简介：Knative 提供了基于流量的主动扩缩容能力，能够依据利用的申请量，在顶峰时主动扩容实例数；当申请量减少当前，主动缩容实例，做到自动化地节俭资源老本。此外，Knative 还提供了基于流量的灰度公布能力，能够将流量的百分比进行灰度公布。

作者 | 李鹏（元毅）
起源 | Serverless 公众号

一、Knative

Knative 提供了基于流量的 主动扩缩容能力 ，能够依据利用的申请量，在顶峰时主动扩容实例数；当申请量减少当前，主动缩容实例，做到自动化地节俭资源老本。此外，Knative 还提供了基于流量的 灰度公布能力，能够将流量的百分比进行灰度公布。

在介绍 Knative 灰度公布和主动弹性之前，先带大家理解一下 ASK Knative 中的流量申请机制。

如上图所示，整体的流量申请机制分为以下局部：

• 左侧是 Knative Service 的版本信息，能够对流量设置百分比；上面是路由策略，在路由策略里，通过 Ingress controller 将相应的路由规定设置到阿里云 SLB；
• 右侧是对应创立的服务版本 Revision，在版本里对应有 Deployment 的资源，当流量通过 SLB 进来之后，间接依据相应的转发规定，转到后端服务器 Pod 上。

除了流量申请机制外，上图还展现了相应的弹性策略，如 KPA、HPA 等。

二、Service 生命周期

Service 是间接面向开发者操作的资源对象，蕴含两局部的资源：Route 和 Configuration。

如上图所示，用户能够通过配置 Configuration 外面的信息，设置相应的镜像、内容以及环境变量信息。

1. Configuration

Configuration 是：

• 治理容器冀望的状态；
• 相似版本控制器，每次更新 Configuration 都会创立新的版本（Revision）。

如上图所示，与 Knative Service 相比拟，Configuration 和它的配置很靠近，Configuration 里配置的就是容器冀望的资源信息。

2. Route

Route 能够：

• 管制流量散发到不同的版本（Revision）；
• 反对依照百分比进行流量散发。

如上图所示，一个 Route 资源，上面包含一个 traffic 信息，traffic 外面能够设置对应的版本和每个版本对应的流量比例。

3. Revision

• 一个 Configuration 的快照；
• 版本追踪、回滚。

Knative Service 中版本治理的资源：Revision，它是 Configuration 的快照，每次更新 Configuration 就会创立一个新的 Revision，能够通过 Revision 实现版本追踪、灰度公布以及回滚。在 Revision 资源外面，能够间接地看到配置的镜像信息。

三、基于流量的灰度公布

如上图所示，如果一开始咱们创立了 V1 版本的 Revision，这时如果有新的版本变更，那么咱们只须要更新 Service 中的 Configuration，就会相应的创立出 V2 版本。而后通过 Route 对 V1 和 V2 设置不同的流量比例，上图中 V1 是 70%，V2 是 30%，流量会依照 7:3 的比例别离散发到两个版本上。一旦 V2 版本验证没有问题，接下来就能够通过调整流量比例的形式进行持续灰度，直到新的版本 V2 达到 100%。

在灰度的过程中，一旦发现新版本有异样，随时能够调整流量比例进行回滚。假如灰度到 30% 的时候，发现 V2 版本有问题，咱们就能够把比例调回去，在原来的 V1 版本上设置流量 100%，实现回滚操作。

除此之外，咱们还能够在 Route 中通过 traffic 对 Revision 打上一个 Tag，打完 Tag 之后，在 Knative 中会主动对以后的 Revision 生成一个可间接拜访的 URL，通过这个 URL 咱们能够间接把相应的流量打到以后的某一个版本下来，这样能够实现对某个版本的调试。

四、主动弹性

在 Knative 中提供了丰盛的弹性策略，除此之外，ASK Knative 中还扩大了一些相应的弹性机制，接下来别离介绍以下几个弹性策略：

• Knative Pod 主动扩缩容（KPA）；
• Pod 程度主动扩缩容（HPA）；
• 反对定时 + HPA 的主动扩缩容策略；
• 事件网关（基于流量申请的精准弹性）；
• 扩大自定义扩缩容插件。

1. 主动扩缩容 -KPA

图：Knative Pod 主动扩缩容（KPA）

如上图所示，Route 能够了解成流量网关；Activator 在 Knative 中承载着 0~1 的职责，当没有申请流量时，Knative 会把相应的服务挂到 Activator Pod 下面，一旦有第一个流量进来，首先会进入到 Activator，Activator 收到流量之后，会通过 Autoscaler 扩容 Pod，扩容实现之后 Activator 把申请转发到相应的 Pod 下来。一旦 Pod ready 之后，那么接下来相应的服务会通过 Route 间接打到 Pod 下面去，这时 Activator 曾经完结了它的使命。

在 1~N 的过程中，Pod 通过 kube-proxy 容器能够采集每个 Pod 外面的申请并发指数­，也就是申请指标。Autoscaler 依据这些申请指标进行汇聚，计算相应的须要的扩容数，实现基于流量的最终扩缩容。
 

2. 程度扩缩容 -HPA

图：Pod 程度主动扩缩容（HPA）

它其实是将 K8s 中原生的 HPA 做了封装，通过 Revision 配置相应的指标以及策略，应用 K8s 原生的 HPA，反对 CPU、Memory 的主动扩缩容。

3. 定时 +HPA 交融

• 提前布局容量进行资源预热；
• 与 CPU、Memory 进行联合。

在 Knative 之上，咱们将定时与 HPA 进行交融，实现提前布局容量进行资源预热。咱们在应用 K8s 时能够领会到，通过 HPA 进行扩容时，等指标阈值上来之后再进行扩容的话，有时满足不了理论的突发场景。对于一些有规律性的弹性工作，能够通过定时的形式，提前布局好某个时间段须要扩容的量。

咱们还与 CPU、Memory 进行联合。比方某个时间段定时设置为 10 个 Pod，然而以后 CPU 对阈值计算出来须要 20 个 Pod，这时会取二者的最大值，也就是 20 个 Pod 进行扩容，这是服务稳定性的最基本保障。

4. 事件网关

• 基于申请数主动弹性；
• 1 对 1 工作散发。

事件网关是基于流量申请的精准弹性。当事件进来之后，会先进入到事件网关外面，咱们会依据以后进来的申请数去扩容 Pod，扩容实现之后，会产生将工作和 Pod 一对一转发的诉求。因为有时某个 Pod 同一时间只能解决一个申请，这时候咱们就要对这种状况进行解决，也就是事件网关所解决的场景。

5. 自定义扩缩容插件

自定义扩缩容插件有 2 个关键点：

• 采集指标；
• 调整 Pod 实例数。

指标从哪来？像 Knative 社区提供的基于流量的 KPA，它的指标是通过一个定时的工作去每个 Pod 的 queue-proxy 容器中拉取 Metric 指标。通过 controller 对获取这些指标进行解决，做汇聚并计算须要扩容多少 Pod。
怎么执行扩缩容？其实通过调整相应的 Deployment 外面的 Pod 数即可。

调整采集指标和调整 Pod 实例数，实现这两局部后就能够很容易地实现自定义扩缩容插件。

五、实操演示

上面进行示例演示，演示内容次要有：

• 基于流量的灰度公布
• 基于流量的主动扩缩容

演示过程观看链接：https://developer.aliyun.com/live/246127

作者简介：
李鹏，花名：元毅，阿里云容器平台高级开发工程师，2016 年退出阿里，深度参加了阿里巴巴全面容器化、间断多年反对双十一容器化链路。专一于容器、Kubernetes、Service Mesh 和 Serverless 等云原生畛域，致力于构建新一代 Serverless 平台。以后负责阿里云容器服务 Knative 相干工作。

版权申明：本文内容由阿里云实名注册用户自发奉献，版权归原作者所有，阿里云开发者社区不领有其著作权，亦不承当相应法律责任。具体规定请查看《阿里云开发者社区用户服务协定》和《阿里云开发者社区知识产权爱护指引》。如果您发现本社区中有涉嫌剽窃的内容，填写侵权投诉表单进行举报，一经查实，本社区将立即删除涉嫌侵权内容。