• /
  • EnglishEspañolFrançais日本語한국어Português
  • Inicia sesiónComenzar ahora

Te ofrecemos esta traducción automática para facilitar la lectura.

En caso de que haya discrepancias entre la versión en inglés y la versión traducida, se entiende que prevalece la versión en inglés. Visita esta página para obtener más información.

Crea una propuesta

Configuración del gestor de trabajos sintético

Este documento lo guiará a través de la configuración de su administrador de trabajos Sintético mostrándole cómo:

configuración usando variables de entorno

Las variables ambientales le permiten ajustar la configuración del administrador de trabajos de Sintético para satisfacer sus necesidades ambientales y funcionales específicas.

Variables definidas por el usuario para monitor con script

Los administradores de trabajos de Private Sintético le permiten configurar variables de entorno para el monitor con script. Estas variables se administran localmente en SJM y se puede acceder a ellas a través de $env.USER_DEFINED_VARIABLES. Puede configurar variables definidas por el usuario de dos maneras. Puede montar un archivo JSON o puede proporcionar una variable de entorno al SJM en el lanzamiento. Si se proporcionan ambos, el SJM solo utilizará valores proporcionados por el entorno.

Acceder a variables de entorno definidas por el usuario desde un script

Para hacer referencia a una variable de entorno definida por el usuario configurada, emplee el $env.USER_DEFINED_VARIABLES reservado seguido del nombre de una variable dada con notación de punto (por ejemplo, $env.USER_DEFINED_VARIABLES.MY_VARIABLE).

Advertencia

Las variables de entorno definidas por el usuario no se desinfectan del log. Considere utilizar la característica de credenciales seguras para información confidencial.

Módulos de nodo personalizados

Se proporcionan módulos de nodo personalizados tanto en llamadas por minuto como en SJM. Le permiten crear un conjunto personalizado de módulos de nodo y usarlos en un monitor con script ( API con script y browser con script) para monitoreo sintético.

Configurar su directorio de módulos personalizados

Cree un directorio con un archivo package.json siguiendo las pautas oficiales de npm en la carpeta raíz. El SJM instalará cualquier dependencia enumerada en el paquete.json. campo dependencies . Estas dependencias estarán disponibles cuando se ejecute el monitor en el administrador de trabajos privado de Sintético. Vea un ejemplo de esto a continuación.

Ejemplo

En este ejemplo, se utiliza un directorio de módulo personalizado con la siguiente estructura:

/example-custom-modules-dir/
    ├── counter
    │   ├── index.js
    │   └── package.json
    └── package.json            ⇦ the only mandatory file

package.json define dependencies como un módulo local (por ejemplo, counter) y cualquier módulo alojado (por ejemplo, smallest versión 1.0.1):

{
    "name": "custom-modules",
    "version": "1.0.0",                                ⇦ optional
    "description": "example custom modules directory", ⇦ optional
    "dependencies": {
    "smallest": "1.0.1",                               ⇦ hosted module
    "counter": "file:./counter"                        ⇦ local module
    }
}

Agregue su directorio de módulos personalizados al SJM para Docker, Podman o Kubernetes

Para comprobar si los módulos se instalaron correctamente o si se produjo algún error, busque las siguientes líneas en los registros del contenedor o pod synthetics-job-manager :

2024-06-29 03:51:28,407{UTC} [main] INFO  c.n.s.j.p.options.CustomModules - Detected mounted path for custom node modules
2024-06-29 03:51:28,408{UTC} [main] INFO  c.n.s.j.p.options.CustomModules - Validating permission for custom node modules package.json file
2024-06-29 03:51:28,409{UTC} [main] INFO  c.n.s.j.p.options.CustomModules - Installing custom node modules...
2024-06-29 03:51:44,670{UTC} [main] INFO  c.n.s.j.p.options.CustomModules - Custom node modules installed successfully.

Ahora puede agregar "require('smallest');" al script del monitor que envía a esta ubicación privada.

Cambiar package.json

Además de los módulos locales y alojados, también puede utilizar módulos de Node.js. Para actualizar los módulos personalizados utilizados por su SJM, realice cambios en el archivo package.json y reinicie SJM. Durante el proceso de reinicio, el SJM reconocerá el cambio de configuración y realizará automáticamente operaciones de limpieza y reinstalación para garantizar que se apliquen los módulos actualizados.

Advertencia

Módulos locales: si bien su package.json puede incluir cualquier módulo local, estos módulos deben residir dentro del árbol debajo de su directorio de módulos personalizados. Si se almacena fuera del árbol, el proceso de inicialización fallará y verá un mensaje de error en el log docker después de iniciar SJM.

Almacenamiento permanente de datos

Es posible que el usuario desee emplear almacenamiento de datos permanente para proporcionar el archivo user_defined_variables.json o admitir módulos de nodo personalizados.

Docker

Para configurar el almacenamiento permanente de datos en Docker:

  1. Cree un directorio en el host donde está iniciando Job Manager. Este es su directorio de origen.

  2. Inicie el Administrador de trabajos, montando el directorio de origen en el directorio de destino /var/lib/newrelic/synthetics.

    Ejemplo:

    bash
    $
    docker run ... -v /sjm-volume:/var/lib/newrelic/synthetics:rw ...

Podman

Para configurar el almacenamiento de datos permanente en Podman:

  1. Cree un directorio en el host donde está iniciando Job Manager. Este es su directorio de origen.
  2. Inicie el Administrador de trabajos, montando el directorio de origen en el directorio de destino /var/lib/newrelic/synthetics.

Ejemplo:

bash
$
podman run ... -v /sjm-volume:/var/lib/newrelic/synthetics:rw,z ...

Kubernetes

Para configurar el almacenamiento permanente de datos en Kubernetes, el usuario tiene dos opciones:

  1. Proporcione un PersistentVolumeClaim (PVC) existente para un PersistentVolume (PV) existente y establezca el valor de configuración synthetics.persistence.existingClaimName . Ejemplo:

    bash
    $
    helm install ... --set synthetics.persistence.existingClaimName=sjm-claim ...

  2. Proporcione un nombre de PersistentVolume (PV) existente y establezca el valor de configuración synthetics.persistence.existingVolumeName . Helm generará una PVC para el usuario. El usuario también puede configurar opcionalmente los siguientes valores:

  • synthetics.persistence.storageClass:La clase de almacenamiento del PV existente. Si no se proporciona, Kubernetes empleará la clase de almacenamiento predeterminada.

  • synthetics.persistence.size:El tamaño de la reclamación. Si no se configura, el valor predeterminado actualmente es 2Gi.

    bash
    $
    helm install ... --set synthetics.persistence.existingVolumeName=sjm-volume --set synthetics.persistence.storageClass=standard ...

Consideraciones de dimensionamiento para Docker y Podman

Para garantizar que su ubicación privada funcione de manera eficiente, debe aprovisionar suficientes recursos de CPU en su host para manejar su carga de trabajo de monitoreo. Muchos factores influyen en el tamaño, pero puedes estimar rápidamente tus necesidades. Necesitará 1 núcleo de CPU para cada monitor pesado (es decir, navegador simple, navegador con script o monitor de API con script). A continuación se muestran dos fórmulas que lo ayudarán a calcular la cantidad de núcleos que necesita, ya sea que esté diagnosticando una configuración actual o planeando una futura.

Fórmula 1: Diagnóstico de una ubicación existente

Si su ubicación privada actual tiene dificultades para mantener el ritmo y sospecha que hay cola de trabajos, emplee esta fórmula para descubrir cuántos núcleos necesita realmente. Se basa en el rendimiento observable de su sistema.

$$ C_est = (R_proc + R_growth) \cdot D_avg,m $$

  • C_estC\_est = Núcleos de CPU estimados.
  • R_procR\_proc = La tasa de trabajos pesados que se procesan por minuto.
  • R_growthR\_growth = La velocidad a la que su cola jobManagerHeavyweightJobs crece por minuto.
  • D_avg,mD\_avg,m = La duración promedio de trabajos pesados en minutos.

Esta fórmula calcula la tasa real de llegada de trabajos sumando los trabajos que su sistema está procesando a los trabajos que se están acumulando en la cola. Multiplicar esta carga total por la duración media del trabajo le indicará exactamente cuántos núcleos necesita para completar todo el trabajo sin colas.

Fórmula 2: Pronosticar una ubicación nueva o futura

Si está configurando una nueva ubicación privada o planea agregar más monitores, use esta fórmula para pronosticar sus necesidades con anticipación.

$$ C_est = N_mon \cdot D_avg,m \cdot \frac1P_avg,m $$

  • C_estC\_est = Núcleos de CPU estimados.
  • N_monN\_mon = La cantidad total de monitores pesados que planea ejecutar.
  • D_avg,mD\_avg,m = La duración promedio de un trabajo pesado en minutos.
  • P_avg,mP\_avg,m = El periodo promedio para monitores pesados en minutos (por ejemplo, un monitor que se ejecuta cada 5 minutos tiene P_avg,m=5P\_avg,m = 5).

Esto calcula tu carga de trabajo prevista a partir de principios básicos: cuántos monitores tienes, con qué frecuencia se ejecutan y cuánto tiempo tardan.

Factores de tamaño importantes

Al emplear estas fórmulas, recuerde tener en cuenta estos factores:

  • Duración del trabajo (D_avg,mD\_avg,m): su promedio debe incluir trabajos que expiran (generalmente -3 minutos), ya que estos mantienen un núcleo durante toda su duración.
  • Errores de trabajo y reintentos: cuando un monitor falla, se vuelve a intentar automáticamente. Estos reintentos son trabajos adicionales que se suman a la carga total. Un monitor que falla y vuelve a intentarlo constantemente multiplica efectivamente su periodo, lo que afecta significativamente el rendimiento.
  • Escalamiento horizontal: además de agregar más núcleos a un host (escalamiento vertical), puede implementar administradores de trabajos sintéticos adicionales con la misma clave de ubicación privada para equilibrar la carga de trabajos en múltiples entornos (escalamiento horizontal).

Es importante tener en cuenta que un solo Sintéticos Job Manager (SJM) tiene un límite de rendimiento de aproximadamente 15 trabajos pesados por minuto. Esto se debe a una estrategia de subprocesamiento interno que favorece la competencia eficiente de trabajos entre múltiples SJM sobre la cantidad bruta de trabajos procesados por SJM. Si sus cálculos indican la necesidad de un mayor rendimiento, deberá ampliar la escala implementando SJM adicionales. Puede verificar si su cola de trabajos está creciendo para determinar si se necesitan más SJM.

Agregar más SJM con la misma clave de ubicación privada ofrece varios beneficios:

  • Equilibrio de carga: los trabajos para la ubicación privada se distribuyen entre todos los SJM disponibles.
  • Protección contra conmutación por error: si una instancia de SJM deja de funcionar, las demás pueden continuar procesando trabajos.
  • Mayor rendimiento total: el rendimiento total de su ubicación privada se convierte en la suma del rendimiento de cada SJM (por ejemplo, dos SJM proporcionan hasta -30 trabajos/minuto).

Consulta de NRQL para diagnóstico

Puede ejecutar estas consultas en el generador de consultas para obtener los insumos para la fórmula de diagnóstico. Cerciorar de establecer el rango de tiempo en un periodo lo suficientemente largo para obtener un promedio estable.

1. Calcular la tasa de trabajos procesados por minuto (R_procR\_proc): Esta consulta cuenta el número de trabajos que no son de ping (pesados) completados durante el último día y muestra la tasa promedio por minuto.

FROM SyntheticCheck
SELECT rate(uniqueCount(id), 1 minute) AS 'job rate per minute'
WHERE location = 'YOUR_PRIVATE_LOCATION' AND type != 'SIMPLE'
SINCE 1 day ago

2. Encuentra la tasa de crecimiento de la cola por minuto (R_growthR\_growth): Esta consulta calcula el crecimiento promedio por minuto de la cola jobManagerHeavyweightJobs en un gráfico de seriales temporales. Una línea por encima de cero indica que la cola está creciendo, mientras que una línea por debajo de cero significa que está disminuyendo.

FROM SyntheticsPrivateLocationStatus
SELECT derivative(jobManagerHeavyweightJobs, 1 minute) AS 'queue growth rate per minute'
WHERE name = 'YOUR_PRIVATE_LOCATION'
TIMESERIES SINCE 1 day ago

Sugerencia

Cerciorar de seleccionar la cuenta donde existe la ubicación privada. Es mejor ver esta consulta como un serial de tiempo porque la función derivada puede variar mucho. El objetivo es obtener una estimación de la tasa de crecimiento de la cola por minuto. Play con diferentes rangos de tiempo para ver qué funciona mejor.

3. Encontrar el número total de monitores pesados (N_monN\_mon): Esta consulta encuentra el recuento único de monitores pesados.

FROM SyntheticCheck
SELECT uniqueCount(monitorId) AS 'monitor count'
WHERE location = 'YOUR_PRIVATE_LOCATION' AND type != 'SIMPLE'
SINCE 1 day ago

4. Calcular la duración promedio del trabajo en minutos (D_avg,mD\_avg,m): Esta consulta encuentra la duración promedio de ejecución de los trabajos no ping completados y convierte el resultado de milisegundos a minutos. executionDuration representa el tiempo que tardó el trabajo en ejecutar en el host.

FROM SyntheticCheck
SELECT average(executionDuration)/60e3 AS 'avg job duration (m)'
WHERE location = 'YOUR_PRIVATE_LOCATION' AND type != 'SIMPLE'
SINCE 1 day ago

5. Encuentre el periodo promedio del monitor de peso pesado (P_avg,mP\_avg,m): si la cola jobManagerHeavyweightJobs de la ubicación privada está creciendo, no es preciso calcular el periodo promedio del monitor a partir de los resultados existentes. Esto deberá estimar a partir de la lista de monitores en la página Monitores Sintéticos. Cerciórate de seleccionar la cuenta New Relic correcta y es posible que debas filtrar por privateLocation.

Sugerencia

Los monitores sintéticos pueden existir en múltiples subcuentas. Si tienes más subcuentas de las que se pueden seleccionar en el generador de consultas, elige las cuentas con más monitores.

Nota sobre los monitores de ping y la cola pingJobs

Los monitores de ping son diferentes. Son trabajos ligeros que no consumen un núcleo de CPU completo cada uno. En su lugar, emplean una cola separada (pingJobs) y se ejecutan en un grupo de subprocesos de trabajo.

Si bien consumen menos recursos, un gran volumen de trabajos de ping, especialmente los fallidos, aún pueden causar problemas de rendimiento. Tenga en cuenta estos puntos:

  • Modelo de recursos: los trabajos de ping emplean subprocesos de trabajo, no núcleos de CPU dedicados. En estos casos no se aplica el cálculo de núcleo por puesto de trabajo.
  • Tiempo de espera y reintento: un trabajo de ping fallido puede ocupar un hilo de trabajo durante hasta 60 segundos. Primero intenta una solicitud HTTP HEAD (tiempo de espera de 30 segundos). Si eso falla, vuelve a intentarlo inmediatamente con una solicitud HTTP GET (otro tiempo de espera de 30 segundos).
  • Escalamiento: aunque la fórmula de dimensionamiento es diferente, se aplican los mismos principios. Para manejar un gran volumen de trabajos de ping y evitar que la cola pingJobs crezca, es posible que necesite escalar verticalmente u horizontalmente. Escalar significa aumentar los recursos de CPU y memoria por host o namespace. Escalar horizontalmente significa agregar más instancias del tiempo de ejecución de ping. Esto se puede hacer implementando más administradores de trabajos en más hosts, en más espacios de nombres o incluso dentro del mismo namespace. Alternativamente, el ping-runtime en Kubernetes le permite establecer una mayor cantidad de réplicas por implementación.

Consideraciones de dimensionamiento para Kubernetes y OpenShift

Cada entorno de ejecución empleado por el administrador de trabajos Kubernetes y OpenShift Sintético se puede dimensionar de forma independiente configurando valores en el gráfico de Helm. El node-api-runtime y el node-browser-runtime se dimensionan de forma independiente empleando una combinación de las configuraciones parallelism y completions.

  • La configuración parallelism controla cuántos pods de un entorno de ejecución particular se ejecutan simultáneamente.
  • La configuración completions controla cuántos pods deben completar antes de que CronJob inicie otro trabajo Kubernetes para ese tiempo de ejecución.

Mejores prácticas para dimensionar su implementación

A menudo no es posible calcular con precisión los valores necesarios de paralelismo y finalizaciones porque la duración promedio observada en New Relic podría no ser exacta, especialmente si la ubicación privada existente no funciona correctamente. Siga este enfoque práctico para ajustar el paralelismo y las finalizaciones. Las siguientes ecuaciones se pueden utilizar para obtener valores aproximados como punto de partida.

1. Estimar finalizaciones y paralelismo

Haga lo posible por estimar la duración promedio de ejecución y el número de trabajos cada 5 minutos. Esto le proporciona un punto de partida aproximado para el siguiente paso, que implicará prueba y error para ajustar los valores de paralelismo y finalizaciones en un clúster en funcionamiento. Asegúrese de escalarlos proporcionalmente, por ejemplo, pasando de los valores predeterminados de 1 y 6 a 10 y 60.

Finalizaciones estimadas: Esto determina cuánto tiempo tardará en completarse su carga de trabajo de 5 minutos.

-- Get average execution duration in minutes
FROM SyntheticCheck
SELECT average(executionDuration / 60e3) AS 'Avg Duration (min)'
WHERE type != 'SIMPLE' AND location = 'YOUR_PRIVATE_LOCATION'
SINCE 1 hour ago

$$ Finalizaciones = \frac5D_avg,m $$

Donde D_avg,mD\_avg,m es su duración promedio de ejecución del trabajo en minutos.

Paralelismo estimado: Esto determina cuántos trabajadores (pods) necesita que se ejecuten simultáneamente para manejar su carga de trabajo de 5 minutos.

-- Get jobs per 5 minutes
FROM SyntheticCheck
SELECT rate(uniqueCount(id), 5 minutes) AS 'Number of monitor jobs per 5 minutes'
WHERE type != 'SIMPLE' AND location = 'YOUR_PRIVATE_LOCATION'
SINCE 1 hour ago

$$ P_est = \fracN_mCompletions $$

Donde N_mN\_m es su número de trabajos por 5 minutos. Este valor P_estP\_est es su paralelismo estimado.

2. Realice un despliegue de Helm

Realice un despliegue de Helm con valores estimados de paralelismo y finalizaciones, y su mejor estimación para ping-runtime.replicaCount dada la cantidad de núcleos de CPU por nodo y el número de monitores de ping que deben ejecutarse por minuto.

3. Monitorear el crecimiento de la cola

Con los monitores sintéticos configurados para enviar trabajos a la ubicación privada, verifique el crecimiento de la cola en un gráfico de líneas de serie de tiempo para pingJobs y jobManagerHeavyweightJobs.

  • Si la cola pingJobs tiene una pendiente positiva, aumente ping-runtime.replicaCount y vuelva a desplegar.
  • Si la cola jobManagerHeavyweightJobs tiene una pendiente positiva, aumente parallelism y completions proporcionalmente hasta que la cola deje de crecer (pendiente negativa).

Una pendiente negativa indica que el administrador de trabajos tiene suficiente paralelismo para manejar la demanda de trabajos. Eventualmente llegará a cero con una pendiente negativa.

FROM SyntheticsPrivateLocationStatus
SELECT average(jobManagerHeavyweightJobs) AS 'Heavyweight Queue Growth', average(pingJobs) AS 'Ping Queue Growth'
WHERE name = 'YOUR_PRIVATE_LOCATION'
SINCE 1 day ago TIMESERIES

4. Ajustar según el estado de ejecución del pod

Con la cola disminuyendo o en cero, busque pods node-api-runtime y node-browser-runtime que estén en estado "running" durante más de 10 minutos. Esto indica que el paralelismo está configurado demasiado alto y hay más pods de los necesarios.

Para evitar desperdiciar recursos innecesariamente, disminuya parallelism y completions para reducir la antigüedad de cada pod de runtime "running". Si el objetivo es una antigüedad de trabajo de Kubernetes de 5 minutos, los pods de tiempo de ejecución deben estar en estado de ejecución durante menos de 5 minutos, lo que significa que el pod se creó, recibió rápidamente un trabajo para ejecutar y se completó.

5. Escalar horizontalmente si es necesario

Si la cola no disminuye, pero hay muchos pods en estado "running" durante más de 10 minutos, es probable que el gestor de trabajos esté alcanzando su cuello de botella de rendimiento. Lo siguiente que debe hacer es disminuir el paralelismo y escalar horizontalmente con una o más implementaciones adicionales.

Por ejemplo, con parallelism: 100, completions: 600 la cola sigue creciendo, pero hay muchos pods en estado "running" durante más de 10 minutos, y la antigüedad del Job de Kubernetes es de 20 minutos ... configure parallelism: 50, completions: 200 y escale horizontalmente (hacia afuera) agregando 2 despliegues adicionales. Esto genera un total de 150 pods paralelos y debería reducir la antigüedad del trabajo de K8s a menos de 20 minutos, a la vez que reduce la cantidad de pods "running" de larga duración. Apunte a una antigüedad del trabajo de K8s de 5 a 10 minutos.

Para obtener más información sobre cómo agregar implementaciones, consulte Escalamiento con múltiples implementaciones de SJM.

Sugerencia

Puede utilizar la siguiente consulta para ayudar a determinar si necesita escalar horizontalmente.

Nota: Los monitores pueden existir en múltiples subcuentas.

-- monitors per minute per SJM
FROM SyntheticCheck SELECT
  round(rate(uniqueCount(id), 1 minute)/uniqueCount(minionId),0.1) AS 'heavy jobs per minute per SJM',
  uniqueCount(minionId) AS 'number of SJMs (namespaces)',
  round(rate(uniqueCount(id), 1 minute),0.1) AS 'heavy jobs per minute total'
WHERE minionContainerSystem = 'KUBERNETES' AND minionDeploymentMode = 'private' AND location = 'YOUR_PRIVATE_LOCATION' AND type != 'SIMPLE' FACET location SINCE 1 hour ago TIMESERIES

Sugerencia

Reducir el número de ciclos de trabajo de K8s también puede mejorar el rendimiento. A medida que cada ciclo alcanza el número establecido de finalizaciones, hay cada vez menos pods "en ejecución" para asumir nuevos trabajos de Synthetics. Por ejemplo, con completions establecido en 200 y parallelism establecido en 50, inicialmente tenemos 50 pods en ejecución, pero esto comienza a disminuir a medida que superamos los 150 completions. A las 199 finalizaciones, solo queda 1 pod en ejecución.

Configurar un valor mayor para las finalizaciones no es una mala idea, pero puede generar eventos de advertencia en K8s sobre TooManyMissedTimes para el cronjob.

Escalado horizontal con múltiples despliegues de SJM

Para escalar más allá del rendimiento de -15 trabajos/minuto de un solo SJM, debe instalar varias versiones separadas de SJM Helm.

Importante

No utilice réplicas para escalar el pod del administrador de trabajos. La arquitectura SJM requiere una relación 1:1 entre un pod de tiempo de ejecución y su pod SJM padre. Si los pods de tiempo de ejecución envían resultados a la réplica de SJM incorrecta (p. ej., a través de un servicio de Kubernetes), esos resultados se perderán. Sin embargo, se puede usar ping-runtime.replicaCount.

La estrategia correcta es desplegar múltiples instancias de SJM, cada una como su propia versión Helm. Cada SJM competirá por los trabajos desde la misma ubicación privada, lo que proporcionará equilibrio de carga, protección contra fallos y un mayor rendimiento total de trabajos.

Estrategia de escalado horizontal

Si necesita escalar horizontalmente, puede simplificar el mantenimiento tratando cada implementación de SJM como una unidad de capacidad fija.

  1. Establecer paralelismo: Para cada SJM, establezca parallelism en el mismo máximo que un solo SJM pueda manejar sin crear demasiados pods de tiempo de ejecución "en ejecución" de larga duración. Esto maximiza el rendimiento potencial de cada SJM sin desperdiciar recursos.
  2. Establecer finalizaciones: Para cada SJM, establezca completions en el mismo valor fijo también. Ajuste según sea necesario para lograr una antigüedad de job de Kubernetes de 5 minutos por runtime, es decir, node-browser-runtime y node-api-runtime.
  3. Instalar lanzamientos: Instale tantos lanzamientos de Helm separados como necesite para manejar su demanda total de trabajos; es decir, lleve la cola a cero o el gráfico de líneas a una pendiente negativa.
  4. Monitorear y agregar: Monitoree la cola de trabajos de la ubicación privada. Si comienza a crecer (pendiente positiva), simplemente instale otro release de Helm (p. ej., sjm-delta) usando la misma configuración fija.

Al fijar el paralelismo y las finalizaciones en valores estáticos, aumentar o disminuir la capacidad se convierte en un proceso más sencillo de agregar o eliminar releases de Helm. Esto ayuda a evitar el desperdicio de recursos del clúster en un valor de paralelismo superior al que el SJM puede utilizar eficazmente.

Ejemplo de instalación

Al instalar varias versiones de SJM, debe proporcionar un nombre único para cada versión. Todas las instancias deben configurar con la misma clave de ubicación privada.

Se recomienda encarecidamente establecer fullnameOverride para crear nombres de recursos más cortos y manejables. Por ejemplo, para instalar dos SJM llamados sjm-alpha y sjm-beta en el namespace newrelic (ambos usando el mismo values.yaml con su paralelismo y autocompletado fijos):

bash
$
# Install the first SJM deployment
$
helm upgrade --install sjm-alpha newrelic/synthetics-job-manager \
>
  -n newrelic \
>
  -f values.yaml \
>
  --set fullnameOverride=sjm-alpha \
>
  --set ping-runtime.fullnameOverride=sjm-alpha-ping \
>
  --set node-api-runtime.fullnameOverride=sjm-alpha-api \
>
  --set node-browser-runtime.fullnameOverride=sjm-alpha-browser
bash
$
# Install the second SJM deployment to add capacity
$
helm upgrade --install sjm-beta newrelic/synthetics-job-manager \
>
  -n newrelic \
>
  -f values.yaml \
>
  --set fullnameOverride=sjm-beta
>
  --set ping-runtime.fullnameOverride=sjm-beta-ping \
>
  --set node-api-runtime.fullnameOverride=sjm-beta-api \
>
  --set node-browser-runtime.fullnameOverride=sjm-beta-browser

Puedes continuar este patrón (sjm-charlie, sjm-delta etc.) para tantos SJM como sea necesario para evitar que la cola de trabajos crezca.

Copyright © 2026 New Relic Inc.
CarrerasTérminos de servicioPolítica de DMCAAviso de PatenteAviso de privacidadPolítica de cookiesUK Slavery Act (Ley contra la esclavitud del RU)

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.