容器化上云之弹性伸缩

在考虑容器的弹性伸缩策略之前，第一步要对容器部署规格进行设计，通常最主要的参数为CPU和内存。

除了从应用自身的角度评估资源需求外，还需要考虑容器平台的资源调度规则对整体资源利用率的影响。在Kubernetes中每一种资源规格包含两个参数：request（最小）和limit（最大），前者是容器调度的依据，后者是运行时的最大资源使用限制。如果request值过大会导致调度到合适的节点上更困难，降低request值有助于提升容器在单个节点上部署的密度。limit值过大会导致容器资源占用过高，多个容器在一个节点上总的资源占用可能超出节点的总资源，将会导致容器运行不稳定，容易出现容器被频繁重启和迁移的现象。

接下来分析弹性伸缩的场景，从资源需求的角度，弹性伸缩可以分为两类场景：

l   整个集群资源充足，只在容器层面进行弹性伸缩；

l   弹性伸缩的幅度可能超过集群现有资源的总和，需要动态增加集群中的计算资源。

下面重点讨论第一类场景，第二类场景建采用事先规划和计划性扩容的方案解决。

自动弹性伸缩基于容器的监控指标与弹性伸缩规则实现，首先要选择合适的监控指标，使其最能够反映容器真实的负载情况。一类指标是系统内置的监控指标，包括CPU、内存、磁盘、网络的使用率和大小，另一类是业务自定义的监控指标。当系统内置指标不能很好的反映容器的真实负载情况时，采用业务自定义监控指标是更好的选择。

基于监控指标，可以设置弹性伸缩规则，根据触发类型不同，弹性伸缩规则主要包括以下几类：

l   定时触发：适合计划性的弹缩场景使用。

l   周期触发：适合业务负载呈周期性规律的场景使用。

l   告警触发：根据监控指标的阈值规则触发的弹性伸缩，通用性更强。

为了防止弹性伸缩规则出现冲突和不稳定，系统通过冷却时间和多周期采样来提升弹性伸缩策略的稳定性。