Automatizované nasazování databází do cloudového prostředí

Abstract

Kubernetes je open-source systém pre automatizáciu, nasadzovanie, škálovanie a správu kontajnerových aplikácií. V súčastnosti na cloud platfome Kubernetes chýba predpripravená konfigurácia pre nasadenie databázových systémov, ako je napríklad MongoDB, Cassandra a MySQL, s využítím podpory clustrovania a zabezpečením vysokej dostupnosti. Táto práca sa zaoberá analýzou dostupných riešení pre nasadzovanie spomínaných databázových systémov na platformu Kubernetes a návrhom a implementáciou vlastného riešenia, ktoré zohľadňuje požiadavky na vysokú dostupnosť, ktoré vznikajú pri produkčnom nasadení. Výsledkom práce sú konfiguračné súbory (vo formáte YAML) a scripty pre nasadenie do Kubernetes. Konfigurácia využíva zabudovanú funkcionalitu Kubernetes pre clustrovanie, vysokú dostupnosť a zvyšuje stabilitu systému v prípade havárie alebo nedostupnosti jedného z uzlov. Riešenie je možné použiť v prostredí Kubernetes bežiacom na Google Cloud, Amazon Web Services alebo na vlastnom hardware. Implementovaný bol aj prototyp webovej aplikácie napísanej v jazyku Python, ktorá demonštruje prístup ku jednotlivým databázovým clustrom a na ktorej prebehol test priepustnosti požiadaviek pri zvyšovaní databázových uzlov.

Kubernetes is an open-source system for automating deployment, scaling, and management of containerized applications. Currently, there is lack of production-ready configuration for a deployment of database systems such as MongoDB, Cassandra and MySQL that uses a clustering capability of these systems and provides high availability setup backed by Kubernetes functionality. The aim of this thesis is to analyze current solutions to an automatized deployment of database systems on the Kubernetes platform and to design and implement a custom solution that respects requirements for production deployments. Outputs of the thesis are configurations files (in YAML format) and scripts used to deploy these databases on the Kubernetes. It supports deployment to multiple infrastructures - Google Cloud, AWS and bare metal. Implemented web application, written in Python, provides an example on how to access deployed database systems. It was also used for load testing and to test the scaling capabilities of the clusters.