Penskalaan otomatis adalah fitur yang secara dinamis menyesuaikan sumber daya komputasi untuk memenuhi kebutuhan bisnis. Fitur ini menyediakan cara yang lebih hemat biaya untuk mengelola sumber daya. Topik ini menjelaskan penskalaan otomatis dan komponen terkait.
Informasi latar belakang
Penskalaan otomatis banyak digunakan di Kubernetes, biasanya dalam skenario seperti penskalaan beban kerja online dan penjadwalan beban kerja periodik. Container Compute Service (ACS) mendukung Horizontal Pod Autoscaler (HPA), Cron Horizontal Pod Autoscaler (CronHPA), Advanced Horizontal Pod Autoscaler (AHPA), Kubernetes Event-driven Autoscaling (KEDA), dan Automatic Vertical Pod Autoscaler (AVPA). Fitur ini menyesuaikan jumlah replika aplikasi atau spesifikasi sumber daya secara dinamis dengan memantau beban kerja atau menetapkan jadwal, sehingga memastikan penggunaan sumber daya yang efisien dan stabilitas layanan.
Komponen penskalaan otomatis
Komponen | Deskripsi | Skema penggunaan | Batas | Referensi |
HPA | Komponen bawaan dari Kubernetes. HPA digunakan untuk aplikasi online. | Bisnis online | Anda dapat menggunakan CronHPA untuk menskalakan beban kerja yang mendukung operasi skala, seperti Deployments dan StatefulSets. | |
CronHPA | Komponen open source. CronHPA cocok untuk aplikasi yang penggunaan sumber dayanya berubah secara berkala. | Beban kerja yang berubah secara berkala | CronHPA menggunakan Deployments dan StatefulSets untuk menskalakan beban kerja. CronHPA kompatibel dengan HPA. Anda dapat menggunakan CronHPA dan HPA secara bersamaan untuk menskalakan beban kerja. | |
AHPA | Komponen open source yang ditujukan untuk beban kerja yang berfluktuasi secara berkala. Contoh: siaran langsung, pendidikan online, dan layanan game. | Beban kerja yang berfluktuasi secara berkala | Anda dapat menggunakan CronHPA untuk menskalakan beban kerja yang mendukung operasi skala, seperti Deployments dan StatefulSets. Selain itu, AHPA memerlukan data historis setidaknya tujuh hari untuk melakukan penskalaan prediktif. | |
KEDA | Komponen open source yang cocok untuk skenario seperti transkoding audio dan video offline, pekerjaan berbasis event, dan pemrosesan data aliran. | Beban kerja berbasis event | Anda dapat menggunakan KEDA untuk menskalakan beban kerja yang mendukung operasi skala, seperti Penyebaran dan StatefulSet. | |
AVPA | Komponen pasar utama untuk beban kerja stateful atau pekerjaan yang tidak cocok untuk penskalaan horizontal, seperti layanan game dan pekerjaan offline, serta bisnis yang memerlukan penyesuaian dinamis karena pengaturan spesifikasi yang tidak tepat. | Akselerasi startup aplikasi Beban kerja fluktuasi jangka pendek | AVPA berlaku untuk semua beban kerja. AVPA cocok untuk perubahan beban jangka pendek yang berlangsung selama 10 menit atau lebih dan saat ini hanya mendukung penyesuaian sumber daya CPU. AVPA tidak cocok untuk perubahan beban tingkat detik atau penyesuaian sumber daya memori. |