《Kubernetes弹性伸缩全场景解读（五） - 定时伸缩组件发布与开源》

最新推荐文章于 2024-01-07 06:30:00 发布

阿里云技术

最新推荐文章于 2024-01-07 06:30:00 发布

阅读量163

点赞数

文章标签：容器服务云栖社区弹性伸缩

本文链接：https://blog.csdn.net/weixin_43970890/article/details/89553568

版权

本文介绍了Kubernetes中的CronHPA组件，用于解决资源利用率周期性变化的问题，避免弹性伸缩时延导致的负载不匹配。CronHPA允许开发者根据资源画像的周期性规律预设伸缩时间，减少资源浪费，并结合节点伸缩实现成本节约。文章提供了CronHPA的使用方法和一个简单的demo验证过程。

摘要由CSDN通过智能技术生成

前言

容器技术的发展让软件交付和运维变得更加标准化、轻量化、自动化。这使得动态调整负载的容量变成一件非常简单的事情。在kubernetes中，通常只需要修改对应的replicas数目即可完成。当负载的容量调整变得如此简单后，我们再回过头来看下应用的资源画像。对于大部分互联网的在线应用而言，负载的峰谷分布是存在一定规律的。例如下图是一个典型web应用的负载曲线。从每天早上8点开始，负载开始飙高，在中午12点到14点之间，负载会回落；14点到18点会迎来第二个高峰；在18点之后负载会逐渐回落到最低点。

资源的波峰和波谷之间相差3~4倍左右的容量，低负载的时间会维持8个小时左右。如果使用纯静态的容量规划方式进行应用管理与部署，我们可以计算得出资源浪费比为25% (计算方式:1 - (1*8+4*16)/4*24 = 0.25 )。而当波峰和波谷之间的差别到达10倍的时候，资源浪费比就会飙升至57%(计算方式:1 - (1*8+10*16)/10*24 = 0.57 )。

那么当我们面对这么多的资源浪费时，是否可以通过弹性的方式来解决呢？标准的HPA是基于指标阈值进行伸缩的，常见的指标主要是CPU、内存，当然也可以通过自定义指标例如QPS、连接数等进行伸缩。但是这里存在一个问题，因为基于资源的伸缩存在一定的时延，这个时延主要包含：采集时延(分钟级) + 判断时延(分钟级) + 伸缩时延(分钟级)。而对于上图中，我们可以发现负载的峰值毛刺还是非常尖锐的，这有可能会由于HPA分钟级别的伸缩时延造成负载数目无法及时变化，短时间内应用的整体负载飙高，响应时间变慢。特别是对于一些游戏业务而言，由于负载过高带来的业务抖动会造成玩家非常差的体验。

为了解决这个场景，阿里云容器服务提供了kube-cronhpa-controller，专门应对资源画像存在周期性的场景。开发者可以根据资源画像的周期性规律，定义time schedule，提前扩容好资源，而在波谷到来后定时回收资源。底层再结合cluster-autoscaler的节点伸缩能力，提供资源成本的节约。