Datadog의 Kubernetes 리소스 활용도 보기를 사용하면 인프라스트럭처 전반에서 Kubernetes 워크로드가 컴퓨팅 리소스를 어떻게 사용하고 있는지에 대한 인사이트를 얻을 수 있습니다. 이를 통해 리소스 사용량을 파악하고 크기 조정 및 용량 계획에 대한 보다 나은 결정을 내릴 수 있을 뿐만 아니라 CPU 또는 메모리 낭비를 줄일 수 있습니다.

리소스 요청과 제한이 파드의 현재 사용량과 얼마나 잘 일치하는지 지속적으로 업데이트되는 상태를 통해 Kubernetes 클러스터 내에서 빈(bin) 패킹을 개선할 수 있습니다.

전제 조건

• Datadog Agent v7.45.0+
• Orchestrator 탐색기 사용

사용법

Datadog에서 쿠버네티스(Kubernetes) 개요 페이지로 이동하여 ** 리소스 활용** 탭을 선택합니다.

Pods에서 페이지가 열리며, 기본적으로 kube_cluster_name, kube_namespace, kube_deployment에 의해 그룹화됩니다.

CPU와 메모리에 대한 크기 최적화는 일반적으로 개별적으로 수행됩니다. 표의 데이터는 CPU와 Memory 토글로 나뉩니다.

기본 열

우측 상단의 Customize 버튼을 사용하여 확인하고자 하는 다른 열을 선택합니다. 색상 코딩은 파드 프로비저닝의 과잉/부족 정도를 반영합니다.

상세 보기

행을 클릭하면 각 그룹의 CPU 및 메모리 데이터 조합이 포함된 측면 패널이 열리고 각 파드 또는 컨테이너에 대한 자세한 그래프와 파드의 상위 목록이 표시됩니다.

개별 파드 또는 컨테이너 그래프는 부하 불균형이 발생할 경우 그룹에 영향을 미칠 수 있는 이상값을 식별하는 데 도움이 됩니다. 기본적으로 그래프는 개별 파드를 표시하기 위해 pod_name으로 그룹화됩니다. 이를 kube_container_name 그룹 기준으로 변경하여 멀티 컨테이너 파드의 경우 오버/언더 프로비저닝에 가장 많이 기여하는 컨테이너를 식별할 수 있습니다.

유휴 리소스 최적화

유휴 CPU와 메모리는 파드가 즉시 스로틀링되거나 종료되지 않고 애플리케이션을 확장할 수 있는 공간을 확보하는 데 필요합니다.

유휴 CPU 및 메모리가 너무 많으면 불필요한 비용이 증가할 수 있지만 리소스 사용이 증가하면 성능과 안정성이 저하될 위험이 있습니다.

이러한 균형을 유지하려면 그래프를 조정하여 더 긴 타임스팬을 확인하고, 가장 최근의 사용량만을 기준으로 리소스 크기를 결정하지 마세요. 이 메트릭은 표준 Kubernetes 메트릭이므로 모든 Datadog 메트릭과 마찬가지로 쿼리할 수 있습니다. 예를 들어 필요 시 지난 15개월 동안 전체 해상도로 쿼리할 수 있습니다.

알려진 제한사항

요청 또는 한도를 설정하지 않은 컨테이너가 있는 파드가 하나 이상 포함된 그룹에는 메트릭이 표시되지 않습니다. Datadog은 이러한 지표가 없으면 사용 비율을 추론할 수 없기 때문입니다. 메트릭이 없는 이러한 그룹은 정렬 순서에 관계없이 마지막에 표시됩니다.

그룹에 대한 리소스 요청 및 한도의 합계는 해당 그룹에 속한 리소스의 상태와 무관합니다. 이러한 값은 동반 메트릭 그래프에 표시되는 값과 다를 수 있습니다.

참고 자료

추가 유용한 문서, 링크 및 기사:

Kubernetes 워크로드 규모 효율화를 위한 실용적인 팁블로그