Container Service for Kubernetes (ACK) menyediakan komponen Advanced Horizontal Pod Autoscaler (AHPA) yang mendukung penskalaan prediktif. Fitur ini memprafetch sumber daya untuk aktivitas penskalaan aplikasi dengan beban lalu lintas periodik, membantu ACK menskalakan sumber daya secara proaktif. Anda dapat menginstal controller AHPA untuk menggunakan fitur penskalaan prediktif dari AHPA. Topik ini menjelaskan pengenalan, cara kerja, catatan penggunaan, serta catatan rilis komponen tersebut.
Pengenalan
AHPA memprediksi jumlah pod yang dibutuhkan oleh aplikasi berdasarkan data metrik historis. Komponen ini membantu ACK menskalakan sumber daya secara real-time melalui prediksi proaktif dan pasif, serta memungkinkan konfigurasi kebijakan untuk menentukan jumlah maksimum dan minimum pod dalam periode waktu tertentu.
Cara Kerja AHPA
Auto scaling memberikan penghematan biaya, meningkatkan stabilitas aplikasi, mengotomatiskan operasi & pemeliharaan (O&M), serta memungkinkan perusahaan fokus pada pengembangan bisnis. Berikut adalah aturan desain arsitektur AHPA:
Stabil: Aktivitas penskalaan hanya dilakukan ketika aplikasi stabil.
Tanpa O&M: Tidak diperlukan operasi tambahan. Anda tidak perlu menambahkan controller baru saat menggunakan AHPA, dan sintaksisnya lebih sederhana dibandingkan HPA.
Serverless: Arsitektur berorientasi aplikasi memungkinkan pengguna fokus pada pod tanpa khawatir tentang pemanfaatan sumber daya node Kubernetes. Jika semua pod dalam kluster ACK Serverless diterapkan pada instance kontainer elastis, kemampuan jangka panjang kluster ACK Serverless dapat dioptimalkan sebagai praktik terbaik untuk auto scaling dalam skenario serverless.
Gambar berikut menunjukkan arsitektur AHPA.
Berbagai metrik: CPU, memori, QPS, RT, dan metrik eksternal didukung.
Stabilitas: AHPA menggunakan fitur seperti prefetch (proaktif), kebijakan penskalaan (pasif), dan degradasi layanan untuk memastikan sumber daya mencukupi bagi aplikasi.
Prediksi Proaktif: AHPA memprediksi jumlah pod yang dibutuhkan dalam 24 jam ke depan berdasarkan algoritma pembelajaran mesin dari Akademi DAMO dan data metrik historis aplikasi. Cocok untuk aplikasi dengan beban lalu lintas periodik.
Prediksi Pasif: AHPA memprediksi jumlah pod berdasarkan data metrik real-time untuk menangani lonjakan lalu lintas.
Degradasi Layanan: AHPA memungkinkan penentuan jumlah maksimum dan minimum pod dalam satu atau lebih periode waktu.
Berbagai metode penskalaan: AHPA dapat menggunakan Knative, HPA, dan Deployments untuk melakukan penskalaan.
Knative: Knative menskalakan sumber daya berdasarkan konkurensi, QPS, atau RT untuk menyelesaikan masalah cold start dalam skenario serverless.
HPA: HPA menyederhanakan konfigurasi kebijakan penskalaan dan membantu pemula menyelesaikan masalah cold start.
Deployments: Deployments digunakan untuk melakukan auto scaling.
Catatan Penggunaan
Untuk informasi lebih lanjut, lihat Penskalaan Prediktif Berbasis AHPA.
Catatan Rilis
April 2024
Versi | Tanggal Rilis | Deskripsi | Dampak |
v2.6.0-aliyun.1 | 2024-04-16 | Tautan yang menggunakan metrics-server untuk mengumpulkan metrik dioptimalkan. | Kami sarankan Anda melakukan pembaruan selama jam-jam sepi. |
Maret 2024
Versi | Tanggal Rilis | Deskripsi | Dampak |
v2.5.6-aliyun.1 | 2024-03-20 | Masalah panic metrik kustom telah diperbaiki. | Kami sarankan Anda melakukan pembaruan selama jam-jam sepi. |
Desember 2023
Versi | Tanggal Rilis | Deskripsi | Dampak |
v2.5.0-aliyun.1 | 2023-12-25 |
| Kami sarankan Anda melakukan pembaruan selama jam-jam sepi. |
Oktober 2023
Versi | Tanggal Rilis | Deskripsi | Dampak |
v2.4.0-aliyun.1 | 2023-10-16 |
| Kami sarankan Anda melakukan pembaruan selama jam-jam sepi. |
Juli 2023
Versi | Tanggal Rilis | Deskripsi | Dampak |
v2.3.0-aliyun.1 | 2023-07-12 |
| Kami sarankan Anda melakukan pembaruan selama jam-jam sepi. |
Juni 2023
Versi | Tanggal Rilis | Deskripsi | Dampak |
v2.2.0-aliyun.1 | 2023-06-19 |
| Kami sarankan Anda melakukan pembaruan selama jam-jam sepi. |
April 2023
Versi | Tanggal Rilis | Deskripsi | Dampak |
v2.1.0-aliyun.1 | 2023-04-26 |
| Kami sarankan Anda melakukan pembaruan selama jam-jam sepi. |
Juli 2022
Versi | Tanggal Rilis | Deskripsi | Dampak |
v1.0.0-aliyun.1 | 2022-07-13 |
| Tidak ada dampak pada beban kerja |