu-percent=80 --min=1 --max=8 Άρα συνεχίζοντας από την προηγούμενη άσκηση κάνουμε πάλι: kubectl apply -f first.yaml kubectl apply -f locust.yaml kubectl autoscale deployment flask-first --cpu-percent=80 --min=1 --max=8 minikube ip
Βάζω 100 χρήστες και 1 ανα δευτερόλεπτο στο 1ο service.
Ξεκινάω το benchmark και βλέπω ότι ο autoscaler σηκώνει κατευθείαν 3 extra replicas και έχει 4 pod συνολικά με το κάθε ένα να έχει 250 RPS περίπου.
Συνεχίζει σηκώνοντας και ένα πέμπτο pod και φτάνει στα 1250RPS
Παρατηρώ ότι σηκώνει άλλα 3 replicas και πάει στα 8 συνολικά. Εκεί σταματάει να σηκώνει και άλλα γύρω στα 1300 RPS. Θεωρητικά μπορούσε και με 6 pods να κάνει το service αλλά έτσι θα ήταν πολύ πιο πάνω από το 80% threshold που έχει. Εκεί σταματάει να δημιουργεί και άλλα Pods.
Επομένως με τον autoscaler μπορούμε να έχουμε 1300RPS με 74% cpu utilization ενώ με το 1 Pod είχαμε 250RPS στο 100% cpu utilization
-
a)
Κάνω install το Helm με χρησιμοποιόντας τον choco windows package manager: choco install kubernetes-helm Έπειτα ακολουθόντας τις οδηγίες από το artifacthub.io : 1) helm repo add ingress-nginx https://kubernetes.github.io/ingress-nginx 2) helm repo update 3) helm install hy548-ingress ingress-nginx/ingress-nginx
Η αλλαγή που πρέπει να κάνω στα YAMLs είναι να προσθέσω το: ingressClassName: nginx
Μετά κάνω : minikube tunnel kubectl apply -f first.yaml kubectl apply -f second.yaml
Βλέπουμε στο κάθε path το σωστό μήνυμα επομένως δουλεύει.
-
a)
Άρχικά φτιάχνω το Helm chart: helm create task4 Έπειτα κάνω τις εξής αλλαγές: 1) values.yaml Βάζω στο image αυτό που ανέβασα στο Dockerhub και να κάνει πάντα pull. Αλλάζω το Port στο server από 80 σε 8080 Κάνω enable το ingress με className: "nginx" και προσθέτω το annotation. Επίσης βγάζω τον host που μου είχε προσθέσει. Βάζω στα resources cpu limit 250m που ζητάει η εκφώνηση. Κάνω enable το autoscaling με min-max στα 1 έως 20 που ορίζει η εκφώνηση και προσθέτω στο message το "this is the third service!"
2) deployments.yaml Προσθέτω το enviroment variable που θα έχει το message
3) service.yaml Αλλάζω το targetPort
4) ingress.yaml Αφαιρώ τις γραμμές που ήταν για τους hosts καθώς το έβγαλα και από το values.yaml Επομένω μπορώ να τρέξω: helm install third task4 --values task4/values.yaml και όταν πάω στο 127.0.0.1/third βλέπω το message
Επίσης θα μπορούσα αντί να δηλώσω τα replicates, limits κτλπ μέσα στο values.yaml να τα βάλω και σαν command line args όταν κάνω το helm install π.χ με --set autoscaling.maxReplicates=20
