Dojo
最新
最佳
搜索
订阅
解道Jdon
领域驱动设计
架构设计
热点话题
GitHub开源免费源代码
RUST语言
DevOps文章排行榜
数据科学
产品经理
规则引擎
数据分析
前端架构文章排行榜
幽默模因
更多话题
为什么阿里云使用开源KEDA扩展K8s?- cncf
21-04-03
banq
阿里云最初使用上游Kubernetes HPA和CPU和Memory作为两个指标。但是,随着用户群的增长和需求的多样化,很快发现了上游HPA的局限性:
对自定义指标(特别是对应用程序级细粒度的指标)的支持有限。上游HPA专注于容器级指标,例如CPU和内存,这对于应用程序来说太粗糙了。开箱即用不支持反映应用程序负载的度量标准,例如RT和QPS。是的,可以扩展HPA。但是,在应用程序级别指标方面,该功能受到限制。团队在尝试引入细粒度的应用程序级别指标时经常被迫分叉代码。
不支持从零缩放为零当不使用
微服务
时,许多用户都要求从零缩放为零。此要求不仅限于FaaS /无服务器工作负载。它为所有用户节省了成本和资源。当前,上游HPA不支持此功能。
不支持计划的扩展
EDA
S用户的另一个强烈要求是计划的扩展功能。同样,上游HPA不提供此功能,团队需要寻找非供应商锁定的替代方案。
基于这些要求,阿里云团队开始计划新版本的自动缩放功能。团队总结了三个自动缩放要求标准:
自动缩放功能应以简单的原子功能显示自己,而不附加到任何复杂的解决方案。
这些指标应该是可插入的,因此团队可以对其进行自定义,并在此基础上构建以支持各种需求。
它应该开箱即用地支持“缩放到零”。
经过详细评估,阿里云团队选择了KEDA项目,KEDA项目是由Microsoft&Red Hat开源的自动扩展功能,并已捐赠给CNCF。KEDA默认提供Kubernetes 几个有用的缩放器,并且开箱即用地支持缩放到零。它为应用程序提供了细粒度的自动缩放。它具有Scalar and Metrics适配器的概念,该适配器支持强大的插件体系结构,同时提供统一的API层。最重要的是,KEDA的设计仅关注自动缩放,因此可以轻松地将其集成为OAM特性。
猜你喜欢
本站原创
《复杂软件设计之道:领域驱动设计全面解析与实战》
其他人在看