Kubernetes クラスターとノード

EKS/AKS の Automation Suite をデプロイするための Kubernetes クラスターとノードの要件。

専用クラスター

Azure または AWS の独自の Kubernetes クラスターを利用し、標準のプラクティスに従ってプロビジョニングおよび管理できます。Automation Suite には専用のクラスターとクラスター管理者権限が必要です。これは、Automation Suite が UiPath® のビジネス プラットフォーム全体をデプロイし、マイクロサービスを多数含むさまざまな UiPat®h 製品で構成されるためです。

サポートされる EKS/AKS バージョン

Automation Suite ロング ターム サポートの各リリースには相互運用性マトリクスが付属しています。互換性のある EKS または AKS のバージョンについては、「 相互運用性マトリクス」をご覧ください。

Automation Suite と以下の Linux OS との互換性をテストしました。

クラウド プロバイダー	OS
AKS	Ubuntuの22.04
EKS	Amazon Linux 2 および Amazon Linux 2023 (EKS のすべてのバージョン) EKS 1.27 の場合は RHEL 8.8 Bottlerocket 1.19.2

EKS/AKS の Automation Suite は、x86 EKS/AKS のアーキテクチャのみをサポートし、ARM64 はサポートしていません。

ノードの容量

製品とスケールの要件に基づいてノードの容量を推定するには、UiPath Automation Suite Install Sizing Calculator を使用します。

エージェント (ワーカー) ノードのルートボリューム要件は 256 GB です。

必須のプラットフォーム サービス (Identity、ライセンス、ルーティング) と Orchestrator で開始するには、少なくともノードあたり 8 個の vCPU と 16 GB の RAM をプロビジョニングする必要があります。

注:

Automation Suite のスポット インスタンスを運用シナリオで使用することは、安定性とパフォーマンスの問題があるためお勧めしません。

スワップ メモリ

Automation Suite をインストールする前に、スワップ メモリを無効化する必要があります。スワップ メモリは、コンテナ ワークロードで問題を引き起こすことが知られています。さらに、Automation Suite のワークロードではスワップ メモリを使用するメリットが無く、Kubernetes ではメモリの使用がすでに最適化されています。

自動スケーリング

高い信頼性を確保し、ビジネスの中断を回避するため、クラスターで自動スケーリングを有効化することをお勧めします。

Task Mining の追加要件

Task Mining をインストールする場合は、20 個の vCPU と 60 GB の RAM を搭載したワーカー ノードを追加でプロビジョニングする必要があります。このノードには taint を付与し、Task Mining のワークロードのみが実行されるようにする必要があります。詳しくは、「ノードのスケジュール設定」セクションをご覧ください。

Automation Suite ロボットの追加要件

Automation Suite ロボットには追加のワーカー ノードが必要です。

Automation Suite ロボット ノードのハードウェア要件は、リソースの使用方法によって異なります。追加のエージェント ノードの要件に加えて、 パッケージのキャッシュ を有効にするために 10 GB 以上のファイル ストレージも必要です。

詳しくは、 ストレージ のドキュメントをご覧ください。

次のセクションでは、Automation Suite ロボット ノードで必要なハードウェアの量に影響する要因について説明します。

ロボットのサイズ

次の表で、すべてのサイズのロボットに必要な CPU、RAM、およびストレージについて説明します。

Size	CPU	RAM	ストレージ
小	0.5	1 GB	1 GB
標準	1	2 GB	2 GB
中	2	4 GB	4 GB
大	6	10 GB	10 GB

エージェント ノードのサイズ

Automation Suite ロボット エージェント ノードのリソースは、同時に実行できるジョブの数に影響します。その理由は、CPU コアの数と RAM 容量の量がジョブの CPU/RAM 要件で割られるためです。

たとえば、16 CPU と 32 GB の RAM を搭載したノードは、次のいずれかを実行できます。

• 32 個の小型のジョブ
• 16 個の標準ジョブ
• 8 個の中型のジョブ
• 2 個の大型のジョブ

複数のジョブ サイズを混在できるため、特定の時点において、同じノードで次のようなジョブの組み合わせを実行できます。

• 10 個の小型のジョブ (5 CPU と 10 GB の RAM を消費)
• 4 個の標準ジョブ (4 CPU と 8 GB の RAM を消費)
• 3 個の中型のジョブ (6 CPU と 12 GB の RAM を消費)

Kubernetes のリソース消費量

ノードは Kubernetes クラスターに属しているため、サーバー上に存在する Kubernetes エージェント (kubelet) は少量のリソースを消費します。UiPath の測定結果によると、Kubelet が消費するリソースは以下のとおりです。

• 0.6 CPU
• 0.4 GB の RAM

前述のノードと同様のノードでは、実際の容量は約 15.4 CPU と 31.6 GB の RAM になります。

マシン サイズの自動選択

すべてのクロスプラットフォーム プロセスでは、[Automation Suite ロボット] のオプションが既定で [自動] に設定されています。この設定では、サーバーレス ロボットを使用してプロセスを実行するのに適したマシン サイズが選択されます。

サイズの自動選択にあたっては、以下の表に記載された基準が順番に評価されます。ある基準が満たされた時点で、その基準に対応するマシン サイズが選択され、残りの基準は評価されません。

順序	基準	マシン サイズ
1	リモート デバッグのジョブである	中
2	プロセスが UI Automation に依存しているか、またはプロセスが UiPath Document Understanding アクティビティに依存している	標準
3	その他の無人プロセス	小

Document Understanding の追加の推奨事項

パフォーマンスを向上させるには、GPU がサポートされた追加のエージェント ノードに Document Understanding をインストールできます。 ただし、Document Understanding は GPU ノードがなくても完全に機能します。 実際には、Document Understanding はすべての抽出および分類タスクに CPU 仮想マシンを使用しますが、OCR には GPU 仮想マシンを使用することを強くお勧めします。

Document Understanding フレームワーク内での CPU/GPU の使用方法の詳細については、「 CPU と GPU の使用」をご覧ください。

GPU サポートのある追加のノードを使用する場合、次の要件を満たす必要があります。

ハードウェア	最小要件
プロセッサ	8 (v-)CPU/コア
RAM	52ギガバイト
クラスター バイナリとステート ディスク	256 GB SSD 最小 IOPS: 1100
データ ディスク	N/A
GPU RAM	11ギガバイト

GPU ノード プールを追加する際は、--node-taints sku=gpu:NoSchedule ノード プールではなく --node-taints nvidia.com/gpu=present:NoSchedule を使用することが重要です。

GPU ワークロードの適切なスケジューリングを確保するには、DaemonSet YAML 構成に一致する tolerations ブロックが含まれていることを確認します。以下の例を使用できます。

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

Automation Suite では NVIDIA GPU がサポートされています。NVIDIA GPU (ドライバーなど) の設定方法については、 Azure の公式ドキュメント または AWS のドキュメントをご覧ください。

ノードのスケジュール設定

Task Mining、Automation Suite ロボット、Document Understanding 用の専用のワーカー ノードでは、ノード taint を有効化することをお勧めします。

AI Center と DU の例:

• CPU の場合:

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

• GPU の場合:

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

Task Mining の例:

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

Automation Suite ロボットの例:

• 次のコマンドを使用して、サーバーレス ロボットの taint を追加します。

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

• 次のコマンドを使用して、サーバーレス ロボットのラベルを追加します。

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

重要:

Gatekeeper のポリシーによって適用されるカスタムのノード taint がある場合 (ワーカー ノードに対する特定のロールやラベルなど)、そのノード taint は Automation Suite に渡されないため、インストール プロセスが中断する可能性があります。

taint と toleration について詳しくは、 Kubernetes のドキュメントをご覧ください。