内容简介:作者:justmine头条号:大数据达摩院微信公众号:大数据处理系统
作者:justmine
头条号:大数据达摩院
微信公众号:大数据处理系统
创作不易,在满足创作共用版权协议的基础上可以转载,但请以超链接形式注明出处。
为了方便大家阅读,可以关注头条号或微信公众号,后续所有的文章将在移动端首发,想学习更多云原生知识,请关注我。
前言
k8s已经成为了容器管理和编排的标准,当应用容器化到K8S后,如何根据服务器资源自动伸缩应用,以应对任何的突发流量。
请考虑如何实现以下应用场景?
当服务器高负载时,自动扩容应用服务运行数量;当服务器低负载时,自动缩减应用服务运行数量, 以实现“合适规模”的应用部署,从而更好地利用集群资源 。
本篇就来演示K8S如何实现上面的场景。
准备工作
安装metrics-server
项目地址:
https://github.com/kubernetes-sigs/metrics-server
Kubernetes Metrics Server 是集群中资源使用情况数据的聚合器。
下载
wget https://github.com/kubernetes-sigs/metrics-server/archive/v0.3.6.tar.gz && tar -xzf v0.3.6.tar.gz;
部署
# Kubernetes 1.7$ kubectl create -f metrics-server-0.3.6/deploy/1.7/# Kubernetes > 1.8$ kubectl create -f metrics-server-0.3.6/deploy/1.8+/
验证
kubectl get deployment metrics-server -n kube-system
演示
1、创建一个简单的 Apache Web 服务器应用程序
kubectl run httpd --image=httpd --requests=cpu=100m --limits=cpu=200m --expose --port=80
向此Apache Web服务器Pod提供100 millicpu和200 MB内存,并在端口80上提供服务。
2、为 httpd 部署创建 Horizontal Pod Autoscaler 资源。
kubectl autoscale deployment httpd --cpu-percent=50 --min=1 --max=10
为Apache Web服务器创建50%CPU利用率的Autoscaler,并设置伸缩参数,如下:
-
min(下限)=1:当平均CPU负载低于50%时,Autoscaler尝试减少部署中的Pod数量,最低1个。
-
max(上限)=10:当平均CPU负载大于50%时,Autoscaler尝试增加部署中的Pod数量,最高10个。
查看Autoscaler详细信息,如下:
命令:kubectl describe hpa/httpd
3、模拟高负载
向Apache Web服务器并发50万请求,命令如下:
kubectl run apache-bench -i --tty --rm --image=httpd -- ab -n 500000 -c 1000 http://httpd.default.svc.cluster.local/
输出:
4、查看Apache Web服务器整个自动伸缩过程
kubectl get horizontalpodautoscaler.autoscaling/httpd --watch
从上面可以看出,当服务器高负载时,Pod数量从1扩容到了10;当服务器低负载时,Pod数量从10又缩减到了1,这就是K8S的水平伸缩过程,也是K8S相对于传统部署方式的突出优势。
总结
本篇演示了K8S的水平伸缩,这种伸缩方式非常适合于无状态服务,那么问题来了,如下:
如何伸缩有状态服务呢?
答案:使用K8S的垂直伸缩器。
当K8S集群资源不够,如何进行集群级别的伸缩呢?
答案:使用K8S的集群伸缩器。
欲知后事如何,请关注下回演示。
工欲善其事,必先利其器,K8S还有很多超能力,想学习更多K8S知识,及相关实践,可以关注我。
参考
https://kubernetes.io/docs/tasks/run-application/horizontal-pod-autoscale
https://github.com/kubernetes/community/blob/master/contributors/design-proposals/autoscaling/horizontal-pod-autoscaler.md
https://docs.aws.amazon.com/zh_cn/eks/latest/userguide/horizontal-pod-autoscaler.html
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 微服务实例自动弹性伸缩实践
- kubernetes自动伸缩
- 在Kubernetes上部署和伸缩Jenkins
- Jenkins + DockerSwarm 实现弹性伸缩持续集成
- 基于Prometheus,Alermanager实现Kubernetes自动伸缩
- (译)Istio 组件的性能与伸缩性
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
算法设计与分析导论
R.C.T.Lee (李家同)、S.S.Tseng、R.C.Chang、Y.T.Tsai / 王卫东 / 机械工业 / 2008-1 / 49.00元
本书在介绍算法时,重点介绍用干设计算法的策略.非常与众不同。书中介绍了剪枝搜索、分摊分析、随机算法、在线算法以及多项式近似方案等相对较新的思想和众多基于分摊分析新开发的算法,每个算法都与实例一起加以介绍,而且每个例子都利用图进行详细解释。此外,本书还提供了超过400幅图来帮助初学者理解。本书适合作为高等院校算法设计与分析课程的高年级本科生和低年级研究生的教材,也可供相美科技人员和专业人七参考使用。一起来看看 《算法设计与分析导论》 这本书的介绍吧!