Kubernetes 集群和节点

专用集群

You can bring your own Kubernetes cluster from Azure or AWS and follow your standard practices to provision and manage it. Automation Suite requires a dedicated cluster with cluster admin privileges because it deploys the entire UiPath® business platform, and it comprises many UiPath® products that include many micro-services.

支持的 EKS/AKS 版本

每个 Automation Suite 长期支持版本都附带一个兼容性矩阵。 有关兼容的 EKS 或 AKS 版本，请参阅 兼容性矩阵。

Automation Suite 支持以下 Linux 操作系统：

云提供程序	操作系统
AKS	Ubuntu 22.04 和 18.04
EKS	Amazon Linux 2（对于所有 EKS 版本） 适用于 EKS 1.27 的 RHEL 8.8 Bottlerocket 1.19.2

EKS/AKS 上的 Automation Suite 仅支持 x86 EKS/AKS 架构，而不支持 ARM64。

节点容量

要根据您的产品和规模要求估计节点容量，请使用 UiPath Automation Suite 安装大小调整计算器。

EKS 和 AKS 代理（工作器）节点的根卷要求为 256 GB。

要开始使用必需的平台服务（身份、许可和路由）和 Orchestrator，您必须为每个节点配置 8 个 vCPU 和 16 GB RAM。

自动缩放

我们建议在集群上启用自动调节功能，以确保高可靠性并避免业务中断。

其他 Task Mining 要求

如果安装 Task Mining，则必须配置其他具有 20 vCPU 和 60 GB RAM 的工作线程节点。 必须污染此节点，以确保仅在其上运行 Task Mining 工作负载。 有关详细信息，请参阅 节点计划 部分。

其他 Automation Suite Robot 要求

Automation Suite Robot 需要其他工作线程节点。

Automation Suite Robot 节点的硬件要求取决于您计划使用资源的方式。除了其他代理节点要求外，您还需要至少 10 GiB 的空间才能启用包缓存。

有关详细信息，请参阅 存储 文档。

以下部分介绍了影响 Automation Suite Robot 节点所需硬件数量的因素。

机器人尺寸

下表描述了所有机器人规格所需的 CPU、内存和存储。

大小	CPU	内存	存储
小	0.5	1 GiB	1 GiB
标准	1	2 GiB	2 GiB
中	2	4 GiB	4 GiB
大	6	10 GiB	10 GiB

代理节点规格

Automation Suite Robot 代理节点的资源会影响可并发运行的作业数量。原因是作业的 CPU/内存要求需要使用 CPU 内核数和 RAM 容量。

例如，具有 16 个 CPU 和 32 GiB RAM 的节点将能够运行以下任何内容：

• 32 个小型作业
• 16 个标准作业
• 8 个中型作业
• 2 个大型作业

作业规格可以混合使用，因此在任何给定时刻，同一节点都可以运行作业组合，如下所示：

• 10 个小型作业（消耗 5 个 CPU 和 10 GiB 内存）
• 4 个标准作业 (消耗 4 个 CPU 和 8 GiB 内存)
• 3 个中型作业 (消耗 6 个 CPU 和 12 GiB 内存)

Kubernetes 资源消耗

鉴于节点是 Kubernetes 集群的一部分，服务器上的 Kubernetes 代理 (kubelet) 会消耗少量资源。根据我们的测量结果，kubelet 会使用以下资源：

• 0.6 个 CPU
• 0.4 GiB RAM

与先前描述的节点类似的节点实际上具有大约 15.4 个 CPU 和 31.6 GiB RAM。

自动选择计算机规格

默认情况下，所有跨平台流程的“Automation Suite Robots”选项都设置为“自动”。此设置会选择适当的计算机规格，以使用 Serverless Robot 运行流程。

自动选择规格时，系统会按顺序评估下表中列出的条件。只要满足一个标准，就会选择相应的计算机规格，并且不会再评估其余标准。

顺序	条件	计算机规格
1	[远程调试作业]	中
2	流程视用户界面自动化而定 或 流程视 UiPath Document Understanding 活动而定	标准
3	其他 Unattended 流程	小

其他 Document Understanding 建议

为了提高性能，您可以在具有 GPU 支持的其他代理节点上安装 Document Understanding。但请注意，Document Understanding 在没有 GPU 节点的情况下也完全可以正常运行。实际上，Document Understanding 使用 CPU 虚拟机执行所有提取和分类任务，而对于 OCR，我们强烈建议使用 GPU 虚拟机。您可以在此处找到有关 Document Understanding 框架中 CPU/GPU 使用情况的更多信息。

如果要使用具有 GPU 支持的其他节点，则必须满足以下要求：

硬件	最低要求
处理器	8 (v-)CPU/内核
RAM	52 GiB
集群二进制文件和状态磁盘	256 GiB SSD 最低 IOPS：1100
数据磁盘	不适用
GPU RAM	11 GiB

添加 GPU 节点池时，请务必使用 --node-taints nvidia.com/gpu=present:NoSchedule 而不是 --node-taints sku=gpu:NoSchedule。

Automation Suite 支持 NVIDIA GPU。要了解如何配置 NVDIA GPU（例如驱动程序），请参阅 Azure 或 AWS 的相应文档。

节点调度

我们建议在 Task Mining、Automation Suite Robot 和 Document Understanding 的专用工作器节点上启用节点污点。

AI Center 和 DU 示例：

• 对于 CPU：

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

对于 GPU：

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

Task Mining 示例：

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

Automation Suite Robot 示例：

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

重要提示：

如果您有网守策略强制执行的自定义节点污点，例如工作线程节点的特定角色或标签，则这些污点不会传递到 Automation Suite ，并且可能会中断安装过程。

要了解有关污点和容忍的信息，请参阅 Kubernetes 文档。