基于流量请求数实现服务自动扩缩容 - 容器服务 Kubernetes 版 ACK

背景信息

Knative Serving为每个Pod注入QUEUE代理容器（queue-proxy），该容器负责向Autoscaler报告业务容器的并发指标。Autoscaler接收到这些指标之后，会根据并发请求数及相应的算法，调整Deployment的Pod数量，从而实现自动扩缩容。

并发数和QPS

并发数是同一时刻Pod的接收的请求数。
QPS指的是Pod每秒响应的请求数，也就是最大吞吐能力。

并发数的增加并不一定会导致QPS增加。应用在访问压力较大的情况下，如果并发数增加，系统的QPS反而会下降。因为系统超负荷工作，CPU、内存等其他消耗导致系统性能下降，从而导致响应延迟。

算法

Autoscaler基于每个Pod的平均请求数（并发数）进行自动扩缩容，默认并发数为100。Pod数=并发请求总数/容器并发数。如果服务中并发数设置为10，并且加载了50个并发请求的服务，则Autoscaler就会创建5个Pod。

Autoscaler实现了两种操作模式的缩放算法，Stable稳定模式和Panic恐慌模式：

Stable稳定模式。
在稳定模式下，Autoscaler调整Deployment的大小，以实现每个Pod所需的平均并发数。Pod的并发数是根据60秒窗口内接收所有数据请求的平均数来计算的。

Panic恐慌模式。

Autoscaler计算60秒窗口内的平均并发数，系统需要1分钟稳定在所需的并发级别。但是，Autoscaler也会计算6秒的恐慌窗口，如果该窗口达到目标并发的2倍，则会进入恐慌模式。在恐慌模式下，Autoscaler在更短、更敏感的紧急窗口上工作。一旦紧急情况持续60秒后，Autoscaler将返回初始的60秒稳定窗口。

                                                       |
                                  Panic Target--->  +--| 20
                                                    |  |
                                                    | <------Panic Window
                                                    |  |
       Stable Target--->  +-------------------------|--| 10   CONCURRENCY
                          |                         |  |
                          |                      <-----------Stable Window
                          |                         |  |
--------------------------+-------------------------+--+ 0
120                       60                           0
                     TIME

KPA配置介绍

配置KPA，需要配置config-autoscaler，该参数默认已配置，以下为重点参数介绍。

执行以下命令，查看config-autoscaler。
```
kubectl -n knative-serving get cm config-autoscaler
```
预期输出：
```
apiVersion: v1
kind: ConfigMap
metadata:
 name: config-autoscaler
 namespace: knative-serving
data:
 container-concurrency-target-default: "100"
 container-concurrency-target-percentage: "0.7"
 enable-scale-to-zero: "true"
 max-scale-up-rate: "1000"
 max-scale-down-rate: "2"
 panic-window-percentage: "10"
 panic-threshold-percentage: "200"
 scale-to-zero-grace-period: "30s"
 scale-to-zero-Pod-retention-period: "0s"
 stable-window: "60s"
 target-burst-capacity: "200"
 requests-per-second-target-default: "200"
```
- 为KPA配置缩容至0。
  - scale-to-zero-grace-period：表示在缩为0之前，inactive revison保留的运行时间（最小是30s）。
```
scale-to-zero-grace-period: 30s
```
  - stable-window：当在Stable模式运行中，Autoscaler在稳定窗口期下平均并发数下的操作。
```
stable-window: 60s
```
    stable-window也可以在Revision注释中配置。
```
autoscaling.knative.dev/window: 60s
```
  - enable-scale-to-zero：设置enable-scale-to-zero参数为true。
```
enable-scale-to-zero: "true"
```
- 配置Autoscaler的并发数。
  - target
    target定义在给定时间（软限制）需要多少并发请求，是Knative中Autoscaler的推荐配置。在ConfigMap中默认配置的并发target为100。
```
`container-concurrency-target-default: 100`
```
    这个值可以通过Revision中的autoscaling.knative.dev/target注释进行修改。
```
autoscaling.knative.dev/target: 50
```
  - containerConcurrency
    containerConcurrency限制在给定时间允许并发请求的数量（硬限制），并在Revision模板中配置。
    说明
    使用containerConcurrency，需要满足以下条件：
    
    只有在明确需要限制在给定时间有多少请求到达应用程序时，才应该使用containerConcurrency。
    
    只有当应用程序需要强制的并发约束时，才建议使用containerConcurrency。
```
containerConcurrency: 0 | 1 | 2-N
```
    - 1：确保一次只有一个请求由Revision给定的容器实例处理。
    - 2-N：请求的并发值限制为2或更多。
    - 0：表示不作限制，有系统自身决定。
  - container-concurrency-target-percentage
    这个参数为并发百分比或称为并发因子，并且会直接参与扩缩容并发数计算。例如，如果并发数target或者containerConcurrency设置值为100，并发因子container-concurrency-target-percentage为0.7。那么实际担当并发数达到70（100*0.7）时就会触发扩容操作。
    
    因此，实际扩缩容并发数=target（或者containerConcurrency）*container-concurrency-target-percentage
配置扩缩容边界，通过minScale和maxScale可以配置应用程序提供服务的最小和最大Pod数量。通过这两个参数配置可以控制服务冷启动或者控制计算成本。
说明
- 如果未设置minScale注释，Pods将缩放为零。如果设置config-autoscaler的enable-scale-to-zero为false，则缩放为1。
- 如果未设置maxScale注释，则创建的Pod数量将没有上限。
minScale和maxScale可以在Revision模板中按照以下方式进行配置：
```
spec:
  template:
    metadata:
      autoscaling.knative.dev/minScale: "2"
      autoscaling.knative.dev/maxScale: "10"
```

场景一：设置并发请求数实现自动扩缩容

设置并发请求数，通过KPA实现自动扩缩容。

快速部署Serverless应用。

创建autoscale-go.yaml。

设置当前最大并发请求数为10。

apiVersion: serving.knative.dev/v1
kind: Service
metadata:
  name: autoscale-go
  namespace: default
spec:
  template:
    metadata:
      labels:
        app: autoscale-go
      annotations:
        autoscaling.knative.dev/target: "10"
    spec:
      containers:
        - image: registry.cn-hangzhou.aliyuncs.com/knative-sample/autoscale-go:0.1

执行以下命令，获取Kourier访问网关。

kubectl -n knative-serving get svc kourier --output jsonpath="{.status.loadBalancer.ingress[*]['ip']}"

使用Hey压测工具，执行30s内保持50个并发请求。
说明 Hey压测工具的详细介绍，请参见Hey
```
hey -z 30s -c 50   -host "autoscale-go.default.example.com"   "http://121.199.XXX.XXX?sleep=100&prime=10000&bloat=5"
```
预期输出：
结果正如所预期的，扩容了5个Pod。

场景二：设置扩缩容边界实现自动扩缩容

扩缩容边界指应用程序提供服务的最小和最大Pod数量。通过设置应用程序提供服务的最小和最大Pod数量实现自动扩缩容。

快速部署Serverless应用。

创建autoscale-go.yaml。

设置最大并发请求数为10，minScale最小保留实例数为1，maxScale最大扩容实例数为3。

apiVersion: serving.knative.dev/v1alpha1
kind: Service
metadata:
  name: autoscale-go
  namespace: default
spec:
  template:
    metadata:
      labels:
        app: autoscale-go
      annotations:
        autoscaling.knative.dev/target: "10"
        autoscaling.knative.dev/minScale: "1"
        autoscaling.knative.dev/maxScale: "3"   
    spec:
      containers:
        - image: registry.cn-hangzhou.aliyuncs.com/knative-sample/autoscale-go:0.1

使用Hey压测工具，执行30s内保持50个并发请求。
说明 Hey压测工具的详细介绍，请参见Hey。
```
hey -z 30s -c 50   -host "autoscale-go.default.example.com"   "http://121.199.XXX.XXX?sleep=100&prime=10000&bloat=5"
```
预期输出：
结果正如所预期，最多扩容出来了3个Pod，并且即使在无访问请求流量的情况下，保持了1个运行的Pod。