高可用配置说明
使用 Erda 的 Helm Chart 包部署 Erda 时,可通过全局参数 global.size 实现不同的部署模式:
- 设置 global.size 为
demo
,则 Erda 各组件将以极简方式(低资源配置、单实例副本)部署,适用于试用环境部署。 - 设置 global.size 为
prod
,则 Erda 的核心组件将以高可用方式(高资源配置、多实例副本)部署,适用于生产环境部署。
本文将为您介绍 Erda 生产部署相关的配置说明。
高可用部署可配置参数
Erda Helm Chart 中的 values.yaml 文件定义了大量的配置参数。高可用部署时,可根据实际部署情况修改配置参数,具体如下:
参数 | 描述 | 默认值 |
---|---|---|
Global | ||
global.size | 表示部署模式(支持 demo 和 prod 两种),高可用部署设置为 prod |
/ |
global.image.repository | 设置镜像仓库地址,对于无法访问外网的用户,需修改该配置为内网私有仓库,并在部署前将 Erda 部署所需的镜像上传至该私有仓库中 | “registry.erda.cloud/erda” |
global.image.imagePullPolicy | 设置镜像拉取策略 | “IfNotPresent” |
global.image.imagePullSecrets | 若不是从用户私有仓库拉取镜像则无需设置,否则需要设置为访问用户私有镜像仓库的 secrets | / |
global.domain | Erda 当前集群绑定的泛域名 | “erda.io” |
Cassandra | ||
cassandra.capacity | 设置 Cassandra 单节点存储容量,可根据实际集群及业务量规模进行缩放 | “1000Gi” |
cassandra.storageClassName | 设置存储卷对应的 Kubernetes StorageClass 对象 | “dice-local-volume” |
cassandra.resources.requests.cpu | 设置 Cassandra 实例 Pod 的 CPU 资源请求值 | “2” |
cassandra.resources.requests.memory | 设置 Cassandra 实例 Pod 的 Memory 资源请求值 | “4Gi” |
cassandra.resources.limits.cpu | 设置 Cassandra 实例 Pod 的 CPU 资源限制值 | “4” |
cassandra.resources.limits.memory | 设置 Cassandra 实例 Pod 的 Memory 资源限制值 | “16Gi” |
cassandra.racks | 机架名称列表(名称不能重复),对应机架名称列表中机架的数量即 Cassandra 节点的数量 | - name: rack1 - name: rack2 - name: rack3 |
Elasticsearch | ||
elasticsearch.replicas | 设置 Elasticsearch 集群节点数量 | 3 |
elasticsearch.capacity | 设置 Elasticsearch 单节点存储容量,可根据实际集群及业务量规模进行缩放 | “1000Gi” |
elasticsearch.storageClassName | 设置存储卷对应的 Kubernetes StorageClass 对象 | “dice-local-volume” |
elasticsearch.numberOfMasters | 高可用部署 Elasticsearch 集群时,可作为 Master 的 Elasticsearch 实例数量,一般至少设置为超过一半集群节点数以避免 Elasticsearch 集群脑裂 | 2 |
elasticsearch.javaOpts | 设置 Elasticsearch 的环境变量 JAVA_OPTS(java heap size 建议设置为 0.75 * resources.limits.memory) | “-Xms6144m -Xmx6144m” |
elasticsearch.resources.requests.cpu | 设置 Elasticsearch 实例 Pod 的 CPU 资源请求值 | “2” |
elasticsearch.resources.requests.memory | 设置 Elasticsearch 实例 Pod 的 Memory 资源请求值 | “4Gi” |
elasticsearch.resources.limits.cpu | 设置 Elasticsearch 实例 Pod 的 CPU 资源限制值 | “4” |
elasticsearch.resources.limits.memory | 设置 Elasticsearch 实例 Pod 的 Memory 资源限制值 | “8Gi” |
etcd | ||
etcd.storageClassName | 设置存储卷对应的 Kubernetes StorageClass 对象 | “dice-local-volume” |
etcd.capacity | 设置 etcd 单节点存储容量,可根据实际集群及业务量规模进行缩放 | “32Gi” |
etcd.resources.requests.cpu | 设置 etcd 实例 Pod 的 CPU 资源请求值 | “1” |
etcd.resources.requests.memory | 设置 etcd 实例 Pod 的 Memory 资源请求值 | “2Gi” |
etcd.resources.limits.cpu | 设置 etcd 实例 Pod 的 CPU 资源限制值 | “4” |
etcd.resources.limits.memory | 设置 etcd 实例 Pod 的 Memory 资源限制值 | “8Gi” |
Zookeeper | ||
zookeeper.storageClassName | 设置存储卷对应的 Kubernetes StorageClass 对象 | “dice-local-volume” |
zookeeper.capacity | 设置 Zookeeper 单节点存储容量,可根据实际集群及业务量规模进行缩放 | “32Gi” |
zookeeper.resources.requests.cpu | 设置 Zookeeper 实例 Pod 的 CPU 资源请求值 | “100m” |
zookeeper.resources.requests.memory | 设置 Zookeeper 实例 Pod 的 Memory 资源请求值 | “256Mi” |
zookeeper.resources.limits.cpu | 设置 Zookeeper 实例 Pod 的 CPU 资源限制值 | “1” |
zookeeper.resources.limits.memory | 设置 Zookeeper 实例 Pod 的 Memory 资源限制值 | “512Mi” |
Kafka | ||
kafka.storageClassName | 设置存储卷对应的 Kubernetes StorageClass 对象 | “dice-local-volume” |
kafka.capacity | 设置 Kafka 单节点存储容量,可根据实际集群及业务量规模进行缩放 | “32Gi” |
kafka.javaOpts | 设置 Kafka 的环境变量 JAVA_OPTS(java heap size 建议设置为 0.75 * resources.limits.memory) | “-Xms6144m -Xmx6144m” |
kafka.resources.requests.cpu | 设置 Kafka 实例 Pod 的 CPU 资源请求值 | “2” |
kafka.resources.requests.memory | 设置 Kafka 实例 Pod 的 Memory 资源请求值 | “4Gi” |
kafka.resources.limits.cpu | 设置 Kafka 实例 Pod 的 CPU 资源限制值 | “4” |
kafka.resources.limits.memory | 设置 Kafka 实例 Pod 的 Memory 资源限制值 | “8Gi” |
KMS | ||
kms.replicas | 设置 KMS 实例副本数量 | 2 |
kms.resources.requests.cpu | 设置 KMS 实例 Pod 的 CPU 资源请求值 | “500m” |
kms.resources.requests.memory | 设置 KMS 实例 Pod 的 Memory 资源请求值 | “1Gi” |
kms.resources.limits.cpu | 设置 KMS 实例 Pod 的 CPU 资源限制值 | “1” |
kms.resources.limits.memory | 设置 KMS 实例 Pod 的 Memory 资源限制值 | “2Gi” |
Redis | ||
redis.redisFailover.redis.replicas | 设置 Redis 副本数量,用于 Redis 实例之间主备切换 | 2 |
redis.redisFailover.redis.resources.requests.cpu | 设置 Redis Pod 的 CPU 资源请求值 | “150m” |
redis.redisFailover.redis.resources.requests.memory | 设置 Redis Pod 的 Memory 资源请求值 | “1Gi” |
redis.redisFailover.redis.resources.limits.cpu | 设置 Redis Pod 的 CPU 资源限制值 | “300m” |
redis.redisFailover.redis.resources.limits.memory | 设置 Redis Pod 的 CPU 资源限制值 | “2Gi” |
redis.redisFailover.sentinel.replicas | 设置 Redis Sentinel 副本数量 | 3 |
Registry | ||
registry.storageClassName | 设置存储卷对应的 Kubernetes StorageClass 对象 | “dice-local-volume” |
registry.capacity | 设置 Registry 单节点存储容量,可根据实际集群及业务量规模进行缩放 | “1000Gi” |
registry.resources.requests.cpu | 设置 Registry 实例 Pod 的 CPU 资源请求值 | “500m” |
registry.resources.requests.memory | 设置 Registry 实例 Pod 的 Memory 资源请求值 | “512Mi” |
registry.resources.limits.cpu | 设置 Registry 实例 Pod 的 CPU 资源限制值 | “1” |
registry.resources.limits.memory | 设置 Registry 实例 Pod 的 Memory 资源限制值 | “1Gi” |
registry.networkMode | 如果值为 “host” 则设置 Registry 容器网络模式为 host 模式 | |
registry.custom.nodeName | Registry 采用 host 模式部署的节点名,此时 Registry 会部署在该节点,并且容器网络模式为 host 模式 | |
registry.custom.nodeIP | Registry 采用 host 模式部署时节点的 IP 地址 | |
Sonar | ||
sonar.resources.requests.cpu | 设置 Sonar 实例 Pod 的 CPU 资源请求值 | “750m” |
sonar.resources.requests.memory | 设置 Sonar 实例 Pod 的 Memory 资源请求值 | “1536Mi” |
sonar.resources.limits.cpu | 设置 Sonar 实例 Pod 的 CPU 资源限制值 | “1500m” |
sonar.resources.limits.memory | 设置 Sonar 实例 Pod 的 Memory 资源限制值 | “3Gi” |
volume-provisioner | ||
volume-provisioner.provisioner.local.path | Local Volume 卷使用此挂载点作为存储卷来源 | /data |
volume-provisioner.provisioner.nfs.path | FS Volume 卷使用此挂载点作为存储卷来源 | /netdata |
volume-provisioner.resources.requests.cpu | 设置 volume-provisioner 实例 Pod 的 CPU 资源请求值 | “10m” |
volume-provisioner.resources.requests.memory | 设置 volume-provisioner 实例 Pod 的 Memory 资源请求值 | “10Mi” |
volume-provisioner.resources.limits.cpu | 设置 volume-provisioner 实例 Pod 的 CPU 资源限制值 | “100m” |
volume-provisioner.resources.limits.memory | 设置 volume-provisioner 实例 Pod 的 Memory 资源限制值 | “256Mi” |
Erda | ||
erda.clusterName | Erda 所在 Kubernetes 集群的标识 | “erda” |
erda.operator.resources.requests.cpu | 设置 erda-operator 实例 Pod 的 CPU 资源请求值 | “10m” |
erda.operator.resources.requests.memory | 设置 erda-operator 实例 Pod 的 Memory 资源请求值 | “10Mi” |
erda.operator.resources.limits.cpu | 设置 erda-operator 实例 Pod 的 CPU 资源限制值 | “100m” |
erda.operator.resources.limits.memory | 设置 erda-operator 实例 Pod 的 Memory 资源限制值 | “128Mi” |
erda.clusterConfig.protocol | 声明当前 Erda 集群的请求协议,HTTP/HTTPS | http |
erda.clusterConfig.clusterType | Erda 集群标识,例如 Kubernetes、EDAS | kubernetes |
erda.component.admin.replicas | erda admin 组件副本数 | 2 |
erda.component.admin.resources.cpu | erda admin 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.admin.resources.mem | erda admin 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.admin.resources.max_cpu | erda admin 组件实例 Pod 的 CPU 资源限制值 | “200m” |
erda.component.admin.resources.max_mem | erda admin 组件实例 Pod 的 Memory 资源限制值 | “256Mi” |
erda.component.clusterManager.replicas | erda clusterManager 组件副本数 | 2 |
erda.component.clusterManager.resources.cpu | erda clusterManager 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.clusterManager.resources.mem | erda clusterManager 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.clusterManager.resources.max_cpu | erda clusterManager 组件实例 Pod 的 CPU 资源限制值 | “200m” |
erda.component.clusterManager.resources.max_mem | erda clusterManager 组件实例 Pod 的 Memory 资源限制值 | “256Mi” |
erda.component.collector.replicas | erda collector 组件副本数 | 2 |
erda.component.collector.resources.cpu | erda collector 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.collector.resources.mem | erda collector 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.collector.resources.max_cpu | erda collector 组件实例 Pod 的 CPU 资源限制值 | “1” |
erda.component.collector.resources.max_mem | erda collector 组件实例 Pod 的 Memory 资源限制值 | “1024Mi” |
erda.component.coreServices.replicas | erda coreServices 组件副本数 | 2 |
erda.component.coreServices.resources.cpu | erda coreServices 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.coreServices.resources.mem | erda coreServices 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.coreServices.resources.max_cpu | erda coreServices 组件实例 Pod 的 CPU 资源限制值 | “300m” |
erda.component.coreServices.resources.max_mem | erda coreServices 组件实例 Pod 的 Memory 资源限制值 | “512Mi” |
erda.component.hepa.replicas | erda hepa 组件副本数 | 2 |
erda.component.hepa.resources.cpu | erda hepa 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.hepa.resources.mem | erda hepa 组件实例 Pod 的 Memory 资源请求值 | “512Mi” |
erda.component.hepa.resources.max_cpu | erda hepa 组件实例 Pod 的 CPU 资源限制值 | “500m” |
erda.component.hepa.resources.max_mem | erda hepa 组件实例 Pod 的 Memory 资源限制值 | - |
erda.component.monitor.replicas | erda monitor 组件副本数 | 2 |
erda.component.monitor.resources.cpu | erda monitor 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.monitor.resources.mem | erda monitor 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.monitor.resources.max_cpu | erda monitor 组件实例 Pod 的 CPU 资源限制值 | “1” |
erda.component.monitor.resources.max_mem | erda monitor 组件实例 Pod 的 Memory 资源限制值 | “512Mi” |
erda.component.msp.replicas | erda msp 组件副本数 | 2 |
erda.component.msp.resources.cpu | erda msp 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.msp.resources.mem | erda msp 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.msp.resources.max_cpu | erda msp 组件实例 Pod 的 CPU 资源限制值 | “1” |
erda.component.msp.resources.max_mem | erda msp 组件实例 Pod 的 Memory 资源限制值 | “512Mi” |
erda.component.openapi.replicas | erda openapi 组件副本数 | 2 |
erda.component.openapi.resources.cpu | erda openapi 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.openapi.resources.mem | erda openapi 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.openapi.resources.max_cpu | erda openapi 组件实例 Pod 的 CPU 资源限制值 | “500m” |
erda.component.openapi.resources.max_mem | erda openapi 组件实例 Pod 的 Memory 资源限制值 | “512Mi” |
erda.component.scheduler.replicas | erda scheduler 组件副本数 | 2 |
erda.component.scheduler.resources.cpu | erda scheduler 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.scheduler.resources.mem | erda scheduler 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.scheduler.resources.max_cpu | erda scheduler 组件实例 Pod 的 CPU 资源限制值 | “1” |
erda.component.scheduler.resources.max_mem | erda scheduler 组件实例 Pod 的 Memory 资源限制值 | “2048Mi” |
erda.component.streaming.replicas | erda streaming 组件副本数 | 2 |
erda.component.streaming.resources.cpu | erda streaming 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.streaming.resources.mem | erda streaming 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.streaming.resources.max_cpu | erda streaming 组件实例 Pod 的 CPU 资源限制值 | “1500m” |
erda.component.streaming.resources.max_mem | erda streaming 组件实例 Pod 的 Memory 资源限制值 | “1024Mi” |
erda.component.ui.replicas | erda ui 组件副本数 | 2 |
erda.component.ui.resources.cpu | erda ui 组件实例 Pod 的 CPU 资源请求值 | “200m” |
erda.component.ui.resources.mem | erda ui 组件实例 Pod 的 Memory 资源请求值 | “256Mi” |
erda.component.ui.resources.max_cpu | erda ui 组件实例 Pod 的 CPU 资源限制值 | “1” |
erda.component.ui.resources.max_mem | erda ui 组件实例 Pod 的 Memory 资源限制值 | “512Mi” |
erda.component.ucAdaptor.replicas | erda ucAdaptor 组件副本数 | 2 |
erda.component.ucAdaptor.resources.cpu | erda ucAdaptor 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.ucAdaptor.resources.mem | erda ucAdaptor 组件实例 Pod 的 Memory 资源请求值 | “64Mi” |
erda.component.ucAdaptor.resources.max_cpu | erda ucAdaptor 组件实例 Pod 的 CPU 资源限制值 | “200m” |
erda.component.ucAdaptor.resources.max_mem | erda ucAdaptor 组件实例 Pod 的 Memory 资源限制值 | - |
erda.component.uc.replicas | erda uc 组件副本数 | 2 |
erda.component.uc.resources.cpu | erda uc 组件实例 Pod 的 CPU 资源请求值 | “10m” |
erda.component.uc.resources.mem | erda uc 组件实例 Pod 的 Memory 资源请求值 | “100Mi” |
erda.component.uc.resources.max_cpu | erda uc 组件实例 Pod 的 CPU 资源限制值 | “1” |
erda.component.uc.resources.max_mem | erda uc 组件实例 Pod 的 Memory 资源限制值 | “2048Mi” |
erda.component.cmp.replicas | erda cmp 组件副本数 | 2 |
erda.component.cmp.resources.cpu | erda cmp 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.cmp.resources.mem | erda cmp 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.cmp.resources.max_cpu | erda cmp 组件实例 Pod 的 CPU 资源限制值 | “200m” |
erda.component.cmp.resources.max_mem | erda cmp 组件实例 Pod 的 Memory 资源限制值 | - |
erda.component.analyzerAlert.resources.cpu | erda analyzerAlert 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.analyzerAlert.resources.mem | erda analyzerAlert 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.analyzerAlert.resources.max_cpu | erda analyzerAlert 组件实例 Pod 的 CPU 资源限制值 | “1” |
erda.component.analyzerAlert.resources.max_mem | erda analyzerAlert 组件实例 Pod 的 Memory 资源限制值 | “1024Mi” |
erda.component.analyzerAlertTask.resources.cpu | erda analyzerAlertTask 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.analyzerAlertTask.resources.mem | erda analyzerAlertTask 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.analyzerAlertTask.resources.max_cpu | erda analyzerAlertTask 组件实例 Pod 的 CPU 资源限制值 | “1” |
erda.component.analyzerAlertTask.resources.max_mem | erda analyzerAlertTask 组件实例 Pod 的 Memory 资源限制值 | “2048Mi” |
erda.component.analyzerErrorInsight.resources.cpu | erda analyzerErrorInsight 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.analyzerErrorInsight.resources.mem | erda analyzerErrorInsight 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.analyzerErrorInsight.resources.max_cpu | erda analyzerErrorInsight 组件实例 Pod 的 CPU 资源限制值 | “1” |
erda.component.analyzerErrorInsight.resources.max_mem | erda analyzerErrorInsight 组件实例 Pod 的 Memory 资源限制值 | “2048Mi” |
erda.component.analyzerErrorInsightTask.resources.cpu | erda analyzerErrorInsightTask 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.analyzerErrorInsightTask.resources.mem | erda analyzerErrorInsightTask 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.analyzerErrorInsightTask.resources.max_cpu | erda analyzerErrorInsightTask 组件实例 Pod 的 CPU 资源限制值 | “1” |
erda.component.analyzerErrorInsightTask.resources.max_mem | erda analyzerErrorInsightTask 组件实例 Pod 的 Memory 资源限制值 | “2048Mi” |
erda.component.analyzerMetrics.resources.cpu | erda analyzerMetrics 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.analyzerMetrics.resources.mem | erda analyzerMetrics 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.analyzerMetrics.resources.max_cpu | erda analyzerMetrics 组件实例 Pod 的 CPU 资源限制值 | “1” |
erda.component.analyzerMetrics.resources.max_mem | erda analyzerMetrics 组件实例 Pod 的 Memory 资源限制值 | “2048Mi” |
erda.component.analyzerMetricsTask.resources.cpu | erda analyzerMetricsTask 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.analyzerMetricsTask.resources.mem | erda analyzerMetricsTask 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.analyzerMetricsTask.resources.max_cpu | erda analyzerMetricsTask 组件实例 Pod 的 CPU 资源限制值 | “1” |
erda.component.analyzerMetricsTask.resources.max_mem | erda analyzerMetricsTask 组件实例 Pod 的 Memory 资源限制值 | “2048Mi” |
erda.component.actionRunnerScheduler.resources.cpu | erda actionRunnerScheduler 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.actionRunnerScheduler.resources.mem | erda actionRunnerScheduler 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.actionRunnerScheduler.resources.max_cpu | erda actionRunnerScheduler 组件实例 Pod 的 CPU 资源限制值 | “300m” |
erda.component.actionRunnerScheduler.resources.max_mem | erda actionRunnerScheduler 组件实例 Pod 的 Memory 资源限制值 | - |
erda.component.clusterAgent.resources.cpu | erda clusterAgent 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.clusterAgent.resources.mem | erda clusterAgent 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.clusterAgent.resources.max_cpu | erda clusterAgent 组件实例 Pod 的 CPU 资源限制值 | “1” |
erda.component.clusterAgent.resources.max_mem | erda clusterAgent 组件实例 Pod 的 Memory 资源限制值 | “1024Mi” |
erda.component.clusterDialer.resources.cpu | erda clusterDialer 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.clusterDialer.resources.mem | erda clusterDialer 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.clusterDialer.resources.max_cpu | erda clusterDialer 组件实例 Pod 的 CPU 资源限制值 | “2” |
erda.component.clusterDialer.resources.max_mem | erda clusterDialer 组件实例 Pod 的 Memory 资源限制值 | “2048Mi” |
erda.component.dicehub.resources.cpu | erda dicehub 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.dicehub.resources.mem | erda dicehub 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.dicehub.resources.max_cpu | erda dicehub 组件实例 Pod 的 CPU 资源限制值 | “150m” |
erda.component.dicehub.resources.max_mem | erda dicehub 组件实例 Pod 的 Memory 资源限制值 | “1024Mi” |
erda.component.dop.resources.cpu | erda dop 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.dop.resources.mem | erda dop 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.dop.resources.max_cpu | erda dop 组件实例 Pod 的 CPU 资源限制值 | “1” |
erda.component.dop.resources.max_mem | erda dop 组件实例 Pod 的 Memory 资源限制值 | “2048Mi” |
erda.component.eventbox.resources.cpu | erda eventbox 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.eventbox.resources.mem | erda eventbox 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.eventbox.resources.max_cpu | erda eventbox 组件实例 Pod 的 CPU 资源限制值 | “2” |
erda.component.eventbox.resources.max_mem | erda eventbox 组件实例 Pod 的 Memory 资源限制值 | “2560Mi” |
erda.component.filebeat.resources.cpu | erda filebeat 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.filebeat.resources.mem | erda filebeat 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.filebeat.resources.max_cpu | erda filebeat 组件实例 Pod 的 CPU 资源限制值 | “1” |
erda.component.filebeat.resources.max_mem | erda filebeat 组件实例 Pod 的 Memory 资源限制值 | “512Mi” |
erda.component.gittar.resources.cpu | erda gittar 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.gittar.resources.mem | erda gittar 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.gittar.resources.max_cpu | erda gittar 组件实例 Pod 的 CPU 资源限制值 | “1” |
erda.component.gittar.resources.max_mem | erda gittar 组件实例 Pod 的 Memory 资源限制值 | “1536Mi” |
erda.component.pipeline.resources.cpu | erda pipeline 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.pipeline.resources.mem | erda pipeline 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.pipeline.resources.max_cpu | erda pipeline 组件实例 Pod 的 CPU 资源限制值 | “1” |
erda.component.pipeline.resources.max_mem | erda pipeline 组件实例 Pod 的 Memory 资源限制值 | “1536Mi” |
erda.component.telegraf.resources.cpu | erda telegraf 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.telegraf.resources.mem | erda telegraf 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.telegraf.resources.max_cpu | erda telegraf 组件实例 Pod 的 CPU 资源限制值 | “500m” |
erda.component.telegraf.resources.max_mem | erda telegraf 组件实例 Pod 的 Memory 资源限制值 | “512Mi” |
erda.component.telegrafApp.resources.cpu | erda telegrafApp 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.telegrafApp.resources.mem | erda telegrafApp 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.telegrafApp.resources.max_cpu | erda telegrafApp 组件实例 Pod 的 CPU 资源限制值 | “500m” |
erda.component.telegrafApp.resources.max_mem | erda telegrafApp 组件实例 Pod 的 Memory 资源限制值 | “512Mi” |
erda.component.telegrafPlatform.resources.cpu | erda telegrafPlatform 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.telegrafPlatform.resources.mem | erda telegrafPlatform 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.telegrafPlatform.resources.max_cpu | erda telegrafPlatform 组件实例 Pod 的 CPU 资源限制值 | “1” |
erda.component.telegrafPlatform.resources.max_mem | erda telegrafPlatform 组件实例 Pod 的 Memory 资源限制值 | “1536Mi” |
erda.component.orchestrator.resources.cpu | erda orchestrator 组件实例 Pod 的 CPU 资源请求值 | “100m” |
erda.component.orchestrator.resources.mem | erda orchestrator 组件实例 Pod 的 Memory 资源请求值 | “128Mi” |
erda.component.orchestrator.resources.max_cpu | erda orchestrator 组件实例 Pod 的 CPU 资源限制值 | “1” |
erda.component.orchestrator.resources.max_mem | erda orchestrator 组件实例 Pod 的 Memory 资源限制值 | “256Mi” |
核心数据存储组件配置参数
针对不同节点规模的集群,高可用配置中对于 Cassandra、Elasticsearch、Kafka 等存储组件的参数配置可参考下表:
集群规模 | 0~50 节点 | 50~100 节点 | 100~200 节点 | 200~300 节点 | 300+ 节点 |
---|---|---|---|---|---|
Cassandra | |||||
cassandra.resources.requests.cpu | “1” | “2” | “4” | “4” | “4” |
cassandra.resources.requests.memory | “6Gi” | “12Gi” | “16Gi” | “16Gi” | “16Gi” |
cassandra.resources.limits.cpu | “2” | “4” | “6” | “6” | “6” |
cassandra.resources.limits.memory | “12Gi” | “16Gi” | “24Gi” | “24Gi” | “24Gi” |
cassandra.capacity | 512G | 1T | 1.5T | 1.5T | 2T |
cassandra.racks | - name: rack1 - name: rack2 - name: rack3 |
- name: rack1 - name: rack2 - name: rack3 |
- name: rack1 - name: rack2 - name: rack3 |
- name: rack1 - name: rack2 - name: rack3 - name: rack4 - name: rack5 |
- name: rack1 - name: rack2 - name: rack3 - name: rack4 - name: rack5 - name: rack6 - name: rack7 |
Elasticsearch | |||||
elasticsearch.resources.requests.cpu | “1” | “2” | “4” | “4” | “4” |
elasticsearch.resources.requests.memory | “4Gi” | “8Gi” | “16Gi” | “16Gi” | “16Gi” |
elasticsearch.resources.limits.cpu | “2” | “4” | “6” | “6” | “6” |
elasticsearch.resources.limits.memory | “8Gi” | “16Gi” | “24Gi” | “24Gi” | “24Gi” |
elasticsearch.capacity | 512G | 768G | 1T | 1.5T | 1.5T |
elasticsearch.replicas | 3 | 3 | 3 | 3 | 5 |
elasticsearch.numberOfMasters | 2 | 2 | 2 | 2 | 3 |
Kafka | |||||
kafka.resources.requests.cpu | “0.5” | “1” | “1” | “1” | “2” |
kafka.resources.requests.memory | “1Gi” | “2Gi” | “2Gi” | “2Gi” | “4Gi” |
kafka.resources.limits.cpu | “1” | “2” | “2” | “2” | “4” |
kafka.resources.limits.memory | “2Gi” | “4Gi” | “4Gi” | “4Gi” | “8Gi” |
kafka.capacity | 150G | 150G | 200G | 300G | 300G |
如何接入已有中间件
Erda 平台依赖了多款中间件,例如 Elasticsearch、MySQL、Kafka、Registry 等,部分中间件可直接配置为用户已有实例,无需安装。
::: tip 提示
- 当前版本仅支持接入外部 MySQL,其他常用中间件(例如 Kafka、Elasticsearch)正在陆续接入中。
- 接入外部 MySQL 时,MySQL 版本需不低于 5.7.9,且数据库要求默认字符集为 utf8m64。
:::
如需接入外部 MySQL,可通过修改 Erda Chart 包的 values.yaml
, 增加如下字段实现:
mysql:
enabled: false
custom:
address: # eg: 192.168.100.100
port: # eg: 3306
database: # eg: erda
user: # eg: root
password: # eg: HasdDwqwe23#
增加以上配置后,Erda 部署过程中便无需部署 MySQL 组件,Erda 组件可直接使用用户提供的 MySQL 数据库。
具体参数信息如下:
参数 | 描述 |
---|---|
mysql.enabled | 开关,接入外部 MySQL 时需设置为 false |
mysql.custom.address | 接入用户提供的 MySQL 主机地址 |
mysql.custom.port | 接入用户提供的 MySQL 主机端口 |
mysql.custom.databases | 接入用户提供的 MySQL 数据库 |
mysql.custom.user | 接入用户提供的 MySQL 数据库的访问用户名 |
mysql.custom.password | 接入用户提供的 MySQL 数据库的访问用户名对应的访问密码 |
如何保存私有化配置
使用 values.yaml
文件中的参数配置部署 Helm Chart 包是最简单的部署方式,但仍可能存在无法满足用户需求的情况。此时,用户可选择以下方式来调整参数配置:
- 方式一(推荐):将需要修改的参数写入自定义的
values.yaml
文件中,执行 Helm 安装/升级时,使用-f
指定该文件。 - 方式二:执行 Helm 安装/升级 时,使用
--set
参数设置参数值。但--set
选项无法持久化配置,可能导致升级操作与安装操作的参数设置不一致。 - 方式三:修改 Helm Chart 包中
values.yaml
文件的参数值。但在参数量庞大的情况下,难以快速确定参数是否需要更改、参数是否已经更改等问题。