InfoQ
·
Deezer使用自定义指标优化Kubernetes自动扩展
💡
原文英文，约700词，阅读约需3分钟。
📝
内容提要
Deezer使用自定义指标优化Kubernetes扩展。由于默认的CPU和内存指标不适用，Deezer通过Prometheus收集事件循环利用率（ELU）作为自定义指标，更准确地反映服务器负载。尽管增加了复杂性，他们通过调整Prometheus Adapter确保高可用性，并探索KEDA等工具提升灵活性。
🎯
关键要点
- Deezer使用自定义指标优化Kubernetes扩展，以解决CPU和内存指标不适用的问题。
- Deezer自2018年以来在生产环境中成功使用Kubernetes，主要在裸金属环境和公共云平台上。
- Deezer团队发现Kubernetes的默认水平Pod自动扩展（HPA）依赖于CPU和内存使用率，无法满足其应用需求。
- Deezer采用事件循环利用率（ELU）作为Node.js应用的自定义指标，ELU更能准确反映服务器负载。
- 实施步骤包括部署Prometheus收集应用特定指标，配置Prometheus Adapter暴露ELU指标，以及创建引用ELU指标的HorizontalPodAutoscaler资源。
- 使用Vegeta进行负载测试，以验证新的自动扩展设置，确保系统在不同条件下按预期扩展。
- 其他组织也成功使用自定义指标驱动自动扩展，例如Pixie和Overcast。
- Loft强调自定义指标的价值，并指出HPA在处理突发流量时的局限性，建议使用KEDA或自定义指标以更快响应。
- Deezer承认自定义指标引入了复杂性，强调对Prometheus Adapter的监控和调整的重要性。
- 为确保高可用性，Deezer建议扩展Prometheus Adapter副本，实施PodDisruptionBudget，并设置全面的监控。
- Deezer正在探索进一步改进自动扩展设置的方法，分析可能使用KEDA等工具的高级场景。
🏷️
标签
➡️
