Fogalom – A Kubernetes skálázási beállításai

  • 5 perc

Néha a podok számának skálázása a megnövekedett igények kezeléséhez nem elegendő. Ahhoz, hogy alkalmazkodjon a változó alkalmazásigényekhez, például munkanap és este vagy hétvégén, a fürtöknek gyakran szükségük van egy automatikus méretezési módra.

A Kubernetes skálázási beállításai

A Kubernetes-fürtök az alábbi összetevők egyikével méretezhetők:

  • A fürt automatikus skálázási szolgáltatása, amely figyeli azokat a podokat, amelyek erőforrás-korlátozások miatt nem ütemezhetők csomópontokon. A fürt automatikusan növeli a csomópontok számát az igények kielégítése érdekében.
  • A Podok erőforrásigényének figyelésére a Kubernetes-fürt metrikakiszolgálóját használó vízszintes pod-automatikus skálázó (HPA). Ha egy alkalmazásnak több erőforrásra van szüksége, a podok száma automatikusan növekszik az igények kielégítése érdekében.

A HPA és a fürt automatikus skálázása is szükség szerint csökkentheti a podok és csomópontok számát. A fürt automatikus skálázása csökkenti a csomópontok számát, ha van egy kihasználatlan kapacitással rendelkező időszak. A fürt automatikus skálázási eszközének eltávolítandó csomóponton lévő podok biztonságosan ütemezve vannak a fürt más részein.

Előfordulhat, hogy a fürt automatikus méretezője nem tud leskálázni olyan helyzetekben, amikor a podok nem tudnak mozogni, például:

  • A podok közvetlenül létrejönnek, és nem egy vezérlőobjektum, például egy üzembe helyezés vagy a ReplicaSet biztonsági másolata.
  • A podkimaradási költségvetés (PDB) túl korlátozó, és nem teszi lehetővé, hogy a podok száma egy bizonyos küszöbérték alá csökkenjen.
  • A podok csomópontválasztókat vagy affinitást használnak, amelyeket nem lehet tiszteletben tartani, ha egy másik csomópontra ütemezik.

A KEDA használata a HPA-val

A KEDA egyéni metrika API-ként működik, skálázókkal teszi elérhetővé a metrikákat a HPA-nak, leegyszerűsítve a metrikák kiszolgálójának fejlesztését.

A skálázók különböző forrásokból származó metrikákat biztosítanak a HPA-nak. A KEDA számos skálázót támogat, többek között a következőket:

  • Apache Kafka
  • AWS CloudWatch
  • AWS Kinesis Stream
  • AWS SQS-üzenetsor
  • Azure Blob Storage
  • Azure-eseményközpontok
  • Azure Log Analytics
  • Azure Monitor
  • Azure Service Bus
  • Azure Storage Queue
  • Google Cloud Platform Pub/Sub
  • IBM MQ
  • InfluxDB
  • NATS-streamelés
  • OpenStack Swift
  • PostgreSQL
  • Prometheus
  • RabbitMQ-üzenetsor
  • Redis-listák

A teljes listát a KEDA jelenleg elérhető méretezési lehetőségei között találja.

Tesztelje tudását

1.

A számítási feladat processzorigényes fényképátalakítást hajt végre. Melyik skálázási beállítást válassza?

2.

A fürt a csúcsidők során egyre közelebb kerül az összes rendelkezésre álló erőforrás használatához. Melyik skálázási beállítást érdemes használnia?

3.

A szolgáltatás egy Apache Kafka-üzenetsorból dolgozza fel az üzeneteket. Melyik skálázási beállítást válassza?