Merge pull request #22785 from ariscahyadi/id-local-debug-cluster-resource-monitoring

ID localization for debug application cluster - resource usage monitoring

content/id/docs/tasks/debug-application-cluster/_index.md

@@ -0,0 +1,6 @@
+---
+title: "Pemantauan, Pencatatan, and Debugging"
+description: Mengatur pemantauan dan pencatatan untuk memecahkan masalah klaster, atau men-_debug_ aplikasi yang terkontainerisasi.
+weight: 80
+---
+

content/id/docs/tasks/debug-application-cluster/resource-usage-monitoring.md

@@ -0,0 +1,57 @@
+---
+content_type: concept
+title: Perangkat untuk Memantau Sumber Daya
+---
+
+<!-- overview -->
+
+Untuk melukan penyekalaan aplikasi dan memberikan Service yang handal, kamu perlu
+memahami bagaimana aplikasi berperilaku ketika aplikasi tersebut digelar (_deploy_). Kamu bisa memeriksa
+kinerja aplikasi dalam klaster Kubernetes dengan memeriksa Container,
+[Pod](/docs/user-guide/pods), [Service](/docs/user-guide/services), dan
+karakteristik klaster secara keseluruhan. Kubernetes memberikan detail
+informasi tentang penggunaan sumber daya dari aplikasi pada setiap level ini.
+Informasi ini memungkinkan kamu untuk mengevaluasi kinerja aplikasi kamu dan
+mengevaluasi di mana kemacetan dapat dihilangkan untuk meningkatkan kinerja secara keseluruhan.
+
+
+
+<!-- body -->
+
+Di Kubernetes, pemantauan aplikasi tidak bergantung pada satu solusi pemantauan saja. Pada klaster baru, kamu bisa menggunakan _pipeline_ [metrik sumber daya](#pipeline-metrik-sumber-daya) atau _pipeline_ [metrik penuh](#pipeline-metrik-penuh) untuk mengumpulkan statistik pemantauan.
+
+## _Pipeline_ Metrik Sumber Daya
+
+_Pipeline_ metrik sumber daya menyediakan sekumpulan metrik terbatas yang terkait dengan
+komponen-komponen klaster seperti _controller_ [HorizontalPodAutoscaler](/id/docs/tasks/run-application/horizontal-pod-autoscaler), begitu juga dengan utilitas `kubectl top`.
+Metrik ini dikumpulkan oleh memori yang ringan, jangka pendek, dalam
+[_metrics-server_](https://github.com/kubernetes-incubator/metrics-server) dan
+diekspos ke API `metrics.k8s.io`. 
+
+_Metrics-server_ menemukan semua Node dalam klaster dan
+bertanya ke setiap 
+[kubelet](/docs/reference/command-line-tools-reference/kubelet) dari Node tentang penggunaan CPU dan
+memori. Kubelet bertindak sebagai jembatan antara _control plane_ Kubernetes dan
+Node, mengelola Pod dan Container yang berjalan pada sebuah mesin. Kubelet
+menerjemahkan setiap Pod ke Container yang menyusunnya dan mengambil masing-masing
+statistik penggunaan untuk setiap Container dari _runtime_ Container melalui
+antarmuka _runtime_ Container. Kubelet mengambil informasi ini dari cAdvisor yang terintegrasi
+untuk pengintegrasian Docker yang lama. Hal ini yang kemudian memperlihatkan
+statistik penggunaan sumber daya dari kumpulan Pod melalui API sumber daya _metrics-server_.
+API ini disediakan pada `/metrics/resource/v1beta1` pada kubelet yang terautentikasi dan
+porta _read-only_.
+
+## _Pipeline_ Metrik Penuh
+
+_Pipeline_ metrik penuh memberi kamu akses ke metrik yang lebih banyak. Kubernetes bisa
+menanggapi metrik ini secara otomatis dengan mengubah skala atau mengadaptasi klaster
+berdasarkan kondisi saat ini, dengan menggunakan mekanisme seperti HorizontalPodAutoscaler.
+_Pipeline_ pemantauan mengambil metrik dari kubelet dan
+kemudian memgekspos ke Kubernetes melalui adaptor dengan mengimplementasikan salah satu dari API
+`custom.metrics.k8s.io` atau API `external.metrics.k8s.io`.
+ 
+
+[Prometheus](https://prometheus.io), sebuah proyek CNCF, yang dapat secara alami memonitor Kubernetes, Node, dan Prometheus itu sendiri.
+Proyek _pipeline_ metrik penuh yang bukan merupakan bagian dari CNCF berada di luar ruang lingkup dari dokumentasi Kubernetes.
+
+