- 综合排序
- 最热优先
- 最新优先
- 来自专栏s09g的技术博客
Autopilot: workload autoscaling at Google 随笔
感谢孟老师的推荐，发现了这篇关于Borg自动容器托管的论文📃。Borg是Google的容器编排系统，kubernetes的原型。 去年在做global / regional awareness split的时候，专门在vns上启用了这个功能。当时大致上知道这个feature的作用，但是没有深究过背后的原理。Autopilot功能在Borg完全启用之后，SRE发表了这篇论文。只能说真是太卷了，连SRE都有一群人在做data mining。最早的可溯记录是在2016年borg就有这个计划了，并且加到了kuber
99920编辑于 2022-07-06 - 来自专栏架构驿站
一文搞懂 Kubernetes Autoscaling 技术
Hello folks，我是 Luga，今天我们来聊一下云原生生态核心技术—— Kubernetes Autoscaling。 — 02 — 什么是 Kubernetes Autoscaling ？ — 04 — Kubernetes Autoscaling 的最佳实践指南 如下为在实际的业务场景中，Kubernetes Autoscaling 的最佳实践，可供参考，具体： 1、 — 05 — Kubernetes Autoscaling 的价值 & 意义 基于上述所述，Kubernetes Autoscaling 本质旨在根据应用程序的负载自动调整Kubernetes Kubernetes Autoscaling 的价值和意义在于它能够帮助企业更好地管理他们的应用程序和资源。
2.2K41编辑于 2023-08-09 - 来自专栏全栈程序员必看
AutoScaling 目标追踪伸缩规则概述「建议收藏」
弹性伸缩目标追踪伸缩规则是弹性伸缩服务与云监控深度结合的产物，定义了更加稳定，精准，快速的弹性伸缩策略，解决了当前伸缩组动态调整过程存在的一些难点和问题。
1K20编辑于 2022-08-04 - 来自专栏云原生生态圈
自动扩容之Horizontal Pod Autoscaling(HPA)
17s nginx-deployment-8558b4659-w5tlq 1/1 Running 0 8m56s 定义一个HPA资源对象 apiVersion: autoscaling
40310发布于 2021-11-15 - 来自专栏云计算D1net
谷歌:云计算平台将带来autoscaling服务
11月19日消息：谷歌是于本月举行的Cloud Live会议，并在本次会议上首次宣布将推出谷歌IaaS基础架构服务Compute Engine云计算平台带来的autoscaling服务功能，目前处于Beta 该功能，在会上谷歌展示了使用autoscaling功能，为一个系统提供每秒处理将近150万个请求的数据处理和吞吐能力。 autoscaling是一项Web服务，旨在根据用户定义的策略、时间表和运行状况检查自动配置。该服务在避免过度配置的条件下保持足够的性能，同时也能够减少一些管理费用。 autoscaling能够轻松地跨多个服务器分配负载。自动伸缩组能够通过负载均衡器配置集群内服务器间的工作负载。 尽管相较竞争对手，谷歌推出这一功能的时间显得稍晚，在2009年亚马逊就推出了AWS autoscaling功能，微软也在去年六月为云服务，站点及虚拟机推出了Azureauto-scaling功能。
2.6K40发布于 2018-03-20 - 来自专栏腾讯云原生团队
使用 tke-autoscaling-placeholder 实现秒级弹性伸缩
tke-autoscaling-placeholder 可以用于在 TKE 上实现秒级伸缩，应对这种流量突高的场景。 原理是什么? 安装 tke-autoscaling-placeholder 在应用市场找到 tke-autoscaling-placeholder，点击进入应用详情，再点 创建应用: ? 0 8s tke-autoscaling-placeholder-b58fd9d5d-6rq9r 1/1 Running 0 8s tke-autoscaling-placeholder-b58fd9d5d 0 8s tke-autoscaling-placeholder-b58fd9d5d-cfqt6 1/1 Running 0 8s tke-autoscaling-placeholder-b58fd9d5d-gmfmr 8s tke-autoscaling-placeholder-b58fd9d5d-ph7vl 1/1 Running 0 8s tke-autoscaling-placeholder-b58fd9d5d-xmrmv
77220发布于 2021-01-26 云上如何实现 Autoscaling: AutoMQ 的实战经验与教训
本文将介绍 AutoMQ 是如何在云上实现 Autoscaling 的，并且分享我们在实践过程中的经验与教训。 02 什么是 AutoMQ 追求的 Autoscaling对于流处理系统来说，Autoscaling 的关键在于其可以动态调整其容量来满足不同的写入工作负载。 从技术指标上来说，AutoMQ 追求的 Autoscaling 一定是：ꔷ 弹得快：这里弹得快，我们主要是指的扩容。 03 Autoscaling 技术架构由于充分利用了云的能力，AutoMQ 完成自动弹性的架构变得十分的简单。 04 云上 Autoscaling 的挑战4.1 理解云提供的不同弹性策略的特征以及组合效果云厂商基本都提供了几种标准化的弹性策略，通过利用这些现成的弹性策略 AutoMQ 可以快速构建起自身的 Autoscaling
44210编辑于 2024-05-27- 来自专栏DevOps持续集成
GitLabRunner和流水线的数据采集与监控
Histogram of machine creation time. # TYPE gitlab_runner_autoscaling_machine_creation_duration_seconds histogram gitlab_runner_autoscaling_machine_creation_duration_seconds_bucket{executor="docker+machine ",le="46.875"} 0 gitlab_runner_autoscaling_machine_creation_duration_seconds_bucket{executor="docker+ machine",le="58.59375"} 0 gitlab_runner_autoscaling_machine_creation_duration_seconds_bucket{executor +machine",le="46.875"} 0 gitlab_runner_autoscaling_machine_creation_duration_seconds_bucket{executor=
2.2K21发布于 2020-07-28 - 来自专栏架构驿站
一文搞懂使用 KEDA 实现 Kubernetes 自动弹性伸缩
— 01 — 什么是 Kubernetes Autoscaling ？ Autoscaling 的关键优势之一是提供了弹性和敏捷性，可以根据实际需求动态调整资源。当负载增加时，Autoscaling 能够快速响应并自动扩展应用程序的副本数量，以满足当前的需求。 相反，在负载减少时，Autoscaling 可以自动缩减应用程序的副本数量，以节省成本并提高资源利用率。 此外，Autoscaling 还带来了更好的成本效益。 关于 Kubernetes Autoscaling 更多详细内容可参考如下链接文章，具体： — 02 — Kubernetes 原生 H/VPA Autoscaling 存在的弊端 尽管 当负载增加时，Autoscaling 机制将创建更多的 Pod 来处理请求，从而保持应用程序的性能和可用性。
4.5K20编辑于 2023-12-26 - 来自专栏Kubernetes
原 荐 Kubernetes HPA Con
cmd/kube-controller-manager/app/autoscaling.go // HPA Controller的启动代码 /pkg/controller/podautoscaler cmd/kube-controller-manager/app/autoscaling.go:29 func startHPAController(ctx ControllerContext) (bool (*autoscaling.HorizontalPodAutoscaler) hasCPUPolicy := hpa.Spec.TargetCPUUtilizationPercentage ! pkg/apis/autoscaling/v1/types.go:36 // specification of a horizontal pod autoscaler. (*autoscaling.Scale) if !
2.2K80发布于 2018-04-13 - 来自专栏云计算与大数据
openshift11 启用hpa与监控指标
Pod Autoscaling ansible-playbook \ /usr/share/ansible/openshift-ansible/playbooks/metrics-server/config.yml adm top node $ oc adm top pod 参考： https://docs.openshift.com/container-platform/3.11/dev_guide/pod_autoscaling.html cluster_metrics.html#openshift-prometheus https://docs.openshift.com/container-platform/3.11/dev_guide/pod_autoscaling.html
59410发布于 2020-04-07 - 来自专栏运维博客
kubernetes(十六) k8s 弹性伸缩
/v1、autoscaling/v2beta1和autoscaling/v2beta2 三个大版本 。 $ kubectl api-versions | grep autoscal autoscaling/v1 autoscaling/v2beta1 autoscaling/v2beta2 目前大多数人比较熟悉是 autoscaling/v1，这个版本只支持CPU一个指标的弹性伸缩。 而autoscaling/v2beta1增加了支持自定义指标，autoscaling/v2beta2又额外增加了外部指标支持。 多指标） 为满足更多的需求， HPA 还有 autoscaling/v2beta1和 autoscaling/v2beta2两个版本。
4.7K30发布于 2020-09-23 - 来自专栏一个默默无闻的工程师的日常
OpenStack 二层网络模式下弹性伸缩测试
-+-----------------+----------------------+--------------+ | af75c5e5-35c6-4ab3-b899-e4d9afbbcd74 | autoscaling --+---------+ | 6dfded8c-21a9-4792-a21c-eebc421e8706 | gnocchi_aggregation_by_resources_threshold | autoscaling-cpu_alarm_low --+---------+ | 6dfded8c-21a9-4792-a21c-eebc421e8706 | gnocchi_aggregation_by_resources_threshold | autoscaling-cpu_alarm_low --+---------+ | 6dfded8c-21a9-4792-a21c-eebc421e8706 | gnocchi_aggregation_by_resources_threshold | autoscaling-cpu_alarm_low ----------------------+-----------------------------------------+-------+----------+---------+ 可以看到 autoscaling-cpu_alarm_low
2.5K51发布于 2018-11-07 - 来自专栏nginx
Kubernetes自动扩缩容全解析：从HPA到EHPA的演进之路
采集基础资源指标 Custom Metrics Adapter：提供自定义指标 HPA Controller：决策中枢 2.2 HPA配置详解 以下是一个典型的HPA YAML定义： apiVersion: autoscaling averageValue: 1000 2.3 Java集成示例 使用Fabric8 Kubernetes Client与HPA交互： import io.fabric8.kubernetes.api.model.autoscaling.v2beta2 .HorizontalPodAutoscaler; import io.fabric8.kubernetes.api.model.autoscaling.v2beta2.HorizontalPodAutoscalerBuilder .endMetric() .endSpec() .build(); client.autoscaling 预测性扩缩：基于历史数据预测未来负载 多维指标融合：多指标加权决策 安全防护：防止过度缩容 自定义策略：支持蓝绿部署等高级场景 4.2 典型EHPA配置 阿里云EHPA示例： apiVersion: autoscaling.alibabacloud.com
39210编辑于 2025-11-15 - 来自专栏软件开发-青出于蓝
kubernetes之Hpa原
List-2 apiVersion: autoscaling/v1 kind: HorizontalPodAutoscaler metadata: name: {{ template "consumer.fullname " . }}-mjduan-autoscaling spec: scaleTargetRef: apiVersion: extensions/v1beta1 kind REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE consumer-mjduan-mjduan-autoscaling REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE consumer-mjduan-mjduan-autoscaling REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE consumer-mjduan-mjduan-autoscaling
77510发布于 2020-04-02 - 来自专栏云原生应用工坊
CI/CD 改进方案设计-App 通用chart包设计
启用部署的自动伸缩 false autoscaling.minReplicas 自动伸缩的最小副本数 1 autoscaling.maxReplicas 容器资源请求 {cpu: 100m, memory: 128Mi} autoscaling.enabled 是否启用自动伸缩 false autoscaling.minReplicas 自动伸缩的最小副本数 1 autoscaling.maxReplicas
37810编辑于 2024-03-18 - 来自专栏木二天空
023.掌握Pod-Pod扩容和缩容
其中autoscaling/v1仅支持基于CPU使用率的自动扩缩容， autoscaling/v2则用于支持基于任意指标的自动扩缩容配置， 包括基于资源使用率、 Pod指标、 其他指标等类型的指标数据。 示例1：基于autoscaling/v1版本的HorizontalPodAutoscaler配置，仅可以设置CPU使用率。 1 [root@uk8s-m-01 study]# vi php-apache-autoscaling-v1.yaml 2 apiVersion: autoscaling/v1 3 kind: 示例2：基于autoscaling/v2beta2的HorizontalPodAutoscaler配置。 1 [root@uk8s-m-01 study]# vi php-apache-autoscaling-v2.yaml 2 apiVersion: autoscaling/v2beta2 3 kind
1.5K30发布于 2019-11-27 - 来自专栏CNCF
实用教程丨使用自定义指标进行K8s自动弹性伸缩
你可以继续阅读文章，或者直接访问Github repo开始构建demo： https://github.com/infracloudio/kubernetes-autoscaling 设置Prometheus 根据以下链接来为这一应用程序创建deployment和服务，它同时也为应用程序创建ServiceMonitor和HPA： https://github.com/infracloudio/kubernetes-autoscaling 我们现在就来看HPA： https://github.com/infracloudio/kubernetes-autoscaling#scaling-the-application $ kubectl https://github.com/infracloudio/kubernetes-autoscaling#other-references-and-credits 原文链接： https://dzone.com /articles/kubernetes-autoscaling-with-custom-metrics-updated ?
1.9K20发布于 2021-03-15 - 来自专栏Kubernetes
Kubernetes HPA Controller工作原理
https://kubernetes.io/docs/user-guide/horizontal-pod-autoscaling/ https://github.com/kubernetes/community /design-proposals/horizontal-pod-autoscaler.md https://kubernetes.io/docs/user-guide/horizontal-pod-autoscaling /walkthrough/ http://blog.kubernetes.io/2016/07/autoscaling-in-kubernetes.html http://markswanderingthoughts.nl
2.6K90发布于 2018-04-13 - 来自专栏CSDN技术头条
Kubernetes推1.2版本，可管理1000节点，运行3万Pods
支持自定义Autoscaling的指标（通过Autoscaling API中的HorizontalPodAutoscaler API实现）。 Horizontal Pod Autoscaling支持自定义模版（目前为Alpha版），允许用户指定应用级别的指标和应用自动伸缩的阈值。
82980发布于 2018-02-11
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