--- schema_version: "1" id: 6253b73cb646ca8dfaaa45553e04df3bb382ceeb91724bd27d588491ef2461bb title: Dynamisk skalning i en behållare – Tableau Server bakgrundsprocessor collection: tableau version: next locale: sv-se portal_url: https://docs.salesforce.com/tableau/next/sv-se/server-linux/server-backgrounder-autoscaling.md canonical_url: https://help.tableau.com/v0.0/server-linux/sv-se/server-backgrounder-autoscaling.htm source_site: help.tableau.com content_type: documentation content_hash: d362c488b939e08ab37039abeace37eada3a3f5511b2fd9a7223fee46cac0cc8 description: Configure dynamic scaling of Backgrounders for Tableau Server in a container. --- [Hoppa till huvudinnehåll](#main-content) # Dynamisk skalning i en behållare – Tableau Server bakgrundsprocessor ## Introduktion Den dynamiska skalningen av bakgrundsprocessor i en behållare gör att du kan använda olika skalningsstrategier på bakgrundsprocessor- och schemalagda jobb i Tableau Server. Automatisk skalning innebär i detta sammanhang att tjänster kan skalas oberoende för att hantera olika uppgiftsbelastningar utan att behöva mänsklig inblandning eller påverka drifttiden för andra serversystem. Tableau Server-behållare med kompletta noder av Tableau Server-processer kommer att fortsätta att köras som monolitiska system. En mindre uppsättning frikopplade oberoende behållartjänster som omfattar tjänstrollen ”bakgrundsprocessor” kommer istället att vara dynamiskt skalbara och hantera beräkningslast som normalt hanteras av Tableau Server-behållare. Tjänster för bakgrundsprocessor är ansvariga för att bearbeta systemuppgifter som omfattar uppdatering/skapa extrakt, skicka prenumerationer, kontrollera datavarningar och många underhållsjobb. Vid till exempel tillfällen då det är fördelaktigt att uppdatera ett stort antal datauppsättningar eller beräkna många beräkningsmässigt krävande dataaviseringar kan du nu använda Kubernetes och skala upp beräkningskraften för att utföra dessa uppgifter på ett effektivt sätt. Denna guide innehåller konfigurations- och distributionskraven för Automatisk skalning av bakgrundsprocessorer i Kubernetes. Detta dokument är ett komplement till dokumentationen om [Tableau Server i en container](https://help.tableau.com/v0.0/server-linux/sv-se/server-in-container.htm). ## Förutsättningar Automatisk skalning av bakgrundsprocessorer är endast tillgängligt i Kubernetes och baseras på Tableau Server i behållare. För att kunna använda funktionen Automatisk skalning av bakgrundsprocessorer måste du uppfylla vissa krav: - Tableau Server måste ha Advanced Management-funktioner. Mer information finns i [Om Tableau Advanced Management på Tableau Server](https://help.tableau.com/v0.0/server-linux/sv-se/itm_intro.htm). - Du måste använda rollbaserad licensiering. Kärnlicenser stöds inte. Mer information om licenser finns i [Förstå licensmodeller och produktnycklar](https://help.tableau.com/v0.0/server-linux/sv-se/license_product_keys.htm). - Följande funktioner för Advanced Management måste vara aktiverade: - [Extern fillagring på Tableau Server](https://help.tableau.com/v0.0/server-linux/sv-se/server_external_filestore_storage.htm) - [Extern Tableau Server-lagringsplats](https://help.tableau.com/v0.0/server-linux/sv-se/server_external_repo.htm) - Du måste ha en Kubernetes-klusterversion 1.20 eller senare och förstå hur du använder och hanterar det. ## Begränsningar - Den här funktionen fungerar bara som en del av en Linux-baserad distribution. - Flödesjobb stöds inte på bakgrundsfunktionerna för automatisk skalning. Flödesjobb kommer att hanteras av bakgrundstjänsterna som fortsätter att köras i Tableau Server-behållaren. ## Skapa bilder i Tableau Server och poddar för bakgrundsprocessor Det första steget för att använda automatisk skalning av bakgrundsprocessorer i behållare är att skapa de tjänstebilder som ingår i Tableau Server-installationen. Dessa bilder omfattar Tableau Server-bilden och även bilder för den separata bakgrundsprocessorn och stödtjänsterna. Du använder samma byggverktyg som används för att skapa den omfattande heltäckande Tableau Server-behållaravbildningen, men verktyget måste vara version 2022.3.0 eller senare, du måste ha en Advanced Management-licens och du måste använda en speciell flagga när du skapar bilderna. 1. Kör följande kommandot för att skapa tjänstavbildningarna: build-image --accepteula -i --backgrounder-images Detta skapar Tableau Server och fyra nya avbildningar. Dessa ytterligare avbildningar innehåller individuella tjänster som utgör den nya automatiskt skalbara bakgrundsprocessorn. Kommandot `docker images` anger avbildningarna som skapats i den lokala Docker-lagringsplatsen: hyper 20214.21.1117.1006 52fd9843c178 10 seconds ago gateway 20214.21.1117.1006 2308e602a2a3 11 seconds ago backgrounder 20214.21.1117.1006 4540e459cf23 12 seconds ago dataserver 20214.21.1117.1006 c5345ed47f51 12 seconds ago tableau\_server\_image 20214.21.1117.1006 b27817047dd1 7 minutes ago Hyper-, gateway-, bakgrundsprocessor- och dataserverbilderna utgör den nya podden för bakgrundsprocessor. Anpassade drivrutiner, installationsskript och egenskaper delas mellan alla fem avbildningar. Mer information finns i [Anpassa bilden](https://help.tableau.com/v0.0/server-linux/sv-se/server-in-container_setup-tool.htm#CustomizingImage). 2. Publicera alla dessa avbildningar i ditt interna bildarkiv så att de kan distribueras. ## Driftsättningsguide Följande information ger sammanhang för hur du distribuerar Tableau Server i en behållare och med automatisk skalning av bakgrundsprocessorer. Denna information förutsätter att du redan förstår och känner till hur man distribuerar Tableau Server i en fristående behållare. Mer information finns i [Tableau Server i en container](https://help.tableau.com/v0.0/server-linux/sv-se/server-in-container.htm). De tre Kubernetes-konfigurationsfilerna i avsnittet Kubernetes-konfiguration är mallar som kan användas för att konfigurera distributionen. De andra avsnitten i den här guiden omfattar distributionens krav och detaljer. Distribution av Tableau Server och automatisk skalning av bakgrundsprocessorer bör vara lika enkelt som att distribuera de ifyllda Kubernetes-konfigurationsfilerna längst ner i guiden: kubectl apply -f ### Bakgrundsjobb Poddar för bakgrundsprocessor hjälper Tableau Server i en behållare att beräkna ytterligare schemalagda arbetsbelastningar parallellt. Bakgrundsprocessorn hanterar extraktuppdatering, prenumeration, varning, flöde och systemarbetsbelastningar. Distribuera jobb mellan poddar för bakgrundsprocessor innebär att det kommer att finnas fler beräkningsresurser tillgängliga för Tableau Server för att hantera andra uppgifter. Detta kan var interaktiva användaraktiviteter, t.ex. återgivning av arbetsböcker och instrumentpaneler. Flödesjobb är den enda typen av bakgrundsprocessorjobb som inte körs i bakgrundsprocessorn. Mer information om bakgrundsprocessor finns i [Hantera bakgrundsjobb i Tableau Server](https://help.tableau.com/v0.0/server-linux/sv-se/server_backgrounder_job_management.htm) . Poddar för bakgrundsprocessor kan hantera alla typer av belastningar, förutom flödesjobb, som måste köras i de Tableau Server-huvudbehållare, som fortsätter att köra bakgrundsprocessortjänsten. Funktionen Nodroller ger användarna flexibiliteten att dedikera poddar för bakgrundsprocessor till specifika typer av jobb. Denna funktion är en förlängning av funktionen Nodroller på Tableau Server. Här finns en detaljerad beskrivning av olika nodroller. Notera att standardflödesjobb är inaktiverade på poddar för bakgrundsprocessor (dvs. rollen är inställd på ”inga flöden”) eftersom poddar för bakgrundsprocessor inte kan köra flödesjobb. Om du vill ställa in nodroller för bakgrundsprocessor måste du ställa in miljövariabeln `NODE_ROLES` som en del av kubeconfig för behållaren som kör poddar för bakgrundsprocessortjänsten. Om du till exempel vill ställa in bakgrundsprocessorn att endast köra extraktuppdateringsjobb ställer du in miljövariabeln `NODE_ROLES` på extraktuppdatering enligt nedan: #### NODE\_ROLE\_CONFIG containers: - name: backgrounder image: # Backgrounder Image ports: - containerPort: 8600 volumeMounts: - name: logmount mountPath: /var/log/tableau - name: clone-volume mountPath: /docker/clone - name: dataengine-volume mountPath: /docker/dataengine - name: temp mountPath: /var/opt/tableau/tableau\_server/data/tabsvc/temp env: - name: ROOT\_LOG\_DIR value: /var/log/tableau - name: CLONE\_ARTIFACT\_DIR value: /docker/clone/clone-artifacts - name: FILESTORE\_MOUNT\_PATH value: /docker/dataengine - name: NODE\_ROLES value: extract-refreshes Tableau Server-poddarna kommer att ha minst en bakgrundsprocessor konfigurerad i sin topologi, vilket krävs för att säkerställa att det alltid finns en plats för att köra bakgrundsprocessor. Som standard kräver TSM att det måste finnas en bakgrundsprocessor som kan hantera varje roll för bakgrundsprocessorjobb. I vissa scenarier kanske du vill ha poddar för bakgrundsprocessor som hanterar alla jobb av en viss typ. För detta måste du ställa in serverkonfigurationsnyckeln `topology.roles_handle_all_jobs_constraint_disabled` på `true` vilket inaktiverar kravet på att TSM-topologin ska hantera alla jobbtyper. När denna parameter anges kan rollen för bakgrundsprocessor för Tableau Server instans för bakgrundsprocessor anges till `no-extract-refreshes` och rollen för poddar för bakgrundsprocessor kan anges till `extract-refreshes`. Detta säkerställer att alla extraktuppdateringar endast körs på poddarna för bakgrundsprocessor. **Obs!** Om du inaktiverar denna begränsning kan du konfigurera roller så att vissa jobbtyper aldrig schemaläggs. Konfigurationen av roller för TSM-bakgrundsjobb och bakgrundsjobb måste ställas in noggrant eftersom TSM inte längre kommer att verifiera att alla typer av bakgrundsprocessorjobb kan schemaläggas. ### Tableau Server i en behållarpodd Behållarna med Tableau Server som en del av de automatiskt skalade poddarna för bakgrundsprocessor distribueras på nästan samma sätt som vår befintliga Tableau Server i en behållare. Det finns några viktiga kravändringar: - En nätverksfilresurs _krävs_ för att överföra konfigurationen mellan Tableau Server-behållaren och poddarna för bakgrundsprocessor. - Du måste aktivera och använda funktionen Extern fillagring. Detta kräver också en dedikerad nätverksfilresurs. ### Poddar för bakgrundsprocessor Poddar för bakgrundsprocessor består av fyra oberoende tjänstbehållare som arbetar tillsammans: **gateway**, **hyper**, **dataserver** och **bakgrundsprocessor**. Du kan distribuera dessa poddar som vanliga oberoende Kubernetes behållarpoddar. Poddarna har följande krav: - Poddar för bakgrundsprocessor måste kunna nå Tableau Server-noden med hjälp av värdnamnets DNS-upplösning. - Externa filresurser för Filestore- och Clone-nätverk måste tillhandahållas. **Obs!** Poddar för bakgrundsprocessor är konfigurerade med en init-behållare som väntar tills Tableau Server-behållaren har producerat klonkonfigurationsutdata innan du fortsätter att köra. #### Loggar Tjänsterna för poddar för bakgrundsprocessor (som Tableau Server) skriver fortfarande loggar huvudsakligen till disken. Eftersom poddarna för bakgrundsprocessor kan skalas in och ut, är de tillfälliga och därför är det viktigt att se till att loggarna förvaras utanför poddarna. Många kunder med befintliga K8s-miljöer kommer redan att använda en loggaggregeringstjänst av något slag för att samla in loggarna från poddarna de distribuerar. Splunk och fluentd är exempel på loggaggregeringstjänster. Vi rekommenderar starkt att kunderna använder någon form av loggaggregeringstjänst för att samla in loggarna från sina poddar för bakgrundsprocessor. För att göra logghanteringen enklare konfigurerar den kubeconfig vi tillhandahåller varje tjänst i podden till att skriva till en delad loggvolym. Sökvägen till katalogen i varje tjänstbehållare anges av miljövariabeln `ROOT_LOG_DIR`. Om du behöver öppna ett supportärende och tillhandahålla loggar kommer du att tillhandahålla två uppsättningar loggar: ziplogs som samlats in från serverns huvudbehållare och loggar från poddarna för bakgrundsprocessor (hämtas antingen från din loggaggregeringstjänst eller genom den manuella processen nedan) . För kunder som inte kan använda en loggaggregeringstjänst kan loggar hämtas manuellt från poddarna. **Obs!** Loggar från alla poddar som inte använde ett beständigt volymanspråk för volymen som innehåller loggarna kommer att gå förlorade när podden skalas ner! Alla relevanta loggar finns tillgängliga i `/var/log/tableau`\-katalogen (konfigurerbara via miljövariabeln `ROOT_LOG_DIR`) inuti podden för bakgrundsprocessorn. Vi rekommenderar starkt att du monterar en PersistantVolumeClaim på denna plats så att loggar finns tillgängliga när podden dör. ##### Samlar loggar när podden för bakgrundsprocessorn körs: Skapa en tar-fil av loggarna inuti behållaren: kubectl exec -it -- bash -c "tar -czf /docker/user/backgrounder-pod-logs.tar.gz /var/log/tableau" Kopiera tarfile till utanför behållaren: kubectl cp :docker/user/backgrounder-pod-logs.tar.gz ./backgrounder-pod-logs.tar.gz ##### Samlar loggar när podden för bakgrundsprocessorn har avslutats (eller inte kunde starta) Fäst alla långvariga poddar med PersistantVolumeClaim-monteringen som används för distributionsloggar för poddar för bakgrundsprocessor. Ett exempel på konfiguration: apiVersion: v1 kind: Pod metadata: name: namespace: spec: containers: - name: get-logs-pod image: busybox:1.28 securityContext: runAsUser: 0 allowPrivilegeEscalation: true command: \['sh', '-c', "while :; do sleep 5; done"\] volumeMounts: - name: logmount mountPath: /var/log/tableau restartPolicy: Never volumes: - name: logmount persistentVolumeClaim: claimName: logvolume Skapa en tar-fil av loggarna inuti behållaren: kubectl exec -it -- bash -c "tar -czf /backgrounder-pod-logs.tar.gz /var/log/tableau" Kopiera tarfile till utanför behållaren: kubectl cp :/backgrounder-pod-logs.tar.gz ./backgrounder-pod-logs.tar.gz #### Live-konfigurationsändringar Om du gör konfigurationsändringar i Tableau Server i en behållare (till exempel med kommandoraden tsm) och vill att dessa konfigurationsändringar ska representeras i poddar för bakgrundsprocessor, måste du köra kommandot `[klon av tsm-inställningar](https://help.tableau.com/v0.0/server-linux/sv-se/cli_settings_tsm.htm#TSMSettingsClone)` för att producera en ny uppsättning klonkonfigurationsfiler (”klon nyttolast”). 1. Använd TSM för att göra konfigurationsändringar i Tableau Server i en behållarpodd och tillämpa konfigurationsändringarna på servern. 2. Kör följande kommando i Tableau Server i en behållarpodd: \## Run this command in the Tableau Server in a Container pod. tsm settings clone -d $CLONE\_ARTIFACT\_DIR Detta kommando skapar en ny uppsättning konfigurationsfiler och skriver den till platsen för klona NFS-enheten. 3. Omfördela era poddar för bakgrundsprocessor. Poddarna bör konfigureras för att använda klona NFS-enheten och kommer att plocka upp den nya konfigurationen. ### Skalningsstrategier Poddar för bakgrundsprocessor kan skalas i Kubernetes med många olika tekniker och strategier. Vi tillhandahåller ett exempel på en skalningsstrategi som ändrar poolstorleken för podden för bakgrundsprocessor baserat på ett tidsschema. Notera att central bearbetningsenhet och minnesutnyttjande **inte** är bra mått för skalning av poddar för bakgrundsprocessor. Användning av minne och central bearbetningsenhet skildrar inte exakt den totala belastningskravet på klustret. En podd för bakgrundsprocessor kan till exempel användas maximalt för att uppdatera ett extrakt, men det finns inga ytterligare jobb som väntar i bakgrundsprocessorns jobbkö. I detta fall skulle automatisk skalning inte förbättra jobbets genomströmning. #### Schemalagd skalning Du kan schemalägga en skalningslösning med Kubernetes standardmekanismer som använder cron-jobb. Ett exempel på Kubernetes konfiguration för detta finns i avsnittet Konfiguration av Kubernetes nedan. ## Inställning av Kubernetes ### Nya miljövariabler Förutom de vanliga miljövariablerna för Tableau Server-behållare (se [Initiala konfigurationsalternativ](https://help.tableau.com/v0.0/server-linux/sv-se/server-in-container_image.htm#InitialConfigOptions-container)) finns det några nya miljövariabler som måste ställas in i Kubernetes-konfigurationen.
MiljövariabelRekommenderat värdeBeskrivning
FILESTORE_MOUNT_PATH/docker/dataenginePlats för montering av katalogen Externt filarkiv. Denna katalog ska peka på datamotorns NFS-katalog som är monterad i varje utplacerad Tableau-behållare. Mer information om extern fillagring finns i Extern fillagring på Tableau Server. Värdet bör vara detsamma för Tableau Server i en behållarpodd och podden för bakgrundsprocessorn.
CLONE_ARTIFACT_DIR/docker/clone/clone-artifactsMonteringsplats för klonkonfigurationskatalog. Denna katalog bör peka på en NFS-katalog monterad i varje Tableau-behållare. Tableau Server kommer att mata ut konfigurationsdata som poddar för bakgrundsprocessor använder för att bli medlemmar i klustret.
ROOT_LOG_DIR/var/log/tableau(Endast poddar för bakgrundsprocessor)

Gemensam loggkatalogplats för alla tjänster som körs i en podd för bakgrundsprocessor.

### Portar för poddar för bakgrundsprocessor Poddar för bakgrundsprocessor består av fyra tjänster, var och en är som standard inställd på att köras på en angiven port. Om du vill ändra porten som tjänsten kopplas till inne i behållaren måste du ange den nyckel som motsvarar tjänstens porttilldelning. Denna typ av konfiguration krävs inte i de flesta fall om det inte finns en behållare för parallell åtkomstpunkt eller någon annan ytterligare komponent som läggs till i podden och skapar konflikter med tjänstens port. | Miljövariabel för port | Standard | | --- | --- | | `BACKGROUNDER_PORT` | `8600` | | `DATASERVER_PORT` | `8400` | | `HYPER_PORT` | `8200` | | `GATEWAY_PORT` | `8080` | Dataserver använder även port 8300, som inte kan konfigureras om. ### Delad nätverkskatalog Denna distribution av Tableau Server kräver två nätverksdelningar för att fungera korrekt. Notera att dessa nätverkskataloger finns i alla konfigurationsmallar för Tableau Server, bakgrundsprocessor och Kubernetes: - **Datamotorkatalog** (`FILESTORE_MOUNT_PATH`): Poddar för bakgrundsprocessor kräver funktionen Externt filarkiv. Denna nätverksdelning innehåller extrakt och andra filbaserade artefakter som kommer att delas mellan Tableau Server och poddar för bakgrundsprocessor. - **Kloningskatalog** (`CLONE_ARTIFACT_DIR`): Tableau Server skriver statisk anslutnings- och konfigurationsinformation till en nätverksdelning. Poddar för bakgrundsprocessor kommer att använda denna information för att bli medlemmar i Tableau Server-klustret. I framtida förhandsversioner kommer denna konfiguration att ingå i standardlivscykeln för Kubernetes konfiguration. **Viktigt!** Om du vill distribuera om klustret helt (inklusive en ny Tableau Server-behållare), måste du rensa innehållet i klon NFS mount (annars kommer bakgrundsprocessorns poddar att försöka ansluta till den gamla servern). ### Exempel på inställningar av KubernetesName **Obs!** Konfigurationsexemplen inkluderar användning av beredskapsavsökning. Du kan använda beredskapsavsökning när Tableau Server i en behållare-distributionen är en TSM-distribution med en enda nod (distributionen kan inkludera flera bakgrundsprocessorpoddar). Du kan inte använda beredskapsavsökning med Tableau Server i en behållare-distributioner med flera noder. #### Konfiguration av Tableau Server-behållare \--- apiVersion: v1 kind: Service metadata: name: namespace: spec: selector: app: ports: - protocol: TCP port: 8080 nodePort: name: http - protocol: TCP port: 8443 nodePort: name: https type: NodePort \--- apiVersion: v1 kind: ConfigMap metadata: name: configfile namespace: data: config.json: |- { "configEntities": { "identityStore": { "\_type": "identityStoreType", "type": "local" } }, "configKeys" : { "tabadmincontroller.init.smart\_defaults.enable" : "false", "wgserver.domain.ldap.starttls.enabled" : "false" }, "daysLeftForMaintenanceExpiring" : 0 } \--- apiVersion: v1 kind: ConfigMap metadata: name: extrepojsonfile namespace: data: config.json: |- { "flavor":"generic", "masterUsername":"", "masterPassword":"", "host":"", "port":5432, "prerequisiteCheckEnabled":false, "requireSsl":false } \--- apiVersion: v1 kind: PersistentVolumeClaim metadata: name: datadir1 namespace: spec: accessModes: - ReadWriteOnce resources: requests: storage: 50Gi \--- \# This is required for multi-node tableau server in container apiVersion: v1 kind: PersistentVolume metadata: name: bootstrapnfs namespace: spec: accessModes: - ReadWriteMany capacity: storage: 1Gi nfs: server: path: \--- \# This is required for multi-node tableau server in container apiVersion: v1 kind: PersistentVolumeClaim metadata: name: bootstrapnfs namespace: spec: accessModes: - ReadWriteMany storageClassName: "" resources: requests: storage: 1Mi \--- apiVersion: v1 kind: PersistentVolumn metadata: name: clonenfs namespace: spec: accessModes: - ReadWriteMany capacity: storage: 1Gi nfs: server: path: \--- apiVersion: v1 kind: PersistentVolumeClaim metadata: name: clonenfs namespace: spec: accessModes: - ReadWriteMany storageClassName: "" resources: requests: storage: 1Mi \--- apiVersion: v1 kind: PersistentVolume metadata: name: dataenginenfs namespace: spec: accessModes: - ReadWriteMany capacity: storage: 1Gi nfs: server: path: \--- apiVersion: v1 kind: PersistentVolumeClaim metadata: name: dataenginenfs namespace: spec: accessModes: - ReadWriteMany storageClassName: "" resources: requests: storage: 1Mi \--- apiVersion: v1 kind: Secret type: Opaque metadata: name: tableau-server-in-a-container-secrets namespace: stringData: license\_key: # Tableau License Key String tableau\_username: # Initial admin username in Tableau Server tableau\_password: # Initial admin password \--- apiVersion: apps/v1 kind: StatefulSet metadata: name: tableau-server namespace: labels: app: spec: selector: matchLabels: app: replicas: 1 serviceName: template: metadata: labels: app: spec: securityContext: runAsUser: 999 fsGroup: 998 fsGroupChangePolicy: "OnRootMismatch" terminationGracePeriodSeconds: 120 dnsPolicy: "None" dnsConfig: nameservers: - # DNS IP for resolving container hostnames searches: - ..svc.. # SRV Record - .svc.. # SRV Record - svc.. # SRV Record - . # SRV Record options: - name: ndots value: "5" initContainers: # init containers are optional, to clear directory content if already exists - name: clean-bootstrap-dir image: busybox:1.28 securityContext: runAsUser: 0 allowPrivilegeEscalation: true volumeMounts: - name: bootstrap mountPath: /docker/config/bootstrap command: \['sh', '-c', 'rm -rf /docker/config/bootstrap/\* || true'\] - name: clean-clone-artifacts-dir image: busybox:1.28 securityContext: runAsUser: 0 allowPrivilegeEscalation: true volumeMounts: - name: clone mountPath: /docker/clone command: \['sh', '-c', 'rm -rf /docker/clone/clone-artifacts || true'\] containers: - name: # Name of container image: # Tableau Server in Container Image env: - name: LICENSE\_KEY valueFrom: secretKeyRef: name: tableau-server-in-a-container-secrets key: license\_key - name: FILESTORE\_MOUNT\_PATH value: /docker/dataengine - name: CLONE\_ARTIFACT\_DIR\_FOR\_INDEPENDENT\_CONTAINERS value: /docker/clone/clone-artifacts - name: SERVER\_FOR\_INDEPENDENT\_SERVICE\_CONTAINERS value: "1" - name: EXT\_REP\_JSON\_FILE value: /docker/external-repository/config.json - name: TABLEAU\_USERNAME valueFrom: secretKeyRef: name: tableau-server-in-a-container-secrets key: tableau\_username - name: TABLEAU\_PASSWORD valueFrom: secretKeyRef: name: tableau-server-in-a-container-secrets key: tableau\_password resources: requests: memory: 40Gi cpu: 15 limits: memory: 40Gi cpu: 15 ports: - containerPort: 8080 volumeMounts: - name: configmount mountPath: /docker/config/config.json subPath: config.json - name: externalrepomount mountPath: /docker/external-repository - name: datadir1 mountPath: /var/opt/tableau - name: bootstrap mountPath: /docker/config/bootstrap - name: clone mountPath: /docker/clone - name: dataengine mountPath: /docker/dataengine imagePullPolicy: IfNotPresent startupProbe: exec: command: - /bin/sh - -c - /docker/server-ready-check initialDelaySeconds: 300 periodSeconds: 15 timeoutSeconds: 30 failureThreshold: 200 readinessProbe: exec: command: - /bin/sh - -c - /docker/server-ready-check periodSeconds: 30 timeoutSeconds: 60 livenessProbe: exec: command: - /bin/sh - -c - /docker/alive-check initialDelaySeconds: 600 periodSeconds: 60 timeoutSeconds: 60 volumes: - name: configmount configMap: name: configfile - name: externalrepomount configMap: name: extrepojsonfile - name: datadir1 persistentVolumeClaim: claimName: datadir1 - name: bootstrap persistentVolumeClaim: claimName: bootstrapnfs - name: clone persistentVolumeClaim: claimName: clonenfs - name: dataengine persistentVolumeClaim: claimName: dataenginenfs #### Konfiguration av podd för bakgrundsprocessor \--- apiVersion: v1 kind: PersistentVolumeClaim metadata: name: logvolume namespace: spec: accessModes: - ReadWriteOnce resources: requests: storage: 20Gi \--- apiVersion: apps/v1 kind: Deployment metadata: name: backgrounder labels: app: backgrounder namespace: spec: replicas: 2 selector: matchLabels: app: backgrounder template: metadata: labels: app: backgrounder spec: securityContext: runAsUser: 999 runAsGroup: 998 fsGroup: 998 fsGroupChangePolicy: "OnRootMismatch" hostname: backgrounder dnsPolicy: "None" dnsConfig: nameservers: - # DNS IP for resolving container hostnames searches: - ..svc.. # SRV Record - .svc.. # SRV Record - svc.. # SRV Record - . # SRV Record options: - name: ndots value: "5" initContainers: - name: init-myservice image: busybox # This init-container is optional (as long as there is a mechanism to set the log volume directory permissions and the pod waits for clone artifacts) securityContext: runAsUser: 0 allowPrivilegeEscalation: true env: - name: CLONE\_ARTIFACT\_DIR\_FOR\_INDEPENDENT\_CONTAINERS value: /docker/clone/clone-artifacts volumeMounts: - name: logmount mountPath: /var/log/tableau - name: clone-volume mountPath: /docker/clone command: \['sh', '-c', "chmod 777 /var/log/tableau && while \[ ! -d ${CLONE\_ARTIFACT\_DIR\_FOR\_INDEPENDENT\_CONTAINERS} \]; do sleep 5; done"\] containers: - name: backgrounder image: # Backgrounder Image ports: - containerPort: 8600 imagePullPolicy: IfNotPresent readinessProbe: exec: command: - /bin/sh - -c - /tsm\_docker\_utils/status\_check.sh | grep -E 'ACTIVE|BUSY' periodSeconds: 30 timeoutSeconds: 60 livenessProbe: exec: command: - /bin/sh - -c - /tsm\_docker\_utils/status\_check.sh | grep -E 'ACTIVE|BUSY' initialDelaySeconds: 600 periodSeconds: 60 timeoutSeconds: 60 volumeMounts: - name: logmount mountPath: /var/log/tableau - name: clone-volume mountPath: /docker/clone - name: dataengine-volume mountPath: /docker/dataengine - name: temp mountPath: /var/opt/tableau/tableau\_server/data/tabsvc/temp env: - name: ROOT\_LOG\_DIR value: /var/log/tableau - name: CLONE\_ARTIFACT\_DIR\_FOR\_INDEPENDENT\_CONTAINERS value: /docker/clone/clone-artifacts - name: FILESTORE\_MOUNT\_PATH value: /docker/dataengine - name: dataserver image: # Dataserver Image ports: - containerPort: 8400 imagePullPolicy: IfNotPresent readinessProbe: exec: command: - /bin/sh - -c - /tsm\_docker\_utils/status\_check.sh | grep -E 'ACTIVE|BUSY' periodSeconds: 30 timeoutSeconds: 60 livenessProbe: exec: command: - /bin/sh - -c - /tsm\_docker\_utils/status\_check.sh | grep -E 'ACTIVE|BUSY' initialDelaySeconds: 600 periodSeconds: 60 timeoutSeconds: 60 volumeMounts: - name: logmount mountPath: /var/log/tableau - name: clone-volume mountPath: /docker/clone - name: dataengine-volume mountPath: /docker/dataengine - name: temp mountPath: /var/opt/tableau/tableau\_server/data/tabsvc/temp env: - name: ROOT\_LOG\_DIR value: /var/log/tableau - name: CLONE\_ARTIFACT\_DIR\_FOR\_INDEPENDENT\_CONTAINERS value: /docker/clone/clone-artifacts - name: FILESTORE\_MOUNT\_PATH value: /docker/dataengine - name: gateway image: # Gateway Image ports: - containerPort: 8080 imagePullPolicy: IfNotPresent readinessProbe: exec: command: - /bin/sh - -c - /tsm\_docker\_utils/status\_check.sh | grep -E 'ACTIVE|BUSY' periodSeconds: 30 timeoutSeconds: 60 livenessProbe: exec: command: - /bin/sh - -c - /tsm\_docker\_utils/status\_check.sh | grep -E 'ACTIVE|BUSY' initialDelaySeconds: 600 periodSeconds: 60 timeoutSeconds: 60 volumeMounts: - name: logmount mountPath: /var/log/tableau - name: clone-volume mountPath: /docker/clone - name: dataengine-volume mountPath: /docker/dataengine - name: temp mountPath: /var/opt/tableau/tableau\_server/data/tabsvc/temp env: - name: ROOT\_LOG\_DIR value: /var/log/tableau - name: CLONE\_ARTIFACT\_DIR\_FOR\_INDEPENDENT\_CONTAINERS value: /docker/clone/clone-artifacts - name: FILESTORE\_MOUNT\_PATH value: /docker/dataengine - name: hyper image: # Hyper Image ports: - containerPort: 8200 imagePullPolicy: IfNotPresent readinessProbe: exec: command: - /bin/sh - -c - /tsm\_docker\_utils/status\_check.sh | grep -E 'ACTIVE|BUSY' periodSeconds: 30 timeoutSeconds: 60 livenessProbe: exec: command: - /bin/sh - -c - /tsm\_docker\_utils/status\_check.sh | grep -E 'ACTIVE|BUSY' initialDelaySeconds: 600 periodSeconds: 60 timeoutSeconds: 60 volumeMounts: - name: logmount mountPath: /var/log/tableau - name: clone-volume mountPath: /docker/clone - name: dataengine-volume mountPath: /docker/dataengine - name: temp mountPath: /var/opt/tableau/tableau\_server/data/tabsvc/temp env: - name: ROOT\_LOG\_DIR value: /var/log/tableau - name: CLONE\_ARTIFACT\_DIR\_FOR\_INDEPENDENT\_CONTAINERS value: /docker/clone/clone-artifacts - name: FILESTORE\_MOUNT\_PATH value: /docker/dataengine volumes: - name: clone-volume nfs: server: path: - name: dataengine-volume nfs: server: path: /dataengine - name: logmount persistentVolumeClaim: claimName: logvolume - name: temp emptyDir: {} #### Konfiguration av schemalagd skalning apiVersion: v1 kind: ServiceAccount metadata: name: backgrounder-scaler-service-account namespace: # Namespace \--- apiVersion: rbac.authorization.k8s.io/v1 kind: RoleBinding metadata: name: scale-backgrounder-pods namespace: # Namespace subjects: \- kind: ServiceAccount name: backgrounder-scaler-service-account roleRef: kind: ClusterRole name: cluster-admin apiGroup: rbac.authorization.k8s.io \--- apiVersion: batch/v1beta1 kind: CronJob metadata: name: scale-up-job namespace: # Namespace spec: schedule: "0 7 \* \* \*" # Cron Job timing to scale up deployment replicas jobTemplate: spec: template: spec: serviceAccountName: backgrounder-scaler-service-account restartPolicy: OnFailure containers: \- name: scale image: bitnami/kubectl:1.21 imagePullPolicy: IfNotPresent args: \- scale \- --replicas=4 \- deployment/backgrounder \--- apiVersion: batch/v1beta1 kind: CronJob metadata: name: scale-down-job namespace: spec: schedule: "0 9 \* \* \*" # Cron Job timing to scale down deployment replicas jobTemplate: spec: template: spec: serviceAccountName: backgrounder-scaler-service-account restartPolicy: OnFailure containers: \- name: scale image: bitnami/kubectl:1.21 imagePullPolicy: IfNotPresent args: \- scale \- --replicas=2 \- deployment/backgrounder #### Kubernetes-jobb för att rensa klonkonfiguration (valfritt) Detta är ett bekvämt Kubernetes-jobb som du kan använda under testning. Om du vill rensa bort klonkonfigurationen som produceras av Tableau Server i en behållare mellan olika distributionskörningar, kan du köra ett jobb som detta för att rensa NFS. apiVersion: batch/v1 kind: Job metadata: name: delete-clone-artifacts-job namespace: manatee-cluster spec: template: spec: containers: \- name: delete-clone-artifacts image: busybox:1.28 command: \['sh', '-c', "rm -rf ${CLONE\_ARTIFACT\_DIR}"\] env: \- name: CLONE\_ARTIFACT\_DIR value: /docker/clone/clone-artifacts securityContext: runAsUser: 0 allowPrivilegeEscalation: true volumeMounts: \- name: clone-volume mountPath: /docker/clone restartPolicy: Never volumes: \- name: clone-volume nfs: server: # IP for shared NFS directory for clone output path: /clone