EKSComputação
Nível de dificuldade: Intermediário (3 de 5)
EKS Auto Mode reduz custo de runners do GitHub Actions ao escalar para zero
Em números
- 90%: economia máxima de EC2 Spot Instances em relação a On-Demand, para runners efêmeros e tolerantes a interrupção
- 20%: quanto menos custam instâncias Graviton (arm64) em relação a instâncias x86 equivalentes
- 60%: energia a menos que o Graviton consome para entregar o mesmo desempenho de uma instância x86
- US$ 0,10/hora: custo do control plane do EKS em suporte padrão de versão (sobe para US$ 0,60/hora em suporte estendido)
O problema
Quem roda GitHub Actions em runner próprio conhece o dilema de capacidade. CI/CD é um workload em rajada: um time pode disparar 200 jobs em paralelo no horário de pico e zero durante a madrugada. Uma frota estática de runners paga por computação ociosa boa parte do dia; uma frota subdimensionada enfileira workflow e atrasa entrega.
Runners hospedados pelo próprio GitHub resolvem isso para muita gente, mas não para todo mundo. Organizações com exigência de compliance, política de rede privada ou ferramental customizado costumam precisar de self-hosted runners, e aí o problema de capacidade volta inteiro: alguém tem que provisionar, escalar e desligar instância EC2 na mão, ou manter um Auto Scaling Group genérico que não diferencia Spot de On-Demand nem x86 de Graviton.
É esse recorte que a AWS endereça num post recente do Containers Blog: uma arquitetura de referência que junta o Actions Runner Controller (ARC) do GitHub com o EKS Auto Mode para fazer a capacidade de runner nascer e morrer junto com o job.
A arquitetura
O desenho é orientado a evento: o GitHub pede um runner, o ARC cria o pod, e o EKS Auto Mode decide onde (e em que tipo de instância) esse pod roda. Em passos:
- Um job de workflow começa. O GitHub Actions envia uma requisição para o runner scale set correspondente.
- O listener do scale set recebe o job e aumenta a contagem de réplicas no
EphemeralRunnerSet. O controller cria os pods de runner. - O EKS Auto Mode detecta o pod sem node. Ele sobe uma instância EC2 do tamanho certo a partir do
NodePoolque casa com as regras de agendamento do pod, escolhendo Spot ou On-Demand e arquitetura amd64 ou arm64 (Graviton). - O runner se registra no GitHub, executa o job e transmite log e status de volta. Terminado o job, o ARC apaga o pod.
- O EKS Auto Mode remove automaticamente os nós que ficaram sem pod de runner.
O ponto central é que não existe Auto Scaling Group fixo nem nodeGroup para manter. Quem decide capacidade, tipo de instância e consolidação é o próprio Auto Mode, usando as mesmas primitivas de NodePool do Karpenter.
Os serviços envolvidos
A solução empilha poucas peças, cada uma resolvendo um pedaço específico do ciclo de vida do runner.
- Amazon EKS Auto Mode: gerencia provisionamento, escala, consolidação de nó e upgrade de versão, sem exigir
NodeGroupou patch de AMI manual. - Actions Runner Controller (ARC): escuta pedido de job do GitHub Actions e administra o ciclo de vida do pod de runner, do registro à exclusão.
- GitHub App: fornece autenticação segura e com escopo restrito entre o ARC e a organização no GitHub, no lugar de um personal access token amplo.
- EC2 Spot Instances: cobrem a maior parte da carga, já que job de CI é efêmero e tolera interrupção.
- AWS Graviton (arm64): atende workload compatível com ARM, como o deploy de página estática do exemplo.
- NodePool (Karpenter): define os limites de categoria de instância, vCPU, arquitetura e política de capacidade que o Auto Mode respeita ao subir nó.
O NodePool do exemplo aceita famílias c, m e r com 4, 8 ou 16 vCPU, Spot e On-Demand, amd64 e arm64, com consolidationPolicy: WhenEmpty e consolidateAfter: 60s: nó sem pod roda, no máximo, mais um minuto antes de ser removido.
apiVersion: karpenter.sh/v1
kind: NodePool
metadata:
name: runners
spec:
template:
nodeClassRef:
group: eks.amazonaws.com
kind: NodeClass
name: default
requirements:
- key: "karpenter.sh/capacity-type"
operator: In
values: ["spot", "on-demand"]
- key: "kubernetes.io/arch"
values: ["amd64", "arm64"]
disruption:
consolidationPolicy: WhenEmpty
consolidateAfter: 60sCada scale set do ARC escolhe seu perfil de capacidade com nodeSelector em karpenter.sh/capacity-type e kubernetes.io/arch. O exemplo da AWS sobe três scale sets sobre o mesmo NodePool:
| Scale set | Capacidade | Arquitetura | Uso recomendado |
|---|---|---|---|
| arc-runner-x86-spot | Spot | amd64 | teste e lint, tolerante a interrupção, maxRunners: 10 |
| arc-runner-arm64-spot | Spot | arm64 (Graviton) | job compatível com arm64, no exemplo o deploy do GitHub Pages, maxRunners: 30 |
| arc-runner-x86-on-demand | On-Demand | amd64 | build e job longo que não pode ser interrompido |
O workflow escolhe o scale set pelo campo runs-on, com o nome do helm install como valor:
jobs:
test-and-lint:
runs-on: arc-runner-x86-spot
steps:
- uses: actions/checkout@v4
- run: npm ci
- run: npm test
build:
runs-on: arc-runner-x86-on-demand
needs: test-and-lint
steps:
- run: npm run buildNo exemplo da AWS, esse workflow builda e publica no GitHub Pages um app React criado com npx create-react-app web, mas o runs-on funciona igual para qualquer repositório.
Trade-offs
O primeiro trade-off é de otimização de custos: Spot e Graviton cortam a conta, mas não são gratuitos nem isentos de taxa. O EKS Auto Mode cobra uma taxa de gerenciamento por segundo para cada instância que ele sobe, e essa taxa varia por tipo de instância e não é reduzida por desconto de Spot, Reserved Instance ou Savings Plan. Ou seja, parte da economia do Spot é compensada por uma taxa fixa que incide independentemente do modelo de compra.
O segundo trade-off é de confiabilidade. Rodar tudo em Spot economiza mais, mas expõe build crítico a interrupção a qualquer momento; por isso a arquitetura separa um scale set inteiro em On-Demand para job que não pode falhar no meio. O controller e os listeners do ARC também ficam fixos em On-Demand via nodeSelector, porque eles precisam estar sempre de pé para o sistema reagir a um novo job.
O terceiro trade-off é de excelência operacional: o Auto Mode tira da equipe a tarefa de corrigir AMI, aplicar patch de SO e ajustar Auto Scaling Group manualmente, mas em troca entrega menos controle fino sobre a imagem do nó do que um Karpenter autogerenciado ou um NodeGroup tradicional traria.
Por fim, há um trade-off de segurança: autenticar o ARC via GitHub App com permissão restrita (leitura de Actions, leitura e escrita de Administration, leitura e escrita de self-hosted runners na organização) é mais seguro que um personal access token amplo, mas exige um passo extra de configuração na organização do GitHub antes do primeiro helm install.
Custo estimado
Os valores do post da AWS são para US East (N. Virginia); para sa-east-1 o modelo de cobrança é o mesmo, mas o valor absoluto muda, e vale conferir a calculadora de preços da AWS para a região antes de projetar orçamento.
| Item | Suporte padrão | Suporte estendido |
|---|---|---|
| Control plane do EKS | US$ 0,10/hora (≈ US$ 73/mês) | US$ 0,60/hora |
Além do control plane, entram na conta:
- Instâncias EC2 que rodam controller, listener e runner, cobradas por segundo com mínimo de um minuto; pods de runner escalam a zero entre jobs, mas controller e listener ficam sempre de pé, então existe ao menos um nó rodando o tempo todo.
- Taxa de gerenciamento do Auto Mode, cobrada por segundo para cada instância que ele sobe, variável por tipo de instância, sem desconto de Spot ou Reserved aplicado sobre ela.
- Amazon EBS, NAT gateway e transferência de dados associados a cada nó.
- GitHub Actions: no momento do post da AWS, o GitHub não cobra minuto de job rodando em self-hosted runner, incluindo os gerenciados por ARC; o que é cobrado à parte, acima da cota do plano, é armazenamento de artefato e de cache do Actions.
Em resumo: o custo fixo mensal é pequeno (control plane mais um nó On-Demand mínimo para controller e listener), e o custo variável acompanha de perto o volume real de job, porque o runner só existe enquanto o job roda.
Como adaptar
A arquitetura do post é um ponto de partida, não uma receita fechada. Para colocar em produção:
- Ajuste
instance-category,instance-cpue os limites decpu/memorydoNodePoolao perfil real dos jobs (um build de monorepo pede mais memória que um lint). - Se o repositório for privado, confirme o plano do GitHub: repositório privado com self-hosted runner via ARC exige plano pago.
- Para cluster EKS já existente, avalie migrar para Auto Mode em vez de criar cluster novo; a AWS documenta como habilitar Auto Mode num cluster que já roda
NodeGroupou Karpenter autogerenciado. - Mantenha um scale set On-Demand dedicado para pipeline de deploy em produção, separado do scale set Spot usado para teste e lint, para não misturar tolerância a interrupção com job crítico.
- Revise as permissões do GitHub App a cada scale set novo: o escopo mínimo necessário é leitura de Actions, leitura e escrita de Administration e leitura e escrita de self-hosted runners na organização.
- Antes de estimar custo em produção, rode a calculadora de preços da AWS para
sa-east-1com o tipo de instância real do seuNodePool, já que o post usa preços deus-east-1.
O ganho prático para quem opera cluster é direto: nenhum NodeGroup para corrigir, nenhum Auto Scaling Group para calibrar manualmente, e uma frota de CI que só existe (e só custa) enquanto há workflow em execução.
Fonte: AWS Containers Blog
Serviços neste textoEKSGraviton
Na dúvida sobre qual usar?ECS, EKS ou Lambda?Três perguntas, a comparação e a nossa recomendaçãoLeve para a sua IA
Decida com o seu assistente, com o contexto deste texto já montado.
1. O que você quer saber
Ver o prompt
Li no AWS Hub: "EKS Auto Mode reduz custo de runners do GitHub Actions ao escalar para zero" (https://awshub.com.br/computacao/eks-auto-mode-reduz-custo-de-runners-do-github-actions-ao-escalar-para-zero). Resumo: Arquitetura de referência da AWS combina Actions Runner Controller com EKS Auto Mode para eliminar gestão manual de nós e escalar o CI/CD de zero a centenas de runners, usando Spot e Graviton para cortar custo. Fonte oficial: https://aws.amazon.com/blogs/containers/running-github-actions-runners-with-amazon-eks-auto-mode/ Serviços: EKS, Graviton Minha stack: [descreva em uma linha: serviços, linguagem, volume, região] Isso muda alguma coisa na minha arquitetura? O que eu faria diferente a partir de amanhã?