Tutoriel: Déployer une VM existante dans un cluster Google Distributed Cloud à l'aide de l'environnement d'exécution de VM sur GDC


Ce document fournit un guide étape par étape pour déployer une charge de travail basée sur une machine virtuelle (VM) dans Google Distributed Cloud à l'aide de l'environnement d'exécution de VM sur GDC. La charge de travail utilisée dans ce guide est l'exemple d'application de point de vente. Cette application représente un terminal de point de vente typique qui s'exécute sur du matériel sur site dans un magasin de vente au détail.

Dans ce document, vous allez migrer cette application d'une VM vers un cluster Google Distributed Cloud et accéder à l'interface Web de l'application. Pour migrer une VM existante vers le cluster, vous devez d'abord créer une image disque de cette VM. L'image doit ensuite être hébergée dans un dépôt auquel le cluster peut accéder. Enfin, l'URL de cette image peut être utilisée pour créer la VM. L'environnement d'exécution de VM sur GDC s'attend à ce que les images soient au format qcow2. Si vous fournissez un autre type d'image, l'image est automatiquement convertie au format qcow2. Pour éviter les conversions répétitives et permettre la réutilisation, vous pouvez convertir une image de disque virtuel et héberger l'image qcow2.

Ce document utilise une image prédéfinie d'une instance de VM Compute Engine où la charge de travail s'exécute en tant que service systemd. Vous pouvez suivre la même procédure pour déployer votre propre application.

Objectifs

Avant de commencer

Pour suivre les instructions de ce document, vous avez besoin des ressources suivantes:

  • Accès à un cluster Google Distributed Cloud version 1.12.0 ou ultérieure créé en suivant le guide Exécuter Google Distributed Cloud sur des VM Compute Engine avec un équilibreur de charge manuel. Ce document configure des ressources réseau pour que vous puissiez accéder à la charge de travail exécutée dans la VM via un navigateur. Si vous n'avez pas besoin de ce comportement, vous pouvez suivre ce document en utilisant n'importe quel Google Distributed Cloud.
  • Une station de travail qui répond aux exigences suivantes :
    • Accès à votre cluster à l'aide de la CLI bmctl
    • Accès à votre cluster à l'aide de la CLI kubectl

Activer l'environnement d'exécution de la VM sur GDC et installer le plug-in virtctl

La définition de ressource personnalisée (CRD) de l'environnement d'exécution de la VM sur GDC fait partie de tous les clusters Google Distributed Cloud depuis la version 1.10. Une instance de la ressource personnalisée VMRuntime est déjà créée lors de l'installation. Toutefois, elle est désactivée par défaut.

  1. Activer l'environnement d'exécution de VM sur GDC:

    sudo bmctl enable vmruntime --kubeconfig KUBECONFIG_PATH
    
    • KUBECONFIG_PATH: chemin d'accès au fichier de configuration Kubernetes du cluster utilisateur Google Distributed Cloud
  2. Vérifiez que VMRuntime est activé:

    kubectl wait --for=jsonpath='{.status.ready}'=true vmruntime vmruntime
    

    La préparation de VMRuntime peut prendre quelques minutes. Si ce n'est pas le cas, vérifiez plusieurs fois avec de courts délais. L'exemple de sortie suivant montre que VMRuntime est prêt:

    vmruntime.vm.cluster.gke.io/vmruntime condition met
    
  3. Installez le plug-in virtctl pour kubectl:

    sudo -E bmctl install virtctl
    

    L'exemple de sortie suivant montre que le processus d'installation du plug-in virtctl est terminé:

    Please check the logs at bmctl-workspace/log/install-virtctl-20220831-182135/install-virtctl.log
    [2022-08-31 18:21:35+0000] Install virtctl succeeded
    
  4. Vérifiez l'installation du plug-in virtctl:

    kubectl virt
    

    L'exemple de sortie suivant montre que le plug-in virtctl peut être utilisé avec kubectl:

    Available Commands:
      addvolume         add a volume to a running VM
      completion        generate the autocompletion script for the specified shell
      config            Config subcommands.
      console           Connect to a console of a virtual machine instance.
      create            Create subcommands.
      delete            Delete  subcommands.
    ...
    

Déployer la charge de travail basée sur des VM

Lorsque vous déployez une VM dans Google Distributed Cloud, l'environnement d'exécution des VM sur GDC attend une image de VM. Cette image sert de disque de démarrage pour la VM déployée.

Dans ce tutoriel, vous allez migrer une charge de travail basée sur une VM Compute Engine vers un cluster Google Distributed Cloud. Cette VM Compute Engine a été créée, et l'application exemple de point de vente (PoS) a été configurée pour s'exécuter en tant que service systemd. Une image disque de cette VM et de la charge de travail de l'application de point de vente a été créée dans Google Cloud. Cette image a ensuite été exportée dans un bucket Cloud Storage en tant qu'image qcow2. Vous utiliserez cette image qcow2 prédéfinie dans les étapes suivantes.

Le code source de ce document est disponible dans le dépôt GitHub anthos-samples. Vous utiliserez les ressources de ce dépôt pour effectuer les étapes suivantes.

  1. Déployez un StatefulSet MySQL. L'application de point de vente doit se connecter à une base de données MySQL pour stocker les informations sur l'inventaire et les paiements. Le dépôt du point de vente contient un exemple de fichier manifeste qui déploie un StatefulSet MySQL, configure un ConfigMap associé et un Service Kubernetes. ConfigMap définit les identifiants de l'instance MySQL, qui sont les identifiants transmis à l'application de point de vente.

    kubectl apply -f https://raw.githubusercontent.com/GoogleCloudPlatform/point-of-sale/main/k8-manifests/common/mysql-db.yaml
    
  2. Déployez la charge de travail de la VM à l'aide de l'image qcow2 prédéfinie:

    kubectl virt create vm pos-vm \
        --boot-disk-size=80Gi \
        --memory=4Gi \
        --vcpu=2 \
        --image=https://storage.googleapis.com/pos-vm-images/pos-vm.qcow2
    

    Cette commande crée un fichier YAML portant le nom de la VM (google-virtctl/pos-vm.yaml). Vous pouvez inspecter le fichier pour voir la définition de VirtualMachine et VirtualMachineDisk. Au lieu d'utiliser le plug-in virtctl, vous auriez pu déployer la charge de travail de la VM à l'aide des définitions du modèle de ressource Kubernetes (KRM), comme indiqué dans le fichier YAML créé.

    Lorsque la commande s'exécute correctement, elle génère une sortie semblable à l'exemple suivant, qui explique les différentes ressources créées:

    Constructing manifest for vm "pos-vm":
    Manifest for vm "pos-vm" is saved to /home/tfadmin/google-virtctl/pos-vm.yaml
    Applying manifest for vm "pos-vm"
    Created gvm "pos-vm"
    
  3. Vérifiez l'état de la création de la VM.

    La ressource VirtualMachine est identifiée par la ressource vm.cluster.gke.io/v1.VirtualMachine dans l'environnement d'exécution de VM sur GDC. Sa forme abrégée est gvm.

    Lorsque vous créez une VM, les deux ressources suivantes sont créées:

    • Un VirtualMachineDisk est le disque persistant dans lequel le contenu de l'image de la VM est importé.
    • Un VirtualMachine est l'instance de VM elle-même. Le DataVolume est monté dans le VirtualMachine avant le démarrage de la VM.

    Vérifiez l'état du VirtualMachineDisk. VirtualMachineDisk crée en interne une ressource DataVolume. L'image de la VM est importée dans le DataVolume, qui est monté dans la VM:

    kubectl get datavolume
    

    L'exemple de sortie suivant montre le début de l'importation d'image:

    NAME              PHASE             PROGRESS   RESTARTS   AGE
    pos-vm-boot-dv    ImportScheduled   N/A                   8s
    
  4. Vérifiez l'état du VirtualMachine. VirtualMachine est à l'état Provisioning jusqu'à ce que DataVolume soit entièrement importé:

    kubectl get gvm
    

    L'exemple de sortie suivant montre le VirtualMachine en cours de provisionnement:

    NAME      STATUS         AGE     IP
    pos-vm    Provisioning   1m
    
  5. Attendez que l'image de VM soit entièrement importée dans DataVolume. Continuez à surveiller la progression pendant l'importation de l'image:

    kubectl get datavolume -w
    

    L'exemple de sortie suivant montre l'image disque en cours d'importation:

    NAME              PHASE              PROGRESS   RESTARTS   AGE
    pos-vm-boot-dv   ImportInProgress   0.00%                 14s
    ...
    ...
    pos-vm-boot-dv   ImportInProgress   0.00%                 31s
    pos-vm-boot-dv   ImportInProgress   1.02%                 33s
    pos-vm-boot-dv   ImportInProgress   1.02%                 35s
    ...
    

    Une fois l'importation terminée et le DataVolume créé, l'exemple de sortie suivant affiche le PHASE de Succeeded :

    kubectl get datavolume
    
    NAME              PHASE             PROGRESS   RESTARTS   AGE
    pos-vm-boot-dv    Succeeded         100.0%                14m18s
    
  6. Vérifiez que VirtualMachine a bien été créé:

    kubectl get gvm
    

    Si la création a réussi, STATUS affiche RUNNING, comme illustré dans l'exemple suivant, ainsi que l'adresse IP de la VM:

    NAME      STATUS    AGE     IP
    pos-vm    Running   40m     192.168.3.250
    

Se connecter à la VM et vérifier l'état de l'application

L'image utilisée pour la VM inclut l'application exemple de point de vente. L'application est configurée pour démarrer automatiquement au démarrage en tant que service systemd. Vous pouvez consulter les fichiers de configuration des services systemd dans le répertoire pos-systemd-services.

  1. Connectez-vous à la console de VM. Exécutez la commande suivante et appuyez sur Entrée après avoir vu le message Successfully connected to pos-vm…:

    kubectl virt console pos-vm
    

    Cette commande génère l'exemple de sortie suivant, qui vous invite à saisir les informations de connexion:

    Successfully connected to pos-vm console. The escape sequence is ^]
    
    pos-from-public-image login:
    

    Utilisez le compte utilisateur et le mot de passe suivants. Ce compte a été configuré dans la VM d'origine à partir de laquelle l'image de l'environnement d'exécution de la VM sur GDC VirtualMachine a été créée.

    • Identifiant de connexion : abmuser
    • Mot de passe : abmworks
  2. Vérifiez l'état des services de l'application de point de vente. L'application de point de vente comprend trois services: API, Inventory et Payments. Ces services s'exécutent tous en tant que services système.

    Les trois services se connectent les uns aux autres via localhost. Toutefois, l'application se connecte à la base de données MySQL à l'aide d'un service Kubernetes mysql-db créé à l'étape précédente. Ce comportement signifie que la VM est automatiquement connectée au même réseau que Pods et Services, ce qui permet une communication fluide entre les charges de travail de la VM et d'autres applications conteneurisées. Vous n'avez rien de plus à faire pour rendre le Services Kubernetes accessible depuis les VM déployées à l'aide de l'environnement d'exécution de VM sur GDC.

    sudo systemctl status pos*
    

    L'exemple de résultat suivant montre l'état des trois services et du service système racine, pos.service:

     pos_payments.service - Payments service of the Point of Sale Application
        Loaded: loaded (/etc/systemd/system/pos_payments.service; enabled; vendor >
        Active: active (running) since Tue 2022-06-21 18:55:30 UTC; 1h 10min ago
      Main PID: 750 (payments.sh)
          Tasks: 27 (limit: 4664)
        Memory: 295.1M
        CGroup: /system.slice/pos_payments.service
                ├─750 /bin/sh /pos/scripts/payments.sh
                └─760 java -jar /pos/jars/payments.jar --server.port=8083 pos_inventory.service - Inventory service of the Point of Sale Application
        Loaded: loaded (/etc/systemd/system/pos_inventory.service; enabled; vendor>
        Active: active (running) since Tue 2022-06-21 18:55:30 UTC; 1h 10min ago
      Main PID: 749 (inventory.sh)
          Tasks: 27 (limit: 4664)
        Memory: 272.6M
        CGroup: /system.slice/pos_inventory.service
                ├─749 /bin/sh /pos/scripts/inventory.sh
                └─759 java -jar /pos/jars/inventory.jar --server.port=8082 pos.service - Point of Sale Application
        Loaded: loaded (/etc/systemd/system/pos.service; enabled; vendor preset: e>
        Active: active (exited) since Tue 2022-06-21 18:55:30 UTC; 1h 10min ago
      Main PID: 743 (code=exited, status=0/SUCCESS)
          Tasks: 0 (limit: 4664)
        Memory: 0B
        CGroup: /system.slice/pos.service
    
    Jun 21 18:55:30 pos-vm systemd[1]: Starting Point of Sale Application...
    Jun 21 18:55:30 pos-vm systemd[1]: Finished Point of Sale Application.
    
    ● pos_apiserver.service - API Server of the Point of Sale Application
        Loaded: loaded (/etc/systemd/system/pos_apiserver.service; enabled; vendor>
        Active: active (running) since Tue 2022-06-21 18:55:31 UTC; 1h 10min ago
      Main PID: 751 (api-server.sh)
          Tasks: 26 (limit: 4664)
        Memory: 203.1M
        CGroup: /system.slice/pos_apiserver.service
                ├─751 /bin/sh /pos/scripts/api-server.sh
                └─755 java -jar /pos/jars/api-server.jar --server.port=8081
    
  3. Quittez la VM. Pour quitter la connexion à la console, utilisez la séquence d'échappement ^] en appuyant sur Ctrl + ].

Accéder à la charge de travail basée sur une VM

Si vous avez configuré votre cluster en suivant le guide Exécuter Google Distributed Cloud sur des VM Compute Engine avec un équilibreur de charge manuel, une ressource Ingress appelée pos-ingress a déjà été créée. Cette ressource achemine le trafic de l'adresse IP externe de l'équilibreur de charge Ingress vers le service de serveur d'API de l'application exemple de point de vente.

  1. Si votre cluster ne dispose pas de cette ressource Ingress, créez-la en appliquant le fichier manifeste suivant:

    kubectl apply -f https://raw.githubusercontent.com/GoogleCloudPlatform/anthos-samples/main/anthos-bm-gcp-terraform/resources/manifests/pos-ingress.yaml
    
    apiVersion: networking.k8s.io/v1
    kind: Ingress
    metadata:
      name: pos-ingress
    spec:
      rules:
      - http:
          paths:
          - path: /
            pathType: Prefix
            backend:
              service:
                name: api-server-svc
                port:
                  number: 8080
  2. Créez un Service Kubernetes qui achemine le trafic vers la VM. La ressource Ingress achemine le trafic vers ce Service:

    kubectl apply -f https://raw.githubusercontent.com/GoogleCloudPlatform/anthos-samples/main/anthos-vmruntime/pos-service.yaml
    

    L'exemple de sortie suivant confirme la création d'un service:

    service/api-server-svc created
    
    apiVersion: v1
    kind: Service
    metadata:
      name: api-server-svc
    spec:
      selector:
        kubevirt/vm: pos-vm
      ports:
      - protocol: TCP
        port: 8080
        targetPort: 8081
  3. Obtenez l'adresse IP externe de l'équilibreur de charge Ingress. L'équilibreur de charge Ingress achemine le trafic en fonction des règles de ressources Ingress. Vous disposez déjà d'une règle pos-ingress pour transférer les requêtes vers le serveur d'API Service. Ce Service transmet les requêtes à la VM:

    INGRESS_IP=$(kubectl get ingress/pos-ingress -o jsonpath='{.status.loadBalancer.ingress[0].ip}')
    echo $INGRESS_IP
    

    L'exemple de résultat suivant montre l'adresse IP de l'équilibreur de charge Ingress:

    172.29.249.159 # you might have a different IP address
    
  4. Accédez à l'application à l'aide de l'adresse IP de l'équilibreur de charge Ingress dans un navigateur. Les captures d'écran ci-dessous montrent un point de vente simple avec deux articles. Vous pouvez cliquer sur les articles, plusieurs fois si vous souhaitez en commander plusieurs, et passer une commande à l'aide du bouton Payer. Cette expérience montre que vous avez déployé une charge de travail basée sur une VM dans un cluster Google Distributed Cloud à l'aide de l'environnement d'exécution de VM sur GDC.

Interface utilisateur de l'application de point de vente
Interface utilisateur de l'application de point de vente (cliquez sur l'image pour l'agrandir)

Effectuer un nettoyage

Vous pouvez supprimer toutes les ressources créées dans ce tutoriel ou uniquement la VM et conserver les ressources réutilisables. La section Supprimer une VM dans Google Distributed Cloud décrit en détail les options disponibles.

Tout supprimer

  • Supprimez l'environnement d'exécution de la VM sur GDC VirtualMachine ainsi que toutes les ressources:

    kubectl virt delete vm pos-vm --all
    

    L'exemple de sortie suivant confirme la suppression:

    vm "pos-vm" used the following resources: 
        gvm: pos-vm
        VirtualMachineDisk: pos-vm-boot-dv
    Start deleting the resources:
        Deleted gvm "pos-vm".
        Deleted VirtualMachineDisk "pos-vm-boot-dv".
    

Supprimer uniquement la VM

  • Si vous supprimez uniquement la VM, le VirtualMachineDisk créé est conservé. Cela permet de réutiliser cette image de VM et d'économiser du temps lors de l'importation de l'image lors de la création d'une VM.

    kubectl virt delete vm pos-vm
    

    L'exemple de sortie suivant confirme la suppression:

    vm "pos-vm" used the following resources: 
        gvm: pos-vm
        VirtualMachineDisk: pos-vm-boot-dv
    Start deleting the resources:
        Deleted gvm "pos-vm".
    

Étape suivante

  • La VM d'origine utilisée dans ce guide est une instance Compute Engine qui exécute Ubuntu 20.04 LTS. L'image de cette VM est accessible au public via le bucket Cloud Storage pos-vm-images. Pour en savoir plus sur la configuration de la VM et la création de son image, consultez les instructions du dépôt du point de vente.
  • Lorsque vous créez une VM dans un cluster Google Distributed Cloud à l'aide de la commande kubectl virt create vm pos-vm, un fichier YAML portant le nom de la VM (google-virtctl/pos-vm.yaml) est créé. Vous pouvez inspecter le fichier pour voir la définition de VirtualMachine et VirtualMachineDisk. Au lieu d'utiliser le plug-in virtctl, vous pouvez déployer une VM à l'aide des définitions KRM comme indiqué dans le fichier YAML créé.