[ko] Update outdated files in dev-1.26-ko.1 (M165-M173,M189-M196)

content/ko/docs/tasks/extend-kubernetes/setup-konnectivity.md

@@ -54,7 +54,7 @@ konnectivity-server에 대한 인증서 및 kubeconfig를 생성하거나 얻는
 클러스터 CA 인증서 `/etc/kubernetes/pki/ca.crt`를 사용하여 X.509 인증서를 발급할 수 있다.
 
 ```bash
-openssl req -subj "/CN=system:konnectivity-server" -new -newkey rsa:2048 -nodes -out konnectivity.csr -keyout konnectivity.key -out konnectivity.csr
+openssl req -subj "/CN=system:konnectivity-server" -new -newkey rsa:2048 -nodes -out konnectivity.csr -keyout konnectivity.key
 openssl x509 -req -in konnectivity.csr -CA /etc/kubernetes/pki/ca.crt -CAkey /etc/kubernetes/pki/ca.key -CAcreateserial -out konnectivity.crt -days 375 -sha256
 SERVER=$(kubectl config view -o jsonpath='{.clusters..server}')
 kubectl --kubeconfig /etc/kubernetes/konnectivity-server.conf config set-credentials system:konnectivity-server --client-certificate konnectivity.crt --client-key konnectivity.key --embed-certs=true

content/ko/docs/tasks/job/coarse-parallel-processing-work-queue.md

@@ -244,7 +244,13 @@ gcloud docker -- push gcr.io/<project>/job-wq-1
 kubectl apply -f ./job.yaml
 ```
 
-이제 조금 기다린 다음, 잡을 확인한다.
+아래와 같이 시간 제한(timeout)을 설정하고, 잡이 성공할 때까지 기다린다.
+```shell
+# 조건명은 대소문자를 구분하지 않는다.
+kubectl wait --for=condition=complete --timeout=300s job/job-wq-1
+```
+
+잡을 확인한다.
 
 ```shell
 kubectl describe jobs/job-wq-1
@@ -285,6 +291,8 @@ Events:
   14s        14s        1        {job }                   Normal    SuccessfulCreate    Created pod: job-wq-1-p17e0
 ```
 
+
+
 모든 파드가 성공했다. 야호.
 
 

content/ko/docs/tasks/job/fine-parallel-processing-work-queue.md

@@ -171,6 +171,7 @@ gcloud docker -- push gcr.io/<project>/job-wq-2
 따라서, 잡 완료 횟수를 1로 설정했다. 잡 컨트롤러는 다른 파드도 완료될 때까지
 기다린다.
 
+
 ## 잡 실행
 
 이제 잡을 실행한다.
@@ -207,17 +208,26 @@ Events:
   FirstSeen    LastSeen    Count    From            SubobjectPath    Type        Reason            Message
   ---------    --------    -----    ----            -------------    --------    ------            -------
   33s          33s         1        {job-controller }                Normal      SuccessfulCreate  Created pod: job-wq-2-lglf8
+```
 
+아래와 같이 시간 제한(timeout)을 설정하고, 잡이 성공할 때까지 기다린다.
+```shell
+# 조건명은 대소문자를 구분하지 않는다.
+kubectl wait --for=condition=complete --timeout=300s job/job-wq-2
+```
 
+```shell
 kubectl logs pods/job-wq-2-7r7b2
+```
+```
 Worker with sessionID: bbd72d0a-9e5c-4dd6-abf6-416cc267991f
 Initial queue state: empty=False
 Working on banana
 Working on date
 Working on lemon
 ```
 
-보시다시피, 사용자의 파드 중 하나가 여러 작업 단위에서 작업했다.
+보다시피, 파드 중 하나가 여러 작업 항목을 처리했다.
 
 <!-- discussion -->
 

content/ko/docs/tasks/job/indexed-parallel-processing-static.md

@@ -107,7 +107,14 @@ kubectl apply -f https://kubernetes.io/examples/application/job/indexed-job.yaml
 
 `.spec.parallelism`가 `.spec.completions`보다 작기 때문에, 컨트롤 플레인은 추가로 파드를 시작하기 전 최초 생성된 파드 중 일부가 완료되기를 기다린다.
 
-잡을 생성했다면, 잠시 기다린 후 진행 상황을 확인한다.
+아래와 ��이 시간 제한(timeout)을 설정하고, 잡이 성공할 때까지 기다린다.
+```shell
+# 조건명은 대소문자를 구분하지 않는다.
+kubectl wait --for=condition=complete --timeout=300s job/indexed-job
+```
+
+잡의 상세 설명을 출력하여 성공적으로 수행되었는지 확인한다.
+
 
 ```shell
 kubectl describe jobs/indexed-job
@@ -182,4 +189,4 @@ kubectl logs indexed-job-fdhq5 # 잡에 속한 파드의 이름에 맞춰 변경
 
 ```
 xuq
-```
+```

content/ko/docs/tasks/manage-gpus/scheduling-gpus.md

@@ -8,50 +8,46 @@ description: 클러스터의 노드별로 리소스로 사용할 GPU를 구성
 
 <!-- overview -->
 
-{{< feature-state state="beta" for_k8s_version="v1.10" >}}
-
-쿠버네티스는 AMD 및 NVIDIA GPU(그래픽 프로세��� 유닛)를 노드들에 걸쳐 관리하기 위한 **실험적인**
-지원을 포함한다.
-
-이 페이지는 여러 쿠버네티스 버전에서 사용자가 GPU를 활용할 수 있는 방법과
-현재의 제약 사항을 설명한다.
-
+{{< feature-state state="stable" for_k8s_version="v1.26" >}}
 
+쿠버네티스는 {{< glossary_tooltip text="디바이스 플러그인" term_id="device-plugin" >}}을 사용하여
+AMD 및 NVIDIA GPU(그래픽 프로세싱 유닛)를 여러 노드들에 걸쳐 관리하기 위한
+**안정적인** 지원을 포함한다.
 
+이 페이지는 사용자가 GPU를 활용할 수 있는 방법과,
+몇 가지 제한 사항에 대하여 설명한다.
 
 <!-- body -->
 
 ## 디바이스 플러그인 사용하기
 
-쿠버네티스는 {{< glossary_tooltip text="디바이스 플러그인" term_id="device-plugin" >}}을 구현하여
-파드가 GPU와 같이 특별한 하드웨어 기능에 접근할 수 있게 한다.
+쿠버네티스는 디바이스 플러그인을 구현하여 파드가 GPU와 같이 특별한 하드웨어 기능에 접근할 수 있게 한다.
+
+{{% thirdparty-content %}}
 
 관리자는 해당하는 하드웨어 벤더의 GPU 드라이버를 노드에
 설치해야 하며, GPU 벤더가 제공하는 디바이스 플러그인을
-실행해야 한다.
+실행해야 한다. 다음은 몇몇 벤더의 지침에 대한 웹페이지이다.
 
-* [AMD](#amd-gpu-디바이스-플러그인-배치하기)
-* [NVIDIA](#nvidia-gpu-디바이스-플러그인-배치하기)
+* [AMD](https://github.com/RadeonOpenCompute/k8s-device-plugin#deployment)
+* [Intel](https://intel.github.io/intel-device-plugins-for-kubernetes/cmd/gpu_plugin/README.html)
+* [NVIDIA](https://github.com/NVIDIA/k8s-device-plugin#quick-start)
 
-위의 조건이 만족되면, 쿠버네티스는 `amd.com/gpu` 또는
-`nvidia.com/gpu` 를 스케줄 가���한 리소스로써 노출시킨다.
+플러그인을 한 번 설치하고 나면, 클러스터는 `amd.com/gpu` 또는 `nvidia.com/gpu`를 스케줄 가능한 리소스로써 노출시킨다.
 
-사용자는 이 GPU들을 `cpu` 나 `memory` 를 요청하는 방식과 동일하게
-`<vendor>.com/gpu` 를 요청함으로써 컨테이너에서 활용할 수 있다.
-그러나 GPU를 사용할 때는 리소스 요구 사항을 명시하는 방식에 약간의
-제약이 있다.
+사용자는 이 GPU들을 `cpu`나 `memory`를 요청하는 방식과 동일하게
+GPU 자원을 요청함으로써 컨테이너에서 활용할 수 있다.
+그러나 리소스의 요구 사항을 명시하는 방식에
+약간의 제약이 있다.
 
-- GPU는 `limits` 섹션에서만 명시되는 것을 가정한다. 그 의미는 다음과 같다.
-  * 쿠버네티스는 limits를 requests의 기본 값으로 사용하게 되므로
-    사용자는 GPU `limits` 를 명시할 때 `requests` 명시하지 않아도 된다.
-  * 사용자는 `limits` 과 `requests` 를 모두 명시할 수 있지만, 두 값은
-    동일해야 한다.
-  * 사용자는 `limits` 명시 없이는 GPU `requests` 를 명시할 수 없다.
-- 컨테이너들(그리고 파드들)은 GPU를 공유하지 않는다. GPU에 대한 초과 할당(overcommitting)은 제공되지 않는다.
-- 각 컨테이너는 하나 이상의 GPU를 요청할 수 있다. GPU의 일부(fraction)를 요청하는 것은
-  불가능하다.
+GPU는 `limits` 섹션에서만 명시되는 것을 가정한다. 그 의미는 다음과 같다.
+* 쿠버네티스는 limits를 requests의 기본 값으로 사용하게 되므로
+  사용자는 GPU `limits` 를 명시할 때 `requests` 명시하지 않아도 된다.
+* 사용자는 `limits` 과 `requests` 를 모두 명시할 수 있지만, 두 값은
+  동일해야 한다.
+* 사용자는 `limits` 명시 없이는 GPU `requests` 를 명시할 수 없다.
 
-다음은 한 예제를 보여준다.
+다음은 GPU를 요청하는 파드에 대한 예제 매니페스트를 보여준다.
 
 ```yaml
 apiVersion: v1
@@ -61,81 +57,12 @@ metadata:
 spec:
   restartPolicy: OnFailure
   containers:
-    - name: cuda-vector-add
-      # https://github.com/kubernetes/kubernetes/blob/v1.7.11/test/images/nvidia-cuda/Dockerfile
-      image: "registry.k8s.io/cuda-vector-add:v0.1"
+    - name: example-vector-add
+      image: "registry.example/example-vector-add:v42"
       resources:
         limits:
-          nvidia.com/gpu: 1 # GPU 1개 요청하기
-```
-
-### AMD GPU 디바이스 플러그인 배치하기
-
-[공식 AMD GPU 디바이스 플러그인](https://github.com/RadeonOpenCompute/k8s-device-plugin)에는
-다음의 요구 사항이 있다.
-
-- 쿠버네티스 노드들에는 AMD GPU 리눅스 드라이버가 미리 설치되어 있어야 한다.
-
-클러스터가 실행 중이고 위의 요구 사항이 만족된 ��, AMD 디바이스 플러그인을 배치하기 위해서는
-아래 명령어를 실행한다.
-```shell
-kubectl create -f https://raw.githubusercontent.com/RadeonOpenCompute/k8s-device-plugin/v1.10/k8s-ds-amdgpu-dp.yaml
-```
-
-[RadeonOpenCompute/k8s-device-plugin](https://github.com/RadeonOpenCompute/k8s-device-plugin)에 이슈를 로깅하여
-해당 서드 파티 디바이스 플러그인에 대한 이슈를 리포트할 수 있다.
-
-### NVIDIA GPU 디바이스 플러그인 배치하기
-
-현재는 NVIDIA GPU에 대한 두 개의 디바이스 플러그인 구현체가 있다.
-
-#### 공식 NVIDIA GPU 디바이스 플러그인
-
-[공식 NVIDIA GPU 디바이스 플러그인](https://github.com/NVIDIA/k8s-device-plugin)은
-다음의 요구 사항을 가진다.
-
-- 쿠버네티스 노드에는 NVIDIA 드라이버가 미리 설치되어 있어야 한다.
-- 쿠버네티스 노드에는 [nvidia-docker 2.0](https://github.com/NVIDIA/nvidia-docker)이 미리 설치되어 있어야 한다.
-- Kubelet은 자신의 컨테이너 런타임으로 도커를 사용해야 한다.
-- 도커는 runc 대신 `nvidia-container-runtime` 이 [기본 런타임](https://github.com/NVIDIA/k8s-device-plugin#preparing-your-gpu-nodes)으로
-  설정되어야 한다.
-- NVIDIA 드라이버의 버전은 조건 ~= 384.81을 만족해야 한다.
-
-클러스터가 실행 중이고 위의 요구 사항이 만족된 후, NVIDIA 디바이스 플러그인을 배치하기 위해서는
-아래 명령어를 실행한다.
-
-```shell
-kubectl create -f https://raw.githubusercontent.com/NVIDIA/k8s-device-plugin/1.0.0-beta4/nvidia-device-plugin.yml
-```
-
-[NVIDIA/k8s-device-plugin](https://github.com/NVIDIA/k8s-device-plugin)에 이슈를 로깅하여
-해당 서드 파티 디바이스 플러그인에 대한 이슈를 리포트할 수 있다.
-
-#### GCE에서 사용되는 NVIDIA GPU 디바이스 플러그인
-
-[GCE에서 사용되는 NVIDIA GPU 디바이스 플러그인](https://github.com/GoogleCloudPlatform/container-engine-accelerators/tree/master/cmd/nvidia_gpu)은
-nvidia-docker의 사용이 필수가 아니며 컨테이너 런타임 인터페이스(CRI)에
-호환되는 다른 컨테이너 런타임을 사용할 수 있다. 해당 사항은
-[컨테이너에 최적화된 OS](https://cloud.google.com/container-optimized-os/)에서 테스트되었고,
-우분투 1.9 이후 버전에 대한 실험적인 코드를 가지고 있다.
-
-사용자는 다음 커맨드를 사용하여 NVIDIA 드라이버와 디바이스 플러그인을 설치할 수 있다.
-
-```shell
-# 컨테이너에 최적회된 OS에 NVIDIA 드라이버 설치:
-kubectl create -f https://raw.githubusercontent.com/GoogleCloudPlatform/container-engine-accelerators/stable/daemonset.yaml
-
-# 우분투에 NVIDIA 드라이버 설치(실험적):
-kubectl create -f https://raw.githubusercontent.com/GoogleCloudPlatform/container-engine-accelerators/stable/nvidia-driver-installer/ubuntu/daemonset.yaml
-
-# 디바이스 플러그인 설치:
-kubectl create -f https://raw.githubusercontent.com/kubernetes/kubernetes/release-1.14/cluster/addons/device-plugins/nvidia-gpu/daemonset.yaml
-```
-
-[GoogleCloudPlatform/container-engine-accelerators](https://github.com/GoogleCloudPlatform/container-engine-accelerators)에 이슈를 로깅하여
-해당 서드 파티 디바이스 플러그인에 대한 이슈를 리포트할 수 있다.
-
-Google은 GKE에서 NVIDIA GPU 사용에 대한 자체 [설명서](https://cloud.google.com/kubernetes-engine/docs/how-to/gpus)를 게재하고 있다.
+          gpu-vendor.example/example-gpu: 1 # 1 GPU 요청
+```         
 
 ## 다른 타입의 GPU들을 포함하는 클러스터
 
@@ -147,10 +74,13 @@ Google은 GKE에서 NVIDIA GPU 사용에 대한 자체 [설명서](https://cloud
 
 ```shell
 # 노드가 가진 가속기 타입에 따라 레이블을 단다.
-kubectl label nodes <node-with-k80> accelerator=nvidia-tesla-k80
-kubectl label nodes <node-with-p100> accelerator=nvidia-tesla-p100
+kubectl label nodes node1 accelerator=example-gpu-x100
+kubectl label nodes node2 accelerator=other-gpu-k915
 ```
 
+`accelerator` 레이블 키를 `accelerator`로 지정한 것은 그저 예시일 뿐이며,
+선호하는 다른 레이블 키를 사용할 수 있다.
+
 ## 노드 레이블링 자동화 {#node-labeller}
 
 만약 AMD GPU 디바이스를 사용하고 있다면,
@@ -179,19 +109,18 @@ kubectl describe node cluster-node-23
 ```
 
 ```
-    Name:               cluster-node-23
-    Roles:              <none>
-    Labels:             beta.amd.com/gpu.cu-count.64=1
-                        beta.amd.com/gpu.device-id.6860=1
-                        beta.amd.com/gpu.family.AI=1
-                        beta.amd.com/gpu.simd-count.256=1
-                        beta.amd.com/gpu.vram.16G=1
-                        beta.kubernetes.io/arch=amd64
-                        beta.kubernetes.io/os=linux
-                        kubernetes.io/hostname=cluster-node-23
-    Annotations:        kubeadm.alpha.kubernetes.io/cri-socket: /var/run/dockershim.sock
-                        node.alpha.kubernetes.io/ttl: 0
-    …
+Name:               cluster-node-23
+Roles:              <none>
+Labels:             beta.amd.com/gpu.cu-count.64=1
+                    beta.amd.com/gpu.device-id.6860=1
+                    beta.amd.com/gpu.family.AI=1
+                    beta.amd.com/gpu.simd-count.256=1
+                    beta.amd.com/gpu.vram.16G=1
+                    kubernetes.io/arch=amd64
+                    kubernetes.io/os=linux
+                    kubernetes.io/hostname=cluster-node-23
+Annotations:        node.alpha.kubernetes.io/ttl: 0
+…
 ```
 
 노드 레이블러가 사용된 경우, GPU 타입을 파드 스펙에 명시할 수 있다.
@@ -210,9 +139,14 @@ spec:
       resources:
         limits:
           nvidia.com/gpu: 1
-  nodeSelector:
-    accelerator: nvidia-tesla-p100 # 또는 nvidia-tesla-k80 등.
+  affinity:
+    nodeAffinity:
+      requiredDuringSchedulingIgnoredDuringExecution:
+        nodeSelectorTerms:
+        – matchExpressions:
+          – key: beta.amd.com/gpu.family.AI # Arctic Islands GPU family
+            operator: Exist
 ```
 
-이것은 파드가 사용자가 지정한 GPU 타입을 가진 노드에 스케줄 되도록
+이것은 사용자가 지정한 GPU 타입을 가진 노드에 파드가 스케줄 되도록
 만든다.

content/ko/docs/tasks/run-application/horizontal-pod-autoscale.md

@@ -47,7 +47,30 @@ Horizontal Pod Autoscaling을 활용하는
 
 ## HorizontalPodAutoscaler는 어떻게 작동하는가?
 
-{{< figure src="/images/docs/horizontal-pod-autoscaler.svg" caption="HorizontalPodAutoscaler는 디플로이먼트 및 디플로이먼트의 레플리카셋의 크기를 조정한다" class="diagram-medium">}}
+{{< mermaid >}}
+graph BT
+
+hpa[Horizontal Pod Autoscaler] --> scale[Scale]
+
+subgraph rc[RC / Deployment]
+    scale
+end
+
+scale -.-> pod1[Pod 1]
+scale -.-> pod2[Pod 2]
+scale -.-> pod3[Pod N]
+
+classDef hpa fill:#D5A6BD,stroke:#1E1E1D,stroke-width:1px,color:#1E1E1D;
+classDef rc fill:#F9CB9C,stroke:#1E1E1D,stroke-width:1px,color:#1E1E1D;
+classDef scale fill:#B6D7A8,stroke:#1E1E1D,stroke-width:1px,color:#1E1E1D;
+classDef pod fill:#9FC5E8,stroke:#1E1E1D,stroke-width:1px,color:#1E1E1D;
+class hpa hpa;
+class rc rc;
+class scale scale;
+class pod1,pod2,pod3 pod
+{{< /mermaid >}}
+
+그림 1. HorizontalPodAutoscaler는 디플로이먼트 및 디플로이먼트의 레플리카셋의 크기를 조정한다.
 
 쿠버네티스는 Horizontal Pod Autoscaling을
 간헐적으로(intermittently) 실행되는
@@ -139,7 +162,7 @@ CPU를 스케일할 때, 파드가 아직 Ready되지 않았거나(여전히
 기술적 제약으로 인해, HorizontalPodAutoscaler 컨트롤러는
 특정 CPU 메트릭을 나중��� 사용할지 말지 결정할 때, 파드가 준비되는
 시작 시간을 정확하게 알 수 없다. 대신, 파드가 아직 준비되지
-않았고 시작 이후 짧은 시간 내에 파드가 준비되지 않은 상태로
+않았고 시작 이후 짧은 시간 내에 파드가 준비 상태로
 전환된다면, 해당 파드를 "아직 준비되지 않음(not yet ready)"으로 간주한다.
 이 값은 `--horizontal-pod-autoscaler-initial-readiness-delay` 플래그로 설정되며, 기본값은 30초
 이다. 일단 파드가 준비되고 시작된 후 구성 가능한 시간 이내이면,

content/ko/docs/tasks/tools/_index.md

@@ -35,8 +35,8 @@ kind를 시작하고 실행하기 위해 수행해야 하는 작업을 보여준
 ## minikube
 
 `kind` 와 마찬가지로, [`minikube`](https://minikube.sigs.k8s.io/)는 쿠버네티스를 로컬에서 실행할 수 있는
-도구이다. `minikube` 는 개인용 컴퓨터(윈도우, macOS 및 리눅스 PC 포함)에서
-단일 노드 쿠버네티스 클러스터를 실행하여 쿠버네티스를 사용해보거나 일상적인 개발 작업을
+도구이다. `minikube` 는 개인용 컴퓨터(윈도우, macOS 및 리눅스 PC 포함)에서 올인원 방식 또는
+복수 개의 노드로 쿠버네티스 클러스터를 실행하여, 쿠버네티스를 사용해보거나 일상적인 개발 작업을
 수행할 수 있다.
 
 도구 설치에 중점을 두고 있다면 공식 사이트에서의