共计 2179 个字符，预计需要花费 6 分钟才能阅读完成。
本篇文章将从三个方面探讨如何利用 K8S 实现自定义指标的主动伸缩。第一方面次要理解主动伸缩的原理以及其重要性。第二方面次要会介绍如何通过 K8S 实现自动化伸缩能力。第三方面实战演示如何应用自定义指标的形式来实现主动伸缩能力。
原视频链接：大咖实战|Kubernetes 主动伸缩实现指南分享
作者：马若飞。大型跨国互联网公司首席工程师。 AWS Container Hero，《Istio 实战指南》作者，极客 工夫 《Service Mesh 实战》专栏作者。中国最大的服务网格社区 ServiceMesher.com 治理委员会核心成员， 云原生 社区 VIP，Istio.io contributor。钻研方向为微服务、Service Mesh、云原生技术。
主动伸缩能力的重要性
从可扩展性说起
主动伸缩能力是设计软件时必备的一个十分重要的品质属性，通常用英文 Scalability 这个词来代表。驰名论文《The Art of Scalability》中对伸缩性做了十分具体的形容，并在里边提出了一个业界十分重要且出名的实践——扩展性立方体。扩展性立方体实践认为当应用软件须要进行扩大时，通常有三个维度，即如下图所示。
第一个维度 X 轴：X 轴是最根本的一个伸缩能力，属于是程度复制，即 replicate 能力。换句话说，就是复制服务而后负载平衡，这也是最简略最根底的扩大。
第二个维度 Y 轴：指的是功能性的扩大。即在 Y 轴上能够看到随着一个利用的演进以及一直地开发，该利用在性能上也是能够扩大的。如针对 X 轴扩大产生的问题，须要将大型服务进行拆解，把宰割的工作指摘和数据调配至多个实体，这也是微服务实践诞生的根底。
第三个维度 Z 轴：次要指的是数据分区。即利用在数据量急剧增长的状况下，客户心愿通过数据分区的形式来使得利用在长久层的维度进行的扩大。通常，最简略的扩大形式就是所谓的散库散表或者叫分库分表，英文名加 Sharding。即像程度扩大一样，将数据以程度的形式或者垂直的形式进行 Sharding。一般来说程度形式是指将原来一个数据库拆分成多个，每一个库的表构造均雷同，但承载的存储数据同。垂直形式是指将不同的表散列到不同的 DB 上。
什么是主动伸缩（Auto-scaling）
主动伸缩通常将其它翻译成 Auto-scaling。伸缩指的是在不同的维度上能够有复制与扩大，主动伸缩顾名思义就是能够将上述扩大以自动化的形式实现。主动伸缩是一种主动扩大计算资源的云计算技术。在手动形式部署阶段，Auto-scaling 的能力尚未被开发进去，随着 PaaS 平台的一直的演进，主动扩大的需要也越来越显著，故特别强调了主动伸缩是一种云计算技术。
主动伸缩的重要性
- 更好的容错性（Fault-tolerance）：及时、疾速应答负载压力
- 更好的可用性（High Availability）：高可用的实质：冗余
- 更好的老本治理（Cost saving）：按需付费
- 云原生利用的必备能力
- 毛病：难以辨认非正常流量（Ddos 攻打）
常见的主动伸缩实现
- 云提供商的根本服务
- Serverless
- Kubernetes HPA
HPA 工作原理及根本用法
Kubernetes 里的主动伸缩实现— HPA
HPA 与 RC, Deployment, Pod 的关系如下图所示：
- HPA 通过 Scale sub-resource 接口，对 RC 和 Deployment 的 replicas 进行管制。
- HPA 最终对 Pod 正本数的管制终归还是通过 RC 和 Deployment 控制器。
HPA 工作原理
HPA 具体的工作原理如下图所示：
基于默认资源指标实现的 HPA
默认指标：CPU、内存
查看距离：默认 15s
公式：ceil[以后正本数 * (以后指标 / 冀望指标)]
基于自定义指标的 HPA 实现
为什么须要自定义指标实现主动伸缩？
- 默认指标繁多，不能反映实在的负载
- 无奈满足定制须要
- 基于多指标扩
自定义指标实现及原理
自定义指标指 HPA 是反对自定义指标的，即咱们能够依据集体须要本人去定义指标，将指标编写进去，而后纳入到 K8S 治理之中，这样 HPA 便能够辨认出指标。整个工作原理与默认的相似，具体工作原理如下图所示：
K8S 中指标收集次要反对以下三大类，具体工作原理如下图所示：
- Resource Metrics API
- Custom Metrics API
- External Metrics API
基于 QPS 的 HPA 实现
接下来以代码片段解说基于 QPS 的 HPA 实现形式。
第一步：定义指标
第二步：为 Adapter 定义规定
第三步：定义 HPA
开源福利
现如今，云智慧已开源数据可视化编排平台 FlyFish。通过配置数据模型为用户提供上百种可视化图形组件，零编码即可实现合乎本人业务需要的炫酷可视化大屏。同时，FlyFish 也提供了灵便的拓展能力，反对组件开发、自定义函数与全局事件等配置，面向简单需要场景可能保障高效开发与交付。
点击下方地址链接，欢送大家给 FlyFish 点赞送 Star。参加组件开发，更有万元现金等你来拿。
GitHub 地址：https://github.com/CloudWise-…
Gitee 地址：https://gitee.com/CloudWise/f…
万元现金福利： http://bbs.aiops.cloudwise.co…
微信扫描辨认下方二维码，备注【飞鱼】退出 AIOps 社区飞鱼开发者交换群，与 FlyFish 我的项目 PMC 面对面交换～
