Aller au contenu
Accueil » Actualités » Actualités » Blockchain » Kubecost Station Commander Adapte Les Clusters Kubernetes Pour Les Nœuds De Station Sur AWS, GCP Et Azure

Kubecost Station Commander Adapte Les Clusters Kubernetes Pour Les Nœuds De Station Sur AWS, GCP Et Azure


Kubecost Station Commander adapte les clusters Kubernetes pour les nœuds de station sur AWS, GCP et Azure

  • Kubecost, un outil tournant dans la surveillance et l’administration des empreintes Kubernetes à grande échelle, a annoncé aujourd’hui la sortie de Kubecost Station Commander.

    L’efficacité unique identifie les charges de travail qui sont chacune aimables et capables de se pencher sur les cas d’espace, réalisant des économies fondamentales en optimisant dynamiquement le cluster Kubernetes configurations.

    Kubecost aide actuellement les organisations à utiliser – ou à avoir un observateur pour décider de la meilleure chose à propos – de l’espace ou des nœuds préemptifs dans les clusters Kubernetes fonctionnant sur AWS, GCP ou Azur. Station Commander détermine les charges de travail qu’il est bon de s’appuyer sur l’espace et sélectionne un espace de nœuds unique à la marque pour faire face à la répartition des charges de travail préparées et non préparées.

    “Les fournisseurs de cloud offrent de l’espace et des nœuds préemptifs jusqu’à un pc réduisent l’empreinte par l’utilisation de leur potentiel de calcul supplémentaire », a reconnu Webb Brown, PDG et co-fondateur de Kubecost. « L’inverse consiste à s’assurer qu’il est probable que vous choisirez peut-être de manière proactive quelque chose de parfait sur ce potentiel (et réaliserez ces coûts de travail réduits) sans nuire à l’efficacité ou à la disponibilité de la charge de travail. Kubecost Station Commander est conçu pour permettre aux consultants de domaine Kubernetes d’évaluer plus efficacement les idées dont les charges de travail pourraient peut-être peut-être également être optimisées en tant qu’espace et nœuds préemptifs. Nous pensons que les idées Kubecost fournies par le diagramme de Station Commander, qui consistent en des économies estimées, inciteront davantage d’équipes d’infrastructure à s’ouvrir en réalisant des réductions d’empreinte fondamentales. Kubecost Station Commander fonctionne en:

  • Inspecter les charges de travail du cluster pour préparation à l’espace : Station Commander analyse les charges de travail travaillant sur un cluster pour rechercher la préparation à l’espace l’utilisation de la fonction Station Pointers de Kubecost. La conception exploite les données de l’API Kubernetes et des heuristiques pour identifier les charges de travail préparées.

  • Suggérer une configuration de cluster optimale: dès que les charges de travail préparées en espace ont été identifiées, Kubecost tire parti de ses larges données (regardez quelles données sont sur le marché par stratégie de son API d’allocation sur GitHub) des modèles d’utilisation de la charge de travail d’une entreprise et des capacités des nœuds et de la tarification de leur fournisseur de cloud. Avec ces données, Station Commander suggère intelligemment les types et les portions de nœuds les moins chers pour créer des charges de travail plus fortes avec et sans espace. La conception peut en outre calculer les économies totales liées à l’adoption de la configuration de cluster unique en calculant le nouveau taux d’intuition des nœuds d’un cluster et en l’évaluant avec le taux d’intuition approximatif de la configuration unique.

  • KubernetesAdoption de la configuration indiquée: pour chérir les économies estimées, Station Commander met à jour la configuration du cluster pour incorporer des espacez les nœuds et réduisez l’option d’attacher une question aux nœuds. Cela garantit que les charges de travail préparées pour l’espace ultime sont planifiées sur les nœuds de l’espace.

  • À propos de l’auteur

    Plus de données sur l’auteur

    Analyse analytique

    Analytics Insight est une plateforme influente dédiée aux informations, tendances et opinions issues du domaine des technologies axées sur les données. Il passe en revue les développements, la reconnaissance et les réalisations des entreprises d’intelligence artificielle, de données étendues et d’analyse du monde entier.

    Plus par Analytics Aperçu

    Articles de Naissance de la Presse Connectée5)

    Articles Identiques de la Catégorie Naissance de la Presse

    Laisser un commentaire

    nv-author-image

    Stéphane Delsol

    Abonnez-vous à la Newsletter hebdomadaire !

    Recevez les dernières actualités et analyse de marchés directement dans votre boite email