Container Service for Kubernetes:Men-deploy AHPA

Langkah 1: Instal AHPA Controller

1. Masuk ke ACK console. Di panel navigasi kiri, klik Clusters.

2. Pada halaman Clusters, klik nama kluster Anda. Di panel navigasi kiri, klik Components and Add-ons.

3. Pada halaman Add-ons, temukan komponen AHPA Controller. Klik Install pada kartu komponen tersebut dan ikuti petunjuk di layar untuk menyelesaikan instalasi.

Langkah 2: Konfigurasikan sumber data Prometheus

1. Masuk ke ARMS console.

2. Di panel navigasi kiri, pilih Managed Service for Prometheus > Instances.

3. Di bagian atas halaman Instances, pilih wilayah instans Prometheus Anda, lalu klik nama instans tersebut, yang sama dengan nama kluster ACK Anda.

4. Pada halaman Settings, di bagian HTTP API Address (Grafana Read Address), catat nilai bidang-bidang berikut:

   • (Opsional) Jika autentikasi berbasis token diaktifkan, catat token akses.

   • Lihat dan catat titik akhir jaringan internal (Internal Network) (URL Prometheus).

5. Atur URL kueri Prometheus di kluster ACK Anda.

   1. Buat file bernama application-intelligence.yaml dengan konten berikut.

      • prometheusUrl: Titik akhir untuk Managed Service for Prometheus.

      • token: Token akses untuk Prometheus.

      apiVersion: v1
      kind: ConfigMap
      metadata:
        name: application-intelligence
        namespace: kube-system
      data:
        prometheusUrl: "http://cn-hangzhou-intranet.arms.aliyuncs.com:9443/api/v1/prometheus/da9d7dece901db4c9fc7f5b9c40****/158120454317****/cc6df477a982145d986e3f79c985a****/cn-hangzhou"
        token: "eyJhxxxxx"

      Catatan

      Untuk melihat dasbor AHPA di Managed Service for Prometheus, Anda juga harus mengonfigurasi bidang-bidang berikut dalam ConfigMap ini:

      Untuk informasi lebih lanjut, lihat Enable the Prometheus dashboard for AHPA.

   2. Jalankan perintah berikut untuk menerapkan application-intelligence.

      kubectl apply -f application-intelligence.yaml

Langkah 3: Deploy layanan uji coba

Layanan uji coba mencakup Penyebaran bernama fib-deployment, layanan bernama fib-svc, dan generator beban bernama fib-loader untuk mensimulasikan fluktuasi traffic. Anda juga akan menerapkan resource HorizontalPodAutoscaler (HPA) untuk menetapkan garis dasar sebagai perbandingan dengan AHPA.

apiVersion: apps/v1
kind: Deployment
metadata:
  name: fib-deployment
  namespace: default
  annotations:
    k8s.aliyun.com/eci-use-specs: "1-2Gi"
spec:
  replicas: 1
  selector:
    matchLabels:
      app: fib-deployment
  strategy:
    rollingUpdate:
      maxSurge: 25%
      maxUnavailable: 25%
    type: RollingUpdate
  template:
    metadata:
      creationTimestamp: null
      labels:
        app: fib-deployment
    spec:
      containers:
      - image: registry.cn-huhehaote.aliyuncs.com/kubeway/knative-sample-fib-server:20200820-171837
        imagePullPolicy: IfNotPresent
        name: user-container
        ports:
        - containerPort: 8080
          name: user-port
          protocol: TCP
        resources:
          limits:
            cpu: "1"
            memory: 2000Mi
          requests:
            cpu: "1"
            memory: 2000Mi
---
apiVersion: v1
kind: Service
metadata:
  name: fib-svc
  namespace: default
spec:
  ports:
  - name: http
    port: 80
    protocol: TCP
    targetPort: 8080
  selector:
    app: fib-deployment
  sessionAffinity: None
  type: ClusterIP
---
apiVersion: apps/v1
kind: Deployment
metadata:
  name: fib-loader
  namespace: default
spec:
  progressDeadlineSeconds: 600
  replicas: 1
  revisionHistoryLimit: 10
  selector:
    matchLabels:
      app: fib-loader
  strategy:
    rollingUpdate:
      maxSurge: 25%
      maxUnavailable: 25%
    type: RollingUpdate
  template:
    metadata:
      creationTimestamp: null
      labels:
        app: fib-loader
    spec:
      containers:
      - args:
        - -c
        - |
          /ko-app/fib-loader --service-url="http://fib-svc.${NAMESPACE}?size=35&interval=0" --save-path=/tmp/fib-loader-chart.html
        command:
        - sh
        env:
        - name: NAMESPACE
          valueFrom:
            fieldRef:
              apiVersion: v1
              fieldPath: metadata.namespace
        image: registry.cn-huhehaote.aliyuncs.com/kubeway/knative-sample-fib-loader:20201126-110434
        imagePullPolicy: IfNotPresent
        name: loader
        ports:
        - containerPort: 8090
          name: chart
          protocol: TCP
        resources:
          limits:
            cpu: "8"
            memory: 16000Mi
          requests:
            cpu: "2"
            memory: 4000Mi
---
apiVersion: autoscaling/v1
kind: HorizontalPodAutoscaler
metadata:
  name: fib-hpa
  namespace: default
spec:
  maxReplicas: 50
  minReplicas: 1
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: fib-deployment
  targetCPUUtilizationPercentage: 50
---

Langkah 4: Deploy AHPA

Untuk mengonfigurasi kebijakan penskalaan, buat resource AdvancedHorizontalPodAutoscaler.

1. Buat file bernama ahpa-demo.yaml dengan konten berikut.

   apiVersion: autoscaling.alibabacloud.com/v1beta1
   kind: AdvancedHorizontalPodAutoscaler
   metadata:
     name: ahpa-demo
   spec:
     scaleStrategy: observer
     metrics:
     - type: Resource
       resource:
         name: cpu
         target:
           type: Utilization
           averageUtilization: 40
     scaleTargetRef:
       apiVersion: apps/v1
       kind: Deployment
       name: fib-deployment 
     maxReplicas: 100
     minReplicas: 2
     stabilizationWindowSeconds: 300
     prediction:
       quantile: 95
       scaleUpForward: 180
     instanceBounds:
     - startTime: "2021-12-16 00:00:00"
       endTime: "2031-12-16 00:00:00"
       bounds:
       - cron: "* 0-8 ? * MON-FRI"
         maxReplicas: 15
         minReplicas: 4
       - cron: "* 9-15 ? * MON-FRI"
         maxReplicas: 15
         minReplicas: 10
       - cron: "* 16-23 ? * MON-FRI"
         maxReplicas: 20
         minReplicas: 15

   Tabel berikut menjelaskan beberapa parameter tersebut.

   Parameter	Wajib	Deskripsi
   scaleTargetRef	Ya	Menentukan target Deployment.
   metrics	Ya	Mengonfigurasi metrik untuk penskalaan. Metrik yang didukung mencakup CPU, GPU, memori, QPS, dan RT.
   target	Ya	Ambang batas target. Misalnya, averageUtilization: 40 menetapkan target penggunaan CPU sebesar 40%.
   scaleStrategy	Tidak	Menentukan mode penskalaan. Nilai default-nya adalah observer. auto: AHPA melakukan operasi penskalaan. observer: AHPA hanya mengamati tetapi tidak melakukan operasi penskalaan. Anda dapat menggunakan mode ini untuk memeriksa apakah AHPA bekerja sesuai harapan. proactive: Hanya prediksi proaktif yang berlaku. reactive: Hanya penskalaan reaktif yang berlaku.
   maxReplicas	Ya	Jumlah maksimum replika untuk scale out.
   minReplicas	Ya	Jumlah minimum replika untuk scale in.
   stabilizationWindowSeconds	Tidak	Jendela stabilisasi untuk operasi penskalaan. Ini mencegah fluktuasi cepat pada jumlah replika. Nilai default-nya adalah 300 detik.
   prediction.quantile	Ya	Kuantil prediksi. Nilai yang lebih tinggi menghasilkan prediksi yang lebih konservatif. Nilainya harus antara 0 hingga 100. Rentang yang direkomendasikan adalah 90 hingga 99, dengan nilai default 99.
   prediction.scaleUpForward	Ya	Waktu yang dibutuhkan Pod baru untuk menjadi Ready. Ini juga dikenal sebagai waktu cold start.
   instanceBounds	Tidak	Batas jumlah replika dalam periode waktu tertentu. startTime: Waktu mulai. endTime: Waktu selesai.
   instanceBounds.bounds.cron	Tidak	Mengonfigurasi tugas terjadwal. Ekspresi cron menentukan jadwal menggunakan beberapa bidang yang dipisahkan spasi untuk menentukan serangkaian waktu. Misalnya, - cron: "* 0-8 ? * MON-FRI" menentukan bahwa tugas dijalankan setiap menit dari pukul 00.00 hingga 08.59 pada hari Senin hingga Jumat.

   Bidang-bidang dalam ekspresi cron dijelaskan sebagai berikut. Untuk informasi lebih lanjut, lihat Cron scheduled tasks.

   Bidang	Wajib	Nilai yang diizinkan	Karakter khusus
   Menit	Ya	0–59	* / , -
   Jam	Ya	0–23	* / , -
   Hari dalam bulan	Ya	1–31	* / , - ?
   Bulan	Ya	1–12 atau JAN–DEC	* / , -
   Hari dalam minggu	Ya	0–6 atau SUN–SAT	* / , - ?

   Catatan

   • Bidang Bulan dan Hari dalam minggu tidak peka huruf besar/kecil. Misalnya, SUN, Sun, dan sun memiliki efek yang sama.

   • Jika bidang Hari dalam Minggu tidak dikonfigurasi, nilainya default menjadi *.

   • Karakter khusus:

     • *: Mencocokkan semua nilai yang mungkin dalam bidang tersebut.

     • /: Menentukan penambahan nilai.

     • ,: Menyebutkan daftar nilai.

     • -: Menentukan rentang.

     • ?: Menunjukkan bahwa tidak ada nilai spesifik yang ditetapkan. Gunakan ini di bidang Hari dalam bulan atau Hari dalam minggu ketika bidang lainnya telah ditentukan.

2. Jalankan perintah berikut untuk membuat kebijakan penskalaan AHPA.

   kubectl apply -f ahpa-demo.yaml

Langkah 5: Lihat hasil prediksi

Untuk melihat hasil penskalaan prediktif AHPA, Anda dapat mengaktifkan dasbor Prometheus untuk AHPA.

Contoh ini menggunakan mode penskalaan observer (mode observer) untuk membandingkan hasil prediksi AHPA dengan hasil dari kebijakan HPA standar. Hasil HPA berfungsi sebagai garis dasar untuk kebutuhan resource aktual aplikasi. Perbandingan ini membantu Anda mengamati apakah prediksi AHPA sesuai dengan ekspektasi Anda.

Dokumen terkait

• Untuk menggunakan metrik GPU dari Managed Service for Prometheus dalam penskalaan prediktif AHPA, lihat Configure AHPA predictive scaling based on GPU metrics.

• Untuk melihat dasbor pemantauan yang disediakan oleh Managed Service for Prometheus, lihat Enable the Prometheus dashboard for AHPA.