这篇文章给大家分享的是有关Kubernetes有哪些新特性的内容。小编觉得挺实用的,因此分享给大家做个参考,一起跟随小编过来看看吧。
成都创新互联公司从2013年开始,先为尤溪等服务建站,尤溪等地企业,进行企业商务咨询服务。为尤溪企业网站制作PC+手机+微官网三网同步一站式服务解决您的所有建站问题。
不同的应用程序业务价值不同,其对扩缩容的要求也不同,比如以下三种类型应用:
关键流量处理应用:该类应用希望在流量到来时快速的扩容,在流量高峰过去后,希望慢慢的缩容,以避免流量反弹;
关键数据处理应用: 该类应用希望当大量数据到达时希望快速扩容,在数据减少时,希望快速的缩容,以节省成本;
常规流量/数据处理应用:该类应用不那么重要,可以缓慢的扩容和缩容,以避免快速扩缩容带来抖动;
然而当前版本的实现(1.15 & 1.16)并不能很好的满足这类应用的期望。
当前版本的 kube-controller-manager 参数 --horizontal-pod-autoscaler-downscale-stabilization 可以在一定程度上控制缩容
的速度。在每个调度周期(默认为30s)都会计算出一个缩放的推荐值并记录下来,在每次计算缩放值时都会查看历史的推荐值,从最近的一段历史推荐值中挑选最大的,downscale-stabilization 就是用来指定这个时间窗口,默认为5min。
另外在 HPA controller 层面,有两个硬编码的常量控制扩容
的速度:
scaleUpLimitFactor = 2.0 // 扩容倍数
scaleUpLimitMinimum = 4.0 // 扩容个数
在计算扩容的目标值时算法如下:
Max(scaleUpLimitFactor*当前副本数, scaleUpLimitMinimum))
也就是说,扩容要么扩成原来的2倍,要么扩大4个 pod,二者取大者。 一方面这个扩容速度并不能满足上面提到的应用诉求,另一方面,这个硬编码也确实不够友好,尽管它设计本意是希望稳定的扩容以避免抖动。 注:这里提到的算法是HPA controller层面的,跟据每个HPA的当前值和目标值计算出扩容比例后再套用该算法,以限制扩容速度。
缩上所述,当前版本的实现并不能满足一些应用对扩缩容的诉求,我们需要做一些改进。 本文的目标就是分析社区对此需求的讨论结果,算是提前剖析新特性,但最终实现有可能跟此不一致。
结合前述的背景,不难得出,本次改进目标有两点:
允话用户更精确的控制扩缩容速度;
允话用户在 HPA 层面控制扩缩容速度(每个HPA可以有个性化的控制);
既然要对每个 HPA 单独控制,那就需要在 HPA 资源API中增加相应的参数,所以将会引入下面4个参数:
我们知道在kube-controller-manager有个参数(--horizontal-pod-autoscaler-sync-period)控制的是 HPA controller 处理周期,每个周期中处理所有的 HPA(为HPA生成扩缩容建议,并执行扩缩容)。
本次计划引入的这个周期(periodSeconds)控制每个HPA两次扩缩容操作的间隔,也可以叫冷却时间。
顾名思义,这个是控制扩缩容的百分比,可以简单的理解成把硬编码的 scaleUpLimitFactor = 2.0
改成可配置项。
例如,ScaleUpPercent = 150,那么每次扩容比例为150%(10-->25)。
这个是控制每个扩缩容的绝对个数,可以简单的理解成把硬编码的 scaleUpLimitMinimum = 4.0
改成可配置项。
例如:ScaleUpPods = 5,那么每次扩容的数量将是5个(10-->15)。
这个参数与kube-controller-manager的horizontal-pod-autoscaler-downscale-stabilization
含义一样, 就是在计算扩缩容时,我们需要回头看多久的建议值(从中选最大),可以简单理解成把kube-controller-manager的参数下沉到 HPA 层面
需要注意的是,这几个参数既可以控制扩容,也可以控制缩容,下面我们给出几个示例来说明用法。
当希望应用能尽快的扩容时,可以使用大一点的percent。比如:
scaleUp
percent = 900 (每次扩容900%,即10倍速扩容)
假如pod最开始数量为1,那么扩容路径如下:
1 -> 10 -> 100 -> 1000
当然,HPA既有的maxReplicas仍然有效,最大pod数不能超过此设置。
当希望应用能尽快的扩容,同时缩容的慢一些时,可以使用如下配置:
scaleUp
percent = 900
scaleDown
pods = 1 (每次缩容减少一个pod)
periodSeconds = 600 (每10分钟缩容一次)
假如pod最开始数量为1,那么扩容路径如下:
1 -> 10 -> 100 -> 1000
同时,缩容路径如下(每10分钟缩容一次,每次减少一个pod):
1000 -> 1000 -> 1000 -> … (7 more min) -> 999
希望缓慢的扩容、正常的缩容,可以使用如下配置:
scaleUp
pods = 1
假如pod最开始数量为1,那么扩容路径如下:
1 -> 2 -> 3 -> 4
如果希望能正常的扩容,但是不要自动缩容,可以使用如下配置:
scaleDown:
percent= 0
pods = 0
把缩容的百分比和pod都置为0,那么就永远不会缩容。
如果希望缩容时再谨慎些,可以使用delaySeconds(这个跟kube-controller-manager的horizontal-pod-autoscaler-downscale-stabilization
非常类似),配置如下:
scaleDown:
pods = 5
delaySeconds = 600
那么,每次缩容最多减少5个pod,同时每次缩容,至少看到之前600s的推荐值,从中选择最大的值。 这样,缩容时就会变得非常谨慎。
API的变化,主要是在HorizontalPodAutoscalerSpec中增加一个Constraints字段。
type HPAScaleConstraintValue struct { Rate *HPAScaleConstraintRateValue DelaySeconds *int32 type HPAScaleConstraintRateValue struct { Pods *int32 Percent *int32 PeriodSeconds *int32 } type HPAScaleConstraints struct { ScaleUp *HPAScaleConstraintValue ScaleDown *HPAScaleConstraintValue } type HorizontalPodAutoscalerSpec struct { ScaleTargetRef CrossVersionObjectReference MinReplicas *int32 MaxReplicas int32 Metrics []MetricSpec Constraints *HPAScaleConstraints }
感谢各位的阅读!关于“Kubernetes有哪些新特性”这篇文章就分享到这里了,希望以上内容可以对大家有一定的帮助,让大家可以学到更多知识,如果觉得文章不错,可以把它分享出去让更多的人看到吧!