- 综合排序
- 最热优先
- 最新优先
- 来自专栏运维小路
kvm-扩缩容内存&磁盘
虚拟化介绍 2.kvm基本使用 3.kvm进阶使用(本小节属于) 4.kvm技术原理 5.vmware介绍&使用 6.小结 KVM（Kernel-based Virtual Machine）环境下虚拟机的扩缩容操作通常指的是调整虚拟机的资源 这些操作可以分为两类：在线扩缩容（也称为热添加或热调整）和离线扩缩容（也称为冷调整）。 离线调整内存和cpu离线调整实际上是一样的，并不区分扩容和缩容，因为他是通过修改配置文件实现的，修改方法和修改cpu一样，具体修改方法参考kvm-扩缩容cpu #memory 是虚拟机最大内存 <memory unit='KiB'>2097152</memory> <currentMemory unit='KiB'>2097152</currentMemory> 磁盘 严格来说磁盘扩缩容并不属于 注：一般而言，我们磁盘只做扩容操作，不做缩容操作。
1.2K10编辑于 2024-11-01 - 来自专栏Linux学习
Linux磁盘精准缩容：操作详解与技巧
Linux磁盘精准缩容：操作详解与技巧引言在Linux系统管理中，有效的磁盘空间优化对于维护系统性能至关重要。 本文将深入探讨如何在Linux环境下安全地进行磁盘缩容，帮助你合理调整存储资源，确保系统高效运行。跟随本篇的步骤，一起优化你的Linux系统磁盘空间！ 磁盘缩容的理论基础磁盘缩容，即缩小磁盘分区的大小，是一个复杂但常见的运维操作。它允许管理员在不丢失数据的情况下释放或重新分配磁盘空间。然而，这一过程充满风险，错误操作可能导致数据丢失。 理解文件系统的工作原理和缩容的风险是成功缩容的关键。 ，鼓励每一个小伙伴在充分理解可能的风险后，在测试环境中尝试磁盘缩容，从而逐步提升自己的Linux系统管理能力。
1.2K20编辑于 2024-07-18 - 来自专栏panzhixiang
k8s水平扩缩容
这篇文章的内容其实是很早以前就会一个k8s 资源，但是最近又用到了，就做个笔记。 关于水平扩容和缩容不在这里做解释，有兴趣看这篇文章的人应该都已经知道了。 最好的教程其实还是官网，这里放上相关的链接： 比较高视角介绍水平扩缩（HPA） 如果想比较全面的了解HPA可以看看这篇文章 https://kubernetes.io/zh/docs/tasks/run-application https://kubernetes.io/zh/docs/tasks/run-application/horizontal-pod-autoscale-walkthrough/ HPA配置方法 在k8s ReplicationController、Deployment、ReplicaSet 和 StatefulSet 这些类型 kind: Deployment name: <打算进行自动扩缩配置的资源的名字 要提供个接口来采集这些信息， 也就是metric api， 不过这个是不是k8s默认部署的，需要自己部署，具体的部署过程，参见官网的介绍。
55610编辑于 2024-10-30 Go map缩容机制：原来这是“伪缩容”？
不少开发者会误以为“删除元素就会释放内存”，实则Go map的缩容逻辑藏着特殊设计——它并没有真正意义上的“缩容”，只有针对溢出桶的“等量扩容”优化。 缩容的触发条件 Go map不会因为元素被大量删除、负载因子过低而主动缩小哈希表容量，其“缩容”仅在一种场景下触发：溢出桶数量过多。 我们先明确两个基础概念： 普通桶（bucket）：map底层哈希表的基础存储单元，每个桶最多存8个键值对。 这是“伪缩容”，而非真缩容 Go map的扩缩容统一由hashGrow函数处理，但缩容和扩容的核心区别在于是否改变哈希表总容量（即hmap.B的值）： 扩容逻辑：当负载因子超过6.5（元素数＞6.5×普通桶数 缩容的执行过程：渐进式迁移 和扩容一样，缩容的数据迁移也采用“渐进式”策略，避免一次性迁移大量数据导致性能抖动。
22010编辑于 2026-01-27- 来自专栏老铁丁D
k8s滚动升级和扩缩容
一、扩缩容 手动扩容 k8s使用过kubectl scale命令进行扩容 假设原本的pod有3个，这个时候由于业务的增长，我们可以将pod增加到5个 kubectl scale rc blog --replicas 自动扩容(HPA) 用于实现基于CPU使用率进行自动Pod扩缩容的功能。 pod数量，当计算出的数量跟当前集群中的pod数量不同，HPA就调用RC控制器进行扩缩容。 扩缩容算法 最终pod的数量=ceil[当前的pod数量*(当前性能指标数/期望性能性能指标数)] ceil向上取整 比如：当前的cpu使用率是60%，但是我期望的是30%，并且当前已经存在2个pod了 HorizontalPodAutoscaler k8s提供HorizontalPodAutoscaler资源对象，让我们可以使用它进行配置扩缩容的规则。
2.4K30编辑于 2022-08-12 - 来自专栏院长运维开发
K8s设置Pod自动扩缩容
kubectl autoscale rc mysql-slave --min=1 --max=10 --cpu-percent=50 参数： --min （容器数量下限） --max （容器数量上限） --cpu-percent （CPU使用率达到指定百分比） 容器CPU使用率上升至50%以上时，自动扩充容器数量 容器CPU使用率下降至50%以上时，自动缩减容器数量
89610发布于 2021-02-19 - 来自专栏Lcry个人博客
Centos缩容home磁盘空间到根目录下操作
背景 自己在家里老笔记搭建的CentOS7系统用来跑一些服务，前段时间通过samba共享存储把小米摄像头视频进行实时转存到笔记本上，最近发现磁盘不足了，因为我默认是挂载到根目录下的，以前安装操作系统时把所有空间分配给了 /home目录下，现在根目录的磁盘空间，又不想更改目录，所以打算把/home目录的空间腾出挂载给根目录，于是有了本篇文章。 准备工作 查看当前磁盘分配： [root@lcrycentos7 ~]# df -hT Filesystem Type Size Used Avail centos 和逻辑卷 root Centos系统默认是xfs文件系统，且xfs文件系统只能扩容不能缩减，在必须缩减逻辑卷容量的前提下，需要使用 xfsdump/xfsrestore 进行备份和还原 扩缩容操作 752b805e20db xfsrestore: session id: 44b0f62a-7a5d-40bd-aecb-23b588e7d01f xfsrestore: media id: 9cf7c8b3
2.7K10编辑于 2022-11-29 - 来自专栏小陈运维
K8s 1.33 原地扩缩容特性
K8s 1.33 原地扩缩容特性背景在创建好的pod容器中，进行了资源限制，在之前的版本中，修改资源配置是需要重启pod才可生效，在1.33版本的kubernetes可以直接调整正在运行的 Pod 的 操作演示创建一个资源监控 Pod[root@k8s-master01 ~]# vim resize.yaml [root@k8s-master01 ~]# cat resize.yamlapiVersion ~]# [root@k8s-master01 ~]# kubectl apply -f resize.yaml pod/resize-demo created[root@k8s-master01 ~] ~]# kubectl get pod resize-demo -o yaml | grep resources -A8spec: containers:-- resources: ~]#查看现在的资源使用情况[root@k8s-master01 ~]# kubectl describe pod resize-demo | grep -A8 Limits: Limits:
36600编辑于 2025-06-06 - 来自专栏玖叁叁
StatefulSet扩容和缩容
接下来我们将介绍StatefulSet的扩容和缩容。 缩容当我们需要减少StatefulSet的Pod数量时，可以使用以下命令：kubectl scale statefulset <statefulset-name> --replicas=<new-replica-count 如果我们要将名为web的StatefulSet的副本数量减少到2个，可以运行以下命令：kubectl scale statefulset web --replicas=2Kubernetes会按照以下顺序执行缩容的过程 删除PodKubernetes会停止要删除的Pod容器中的进程，并卸载磁盘卷。删除磁盘卷如果要删除的Pod中使用了磁盘卷，StatefulSet会在删除Pod后删除这些磁盘卷。
76320编辑于 2023-04-30 - 来自专栏院长运维开发
Kubernetes扩缩容Pod
扩容deployment控制器下的nginx-app的Pod的副本数 kubectl scale deployment nginx-app --replicas=3 缩容deployment控制器下的nginx-app kubectl scale deployment nginx-app --replicas=1 扩容执行资源清单的Pod的副本数 kubectl scale --replicas=6 -f rs.yaml 缩容执行资源清单的
1.3K20发布于 2020-11-27 - 来自专栏devops探索
k8s中pod的自动扩缩容
HPA说明 Kubernetes从1.1版本开始， 新增了名为Horizontal Pod Autoscaler（HPA） 的控制器， 用于实现基于CPU使用率进行自动Pod扩缩容的功能。 kube-controller-manager服务启动参数–horizontal-pod-autoscaler-sync-period定义的探测周期（默认值为15s） ， 周期性地监测目标Pod的资源性能指标， 并与HPA资源对象中的扩缩容条件进行对比 Kubernetes在早期版本中， 只能基于Pod的CPU使用率进行自动扩缩容操作， 关于CPU使用率的数据来源于Heapster组件。 HPA控制器通过Metrics Server的API（Heapster的API或聚合API） 获取这些数据， 基于用户定义的扩缩容规则进行计算， 得到目标Pod副本数量。 当目标Pod副本数量与当前副本数量不同时， HPA控制器就向Pod的副本控制器 （Deployment、 RC或ReplicaSet） 发起scale操作， 调整Pod的副本数量，完成扩缩容操作。
4K31发布于 2020-08-06 - 来自专栏有文化的技术人
K8S之HPA自动扩缩容机制
简介 kubectl scale 命令可以来实现 Pod 的扩缩容功能，但是这个毕竟是完全手动操作的，要应对线上的各种复杂情况，我们需要能够做到自动化去感知业务，来自动进行扩缩容。 如果指标变化太频繁，我们也可以使用 --horizontal-pod-autoscaler-downscale-stabilization 指令设置扩缩容延迟时间，表示的是自从上次缩容执行结束后，多久可以再次执行缩容 通常情况，控制器从一系列的聚合API(metrics.k8s.io，custom.metrics.k8s.io和external.metrics.k8s.io)中获取指标数据。 这里系数是指标的期望值与目前值的比值，如果大于1表示扩容，小于1表示缩容。 这里HPA扩容算法比较保守，如果出现获取不到指标的情况，扩容时算最小值，缩容时算最大值。
1.5K52编辑于 2023-08-19 - 来自专栏小手冰凉
k8s群集之动态扩缩容——HPA
一、HPA HPA的全称为Horizontal Pod Autoscaling，它可以根据当前pod资源的使用率（如CPU、磁盘、内存等），进行副本数的动态的扩容与缩容，以便减轻各个pod的压力。 当pod负载达到一定的阈值后，会根据扩缩容的策略生成更多新的pod来分担压力，当pod的使用比较空闲时，在稳定空闲一段时间后，还会自动减少pod的副本数量。 服务中，所以说，为了方便，我这里基于prometheus服务的环境上进行部署HPA（动态扩缩容）的服务。 服务， //要想实现pod副本数量的一个扩缩容，就必须保证，可以在master上执行下面的命令 //查看节点的资源使用情况 [root@docker-k8s01 kube-prometheus]# kubectl 0 2m30s 2、模拟消耗php-apache的资源，验证是否会自动扩容与缩容 //创建一个应用，用来不停的访问我们刚刚创建的php-apache的svc资源。
3.1K30发布于 2020-09-15 - 来自专栏DevOps充电宝
k8s 中 pod 的自动扩缩容
以下文章来源于feelwow ，作者dogfei HPA 说明 Horizontal Pod Autoscaler（HPA）控制器， 用于实现基于 CPU 使用率进行自动 Pod 扩缩容的功能。 服务启动参数 --horizontal-pod-autoscaler-sync-period 定义的探测周期（默认值为 15s） ， 周期性地监测目标 Pod 的资源性能指标， 并与 HPA 资源对象中的扩缩容条件进行对比 HPA 控制器通过 Metrics Server 的 API（Heapster 的 API 或聚合 API） 获取这些数据， 基于用户定义的扩缩容规则进行计算， 得到目标 Pod 副本数量。 Pod 副本数量与当前副本数量不同时， HPA 控制器就向 Pod 的副本控制器 （Deployment、 RC 或 ReplicaSet） 发起 scale 操作， 调整 Pod 的副本数量，完成扩缩容操作 基于内存的 HPA 当前稳定版本autoscaling/v1只支持 CPU 的扩缩容，autoscaling/v2beta2支持内存和自定义指标的扩缩容，我们使用这个版本的接口测试。
1.7K10编辑于 2022-05-31 - 来自专栏玖叁叁
Deployment扩容和缩容（一）
Deployment的扩容操作可以通过两种方式进行：手动扩容和自动扩容。手动扩容是通过更改Deployment对象的Replicas字段来实现的。Replicas字段指定了应该运行的Pod的数量。以下是一个手动扩容示例：
54551编辑于 2023-04-29 - 来自专栏编程碎碎念
k8s 缩容时待删除pod的选择
的缩容逻辑时，一般不会关心deployment管理的各pod缩容时的优先级。 但笔者近期遇到一个实际的问题，简言之则是集群中的节点有一些是包年包月的节点，有一些是按量付费的节点，按量付费的节点在节点空闲的时候会触发回收逻辑，因此就希望deployment在缩容时能够优先删除运行在按量付费的节点上的 基于该背景，笔者决定深入k8s的调度器的源码中，对缩容时选择pod的机制一探究竟，并研究是否能够通过某种方式介入该过程。 时间更晚的pod Ready时间相同时，优先删除Container的重启次数较少的 上述条件相同时，优先删除创建时间较新的pod 结论 根据上述在规则，简单整理可知，deployment在需要对pod缩容的场景中会优先删除未就绪的 不过，对于已就绪的pod，可以利用k8s的新特性(pod-deletion-cost)手动接入待删除pod的选择。
1.6K30编辑于 2022-06-23 - 来自专栏玖叁叁
Deployment扩容和缩容（二）
Deployment缩容操作Deployment的缩容操作也可以通过两种方式进行：手动缩容和自动缩容。手动缩容是通过更改Deployment对象的Replicas字段来实现的。 以下是一个手动缩容示例：：apiVersion: apps/v1kind: Deploymentmetadata: name: nginx-deploymentspec: replicas: 3 containers: - name: nginx image: nginx:latest ports: - containerPort: 80要手动缩容此 自动缩容是通过Horizontal Pod Autoscaler（HPA）对象实现的。 HPA允许您定义一个指标，当该指标的值低于一定阈值时，将自动缩小Deployment。 以下是一个自动缩容示例：apiVersion: autoscaling/v2beta1kind: HorizontalPodAutoscalermetadata: name: nginx-hpaspec
55431编辑于 2023-04-29 - 来自专栏藏经阁
【算法基础】数组扩容、缩容
数组扩容 问题： 现有数组 int[] arr = new int[]{1,2,3,4,5,6}; ，现将数组长度扩容1倍，并将7,8,9三个数据添加到arr数组中。 再新数组尾部追加数据 arr2[arr.length] = 7; arr2[arr.length + 1] = 8; arr2[arr.length + 2] = 9; // 3.将arr2的指针指向arr，arr2会被垃圾回收期回收 arr = arr2; //输出：1,2,3,4,5,6,7,8,9,0,0,0 数组缩容 问题： 现有数组 int[] arr={1,2,3,4,5,6,7}。现需删除数组中索引为4的元素。 方案1（推荐）：不创建新数组 思路： 将值前移，最后一位，置为数组默认值。
40940编辑于 2023-03-04 - 来自专栏CSDN搜“看，未来”
再战 k8s（13）：Pod 的扩缩容
文章目录 Pod的扩缩容 手动扩缩容机制 自动扩缩容机制 HPA的工作原理 指标的类型 扩缩容算法详解 HorizontalPodAutoscaler配置详解 Pod的扩缩容 实际生产系统, 会遇到某个服务需要扩容的场景 Kubernetes对Pod的扩缩容操作提供了手动和自动两种模式. 当计算结果与1非常接近时，可以设置一个容忍度让系统不做扩缩容操作。 系统会假设这些Pod在需要缩容（Scale Down）时消耗了期望指标值的100%，在需要扩容（Scale Up）时消耗了期望指标值的0%，这样可以抑制潜在的扩缩容操作。 最后，在HPA控制器执行扩缩容操作之前，系统会记录扩缩容建议信息（Scale Recommendation）。控制器会在操作时间窗口（时间范围可以配置）中考虑所有的建议信息，并从中选择得分最高的建议。
1.2K10编辑于 2022-05-06 - 来自专栏运维小路
kvm-扩缩容cpu
虚拟化，简单来说就是把一台服务器/PC电脑，虚拟成多台独立的虚拟机，每台虚拟机之间相互隔离，每个虚拟机都有自己独立的操作系统，磁盘，网络资源。 KVM（Kernel-based Virtual Machine）环境下虚拟机的扩缩容操作通常指的是调整虚拟机的资源（如CPU、内存、磁盘空间）。 这些操作可以分为两类：在线扩缩容（也称为热添加或热调整）和离线扩缩容（也称为冷调整）。 下面分别介绍这两种情况下的操作方法： 在线扩缩容 (Hot Plugging) 扩容 增加CPU核心数： 使用virsh setvcpus <domain> <cpu-count> --live命令可以在线增加 注意：缩容操作需要慎重，尤其是生产环境。 离线扩缩容 (Cold Adjusting) 离线实际上和在线一样，并不区分扩容和缩容，因为他是通过修改配置文件实现的，只是修改方式有两种而已。
89510编辑于 2024-11-01
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号