Cluster et nœuds Kubernetes

Cluster et autorisations

Vous pouvez apporter votre propre cluster Kubernetes et appliquer vos pratiques classiques pour l’enregistrer et le gérer.

Si vous accordez les privilèges d’administrateur du programme d’installation d’Automation Suite, UiPath® installe et gère tous les composants nécessaires à l’exécution d’Automation Suite. Cependant, si vous ne pouvez pas accorder les privilèges d'administrateur du programme d'installation sur le cluster, l'installation de certains composants requis est impossible. Par conséquent, avant d'installer Automation Suite sur un cluster pour lequel vous n'avez pas accordé les privilèges d'administrateur du programme d'installation, un utilisateur administrateur doit installer séparément les composants spécifiques requis, avant l'installation de la plate-forme Automation Suite. Voici les principales étapes à suivre si vous ne pouvez pas accorder de privilèges d'administrateur au programme d'installation d'Automation Suite :

• Installer et configurer le service mesh Istio. Pour plus de détails, consultez la section Installation et configuration du service Mesh.

• Apportez votre propre ArgoCD. Pour plus de détails, consultez la section Installer et configurer l’outil GitOps.

• Si vous installez Process Mining, vous devez installer vous-même cert-manager et Dapr. Pour plus de détails, consultez la section Remplir les conditions préalables de Process Mining.

• Créez et gérez les certificats vous-même. Pour plus de détails, consultez la section Certificats générés lors de l'installation.

• Créez un compte de service et accordez les autorisations nécessaires à l'installation d'Automation Suite. Pour plus de détails, consultez la section Octroi d'autorisations d'installation.

Après avoir installé les composants requis, vous pouvez exécuter le programme d'installation avec des autorisations inférieures. Pour obtenir la liste des autorisations requises, consultez Octroi d'autorisations d'installation.

Versions d'EKS/AKS prises en charge

Chaque version du support longue durée d'Automation Suite est livrée avec une matrice de compatibilité. Pour les versions EKS ou AKS compatibles, consultez Matrice de compatibilité.

Nous avons testé la compatibilité d'Automation Suite avec les systèmes d'exploitation Linux suivants :

Fournisseur de cloud	Système d'exploitation
AKS	Ubuntu 22.04
EKS	Amazon Linux 2 et Amazon Linux 2023 pour toutes les versions EKS RHEL 8.8 pour EKS 1.27 Bottlerocket 1.19.2

Automation Suite sur EKS/AKS ne prend en charge que l'architecture EKS/AKS x86, et ARM64 n'est pas pris en charge.

Capacité du nœud

Pour estimer la capacité des nœuds en fonction des exigences de votre produit et de vos exigences d'échelle, utilisez le calculateur de dimensionnement d'installation UiPath Automation Suite .

L'exigence de volume racine pour les nœuds d'agent (travailleur) est de 256 Go.

Au minimum, pour commencer avec les services de plate-forme obligatoires (identité, licences et routage) et Orchestrator, vous devez enregistrer 8 processeurs virtuels et 16 Go de RAM par nœud.

Remarque :

Nous vous déconseillons d'utiliser des instances ponctuelles dans Automation Suite dans les scénarios de production, en raison de problèmes de stabilité et de performances.

Mémoire d’échange

Vous devez désactiver la mémoire d’échange avant d’installer Automation Suite. Il a été constaté que la mémoire d’échange provoquait des problèmes avec les charges de travail des conteneurs. Par ailleurs, les charges de travail d’Automation Suite ne bénéficient pas de l’utilisation de la mémoire d’échange, d’autant plus que Kubernetes optimise déjà l’utilisation de la mémoire.

Mise à l'échelle automatique

Nous vous recommandons d'activer la mise à l'échelle automatique sur votre cluster pour garantir une fiabilité élevée et éviter les interruptions d'activité.

Exigences supplémentaires pour Task Mining

Si vous installez Task Mining, vous devez enregistrer un ou plusieurs nœuds de travail supplémentaires avec 20 processeurs virtuels et 60 Go de RAM. Ce nœud doit être rejeté pour garantir que seules les charges de travail Task Mining s'exécutent dessus. Pour plus de détails, consultez la section Planification des nœuds .

Exigences supplémentaires pour les Automation Suite Robots

Automation Suite Robot nécessite un ou plusieurs nœuds de travail supplémentaires.

La configuration matérielle requise pour le nœud d'Automation Suite Robots dépend de la façon dont vous prévoyez d'utiliser vos ressources. Outre la configuration requise supplémentaire pour le nœud d'agent, vous avez également besoin d'un minimum de 10 Go de stockage de fichiers pour activer la mise en cache des packages.

Pour plus de détails, consultez la documentation sur le stockage .

Les sections suivantes décrivent les facteurs qui ont un impact sur la quantité de matériel requise par le nœud d'Automation Suite Robots.

Taille du robot

Le tableau suivant décrit le processeur, la mémoire et le stockage requis pour toutes les tailles de Robot.

Taille	Processeur	Mémoire	Stockage
Petite	0,5	1 Go	1 Go
Standard	1	2 Go	2 Go
Moyenne	2	4 Go	4 Go
Grande	6	10 GB	10 GB

Taille du nœud d'agent

Les ressources du nœud de l'agent d'Automation Suite Robots ont un impact sur le nombre de tâches pouvant être exécutées simultanément. Cela s'explique par le fait que le nombre de cœurs de processeur et la quantité de capacité de RAM sont divisés par les configurations requises en termes de processeur/mémoire de la tâche.

Par exemple, un nœud avec 16 processeurs et 32 Go de RAM pourrait exécuter l'un des éléments suivants :

• 32 petites tâches ;
• 16 tâches standard
• 8 tâches moyennes ;
• 2 tâches volumineuses

Les tailles de tâches peuvent être mélangées. Ainsi, à tout moment, le même nœud peut exécuter une combinaison de tâches, comme suit :

• 10 petites tâches (consommant 5 processeurs et 10 Go de mémoire)
• 4 tâches standard (utilisant 4 processeurs et 8 Go de mémoire) ;
• 3 tâches moyennes (consommant 6 processeurs et 12 Go de mémoire)

Utilisation des ressources Kubernetes

Étant donné que le nœud fait partie d'un cluster Kubernetes, l'agent Kubernetes présent sur le serveur (kubelet) utilise une petite quantité de ressources. D’après nos mesures, le kubelet consomme les ressources suivantes :

• 0,6 de processeur ;
• 0,4 Go de RAM

Un nœud similaire à celui décrit précédemment aurait en réalité environ 15,4 processeurs et 31,6 Go de RAM.

Sélection automatique de la taille de la machine

Tous vos processus multiplateformes ont l'option Robots Automation Suite définie sur Automatique par défaut. Ce paramètre sélectionne la taille de machine appropriée pour l'exécution du processus à l'aide de robots sans serveur.

Lors du choix automatique de la taille, les critères répertoriés dans la table ci-dessous sont évalués dans l'ordre. Dès qu'un critère est satisfait, la taille de machine correspondante est choisie et les critères restants ne sont pas évalués.

Ordre	Critère	Taille de la machine
1	Tâche de débogage à distance	Moyenne
2	Le processus dépend d’UI Automation OU Le processus dépend des activités UiPath Document Understanding	Standard
3	Autre processus non assisté (unattended)	Petite

Autres recommandations pour Document Understanding

Pour des performances améliorées, vous pouvez installer Document Understanding sur un nœud d’agent supplémentaire avec prise en charge de GPU. Notez cependant que les projets basés sur AI Center dans Document Understanding sont entièrement fonctionnels sans le nœud GPU. De fait, Document Understanding utilise des machines virtuelles de processeur pour toutes ses tâches d’extraction et de classification, tandis que pour l’OCR, nous recommandons fortement l’utilisation d’une machine virtuelle GPU.

Pour plus d’informations sur l’utilisation du processeur/GPU dans l’infrastructure Document Understanding, consultez la section Utilisation du processeur et du processeur graphique.

Si vous souhaitez utiliser un nœud supplémentaire avec prise en charge du GPU, vous devez répondre aux exigences suivantes :

Matériel	Configuration minimale requise
Processeur	8 (v-)CPU/cœurs
RAM	52 Go
Disque du système d'exploitation	SSD de 256 Go IOPS minimum : 1100
DataDisk	S/O
RAM GPU	11 Go

Lors de l’ajout du pool de nœuds GPU, il est important que vous utilisiez --node-taints nvidia.com/gpu=present:NoSchedule au lieu de --node-taints sku=gpu:NoSchedule.

Important : pour garantir une planification appropriée des charges de travail GPU, assurez-vous que votre configuration YAML DaemonSet (NFD ou Nvidia GPU Operator) inclut un bloc tolerations correspondant. Vous pouvez utiliser l'exemple suivant :

tolerations:
  - key: "nvidia.com/gpu"
    operator: "Equal"
    value: "present"
    effect: "NoSchedule"

Automation Suite prend en charge les GPU NVIDIA. Pour en savoir plus sur la configuration des GPU NVDIA (tels que les pilotes), veuillez vous référer aux documents respectifs d’ Azure ou AWS.

Exigences supplémentaires pour les projets modernes de Document Understanding

Lorsque l’inférence CPU est activée, un minimum de 2 GPU est requis. Pour activer l'inférence du processeur, définissez la propriété enable_cpu_inference sur true, comme indiqué dans la section Activer ou désactiver Document Understanding .

Attention :

• L'inférence peut être jusqu'à 10 fois plus lente.
• Nous vous recommandons de l’utiliser pour les documents d’un maximum de 125 pages. Aucune limitation active n’est en place. Cependant, l'inférence peut échouer pour les documents de plus de 125 pages.

Sans inférence de processeur, un minimum de 5 GPU est requis pour les projets modernes Document Understanding. L’exemple du scénario du tableau suivant montre comment 5 GPU sont suffisants pour traiter 300 pages.

Remarque : pour les projets modernes Document Understanding, le GPU minimum recommandé est NVIDIA T4.

Function	Numérique
Pages de modèle personnalisées traitées par heure	300
Modèle prêt à l'emploi pages traitées par heure	0
Entraînement des modèles en parallèle	1
Nombre de pages dans tous les projets - Durée de conception	200
Nombre de types de documents par version de projet	3

Les 5 GPU sont répartis entre différentes fonctions, comme détaillé dans le tableau suivant :

Service	Nombre de GPU
Réplicas OCR	1
Réplicas d'entraînement de modèle personnalisés	1
Réplicas de modèle personnalisés	2
Réplicas de modèle prêts à l'emploi	1
Total	5

Pour plus d’informations sur la façon d’allouer des GPU à chaque service, consultez la page Affecter des ressources GPU pour les projets modernes Document Understanding .

En plus des exigences du GPU, les projets modernes Document Understanding nécessitent également des ressources CPU spécifiques pour des performances optimales. Pour des performances optimales, un minimum de 18 processeurs virtuels est requis.

Avec le projet moderne Document Understanding, 4 To de objectstore supplémentaires sont nécessaires pour effectuer les activités des exemples fournis en continu pendant un an. Vous pouvez commencer avec un nombre plus petit, mais l'activité échouera une fois le stockage terminé, sauf si vous le faites passer explicitement.

Si vous enregistrez pour un an de traitement continu, vous aurez besoin de 4 To pour les projets modernes Document Understanding et de 512 Go pour les autres produits. Le total sera de 4,5 To de stockage. De même, si vous commencez avec six mois de traitement, vous aurez besoin de 2 To pour les projets modernes Document Understanding et de 512 Go pour les autres produits. Dans ce cas, le total sera de 2,5 To.

Remarque : pour des calculs plus détaillés et la capacité requise pour vos besoins, consultez le calculateur de dimensionnement d'installation d'UiPath Automation Suite.

Enregistrement des GPU compatibles MIG

Les charges de travail Automation Suite Document Understanding prennent en charge l'exécution sur des GPU virtuels (VCPU) créés avec la technologie NVIDIA MIG (GPU multi-instances).

Pour exécuter Document Understanding dans ces conditions, gardez à l’esprit les exigences suivantes :

• Mémoire GPU (VRAM) : au moins 16 Go par PGPU

  Remarque : UiPath ne prend en charge que la stratégie unique, ce qui signifie que tous les VCPU seront exactement les mêmes.

• Stockage : au moins 80 Go par GPUPU

Activation des GPU activés par MIG dans Kubernetes

Après avoir enregistré les GPU activés par MIG dans votre cluster avec des profils correspondant ou dépassant les exigences minimales ci-dessus, assurez-vous que les GPU sont des Kubernetes planifiables. Le nœud doit signaler un nombre non nul de GPU avant que les charges de travail puissent y être planifiées.

Pour rendre les GPU planifiables, deux options s'offrent à vous :

• Option A : suivez la documentation officielle de configuration du GPU de votre fournisseur cloud :
  • Azure Kubernetes Service (AKS)
  • Amazon Elastic Kubernetes Service (Amazon EKS)
• Option B (Alternative) : Déployez le plug-in de l'appareil NVIDIA directement :
  1. Créez un nouvel espace de noms :

     kubectl create namespace gpu-resources

  2. Appliquez la configuration suivante, en remplaçant migEnabledPoolName par le libellé qui correspond à votre nœud GPU :

     apiVersion: v1
     kind: Pod
     metadata:
       name: nvidia-device-plugin-pod
       namespace: gpu-resources
     spec:
      affinity:
         nodeAffinity:
           requiredDuringSchedulingIgnoredDuringExecution:
             nodeSelectorTerms:
             - matchExpressions:
               - key: agentpool
                 operator: In
                 values:
                 # To be changed to a selector that matches the GPU nodes
                 - migEnabledPoolName
      containers:
      - args:
        - --fail-on-init-error=false
        env:
        - name: MPS_ROOT
          value: /run/nvidia/mps
        - name: MIG_STRATEGY
           # We only support the single strategy for now
          value: single
        - name: NVIDIA_MIG_MONITOR_DEVICES
          value: all
        - name: NVIDIA_VISIBLE_DEVICES
          value: all
        - name: NVIDIA_DRIVER_CAPABILITIES
          value: compute,utility
        image: nvcr.io/nvidia/k8s-device-plugin:v0.17.3
        imagePullPolicy: IfNotPresent
        name: nvidia-device-plugin-ctr
        securityContext:
          allowPrivilegeEscalation: true
          capabilities:
            add:
            - SYS_ADMIN
        terminationMessagePath: /dev/termination-log
        terminationMessagePolicy: File
        volumeMounts:
        - mountPath: /var/lib/kubelet/device-plugins
          name: device-plugin
      tolerations:
      - key: CriticalAddonsOnly
        operator: Exists
      - effect: NoSchedule
        key: nvidia.com/gpu
        operator: Exists
      terminationGracePeriodSeconds: 30
      volumes:
      - hostPath:
          path: /var/lib/kubelet/device-plugins
          type: ""
        name: device-plugin

Après le déploiement du plugin, la section Allouable du nœud doit afficher le nombre correct de VGPU sous nvidia.com/gpu, en fonction du profil MIG que vous avez configuré. Le nœud doit désormais être planifiable et prêt pour exécuter les charges de travail Document Understanding.

Planification des nœuds

Nous vous recommandons d'activer les rejets de nœud sur les nœuds de travail dédiés pour Task Mining, Automation Suite Robotet Document Understanding.

Exemple d'AI Center et du DU :

• Pour le processeur :

  kubectl taint node <node_name> aic.ml/cpu=present:NoSchedule

• Pour le GPU :

  kubectl taint node <node_name> nvidia.com/gpu=present:NoSchedule

Exemple de Task Mining :

kubectl taint node <node_name> task.mining/cpu=present:NoSchedule

ExempleAutomation Suite Robot :

• ajoutez un rejet pour les robots sans serveur à l'aide de la commande suivante :

  kubectl taint node <node_name> serverless.robot=present:NoSchedule

• ajoutez les libellés pour les robots sans serveur à l'aide de la commande suivante :

  kubectl label node <node_name> serverless.robot=true serverless.daemon=true

Important :

Si vous avez des rejets de nœud personnalisés qui sont appliqués par la politique de garde d'accès, tels que des rôles spécifiques pour les nœuds de travail ou les libellés, ils ne seront pas transmis à Automation Suite et peuvent interrompre le processus d'installation.

Pour en savoir plus sur les rejets et les tolérances, consultez la documentation de Kubernetes.