Menskalakan dan menskalakan layanan runtime secara otomatis

Anda dapat menskalakan sebagian besar layanan yang berjalan di Kubernetes dari command line atau dalam penggantian konfigurasi. Anda dapat menetapkan parameter penskalaan untuk layanan runtime hybrid Apigee dalam file overrides.yaml.

Layanan	Diterapkan Sebagai	Penskalaan
Cassandra	ApigeeDatastore (CRD)	Lihat Menskalakan Cassandra.
Ingress/LoadBalancer	Deployment	Anthos Service Mesh menggunakan Penskalaan Otomatis Pod Horizontal (HPA).
Logger	DaemonSet	DaemonSet mengelola replika pod di semua node, sehingga dapat diskalakan ketika Anda menskalakan pod itu sendiri.
MART Apigee Connect Watcher	ApigeeOrganization (CRD)	Untuk menskalakan melalui konfigurasi, tingkatkan nilai properti konfigurasi `replicaCountMin` Deployment untuk stanza `mart`, `watcher`, dan/atau `connectAgent`. Contoh: mart: replicaCountMax: 2 replicaCountMin: 1 watcher: replicaCountMax: 2 replicaCountMin: 1 connectAgent: replicaCountMax: 2 replicaCountMin: 1 Deployment ini menggunakan Autoscaler Pod Horizontal untuk penskalaan otomatis. Tetapkan properti `targetCPUUtilizationPercentage` objek Deployment ke nilai minimum untuk peningkatan skala; jika nilai ini terlampaui, Kubernetes akan menambahkan pod hingga nilai `replicaCountMax`. Untuk informasi selengkapnya tentang menetapkan properti konfigurasi, lihat Mengelola komponen bidang runtime.
Runtime Sinkronisasi UDCA	ApigeeEnvironment (CRD)	Untuk menskalakan melalui konfigurasi, tingkatkan nilai properti `replicaCountMin` untuk stanza `udca`, `synchronizer`, dan/atau `runtime` dalam file penggantian. Contoh: synchronizer: replicaCountMax: 10 replicaCountMin: 1 runtime: replicaCountMax: 10 replicaCountMin: 1 udca: replicaCountMax: 10 replicaCountMin: 1 Catatan: Perubahan ini berlaku untuk SEMUA lingkungan dalam file yang diganti. Jika ingin menyesuaikan penskalaan untuk setiap lingkungan, lihat Konfigurasi lanjutan di bawah. Deployment ini menggunakan Autoscaler Pod Horizontal untuk penskalaan otomatis. Tetapkan properti `targetCPUUtilizationPercentage` objek Deployment ke nilai minimum untuk peningkatan skala; jika nilai ini terlampaui, Kubernetes akan menambahkan pod hingga nilai `replicaCountMax`. Untuk informasi selengkapnya tentang menetapkan properti konfigurasi, lihat Mengelola komponen bidang runtime.

Konfigurasi lanjutan

Dalam beberapa skenario, Anda mungkin perlu menggunakan opsi penskalaan lanjutan. Contoh skenario mencakup:

Menyetel opsi penskalaan yang berbeda untuk setiap lingkungan. Misalnya, jika env1 memiliki minReplica 5 dan env2 memiliki minReplica 2.
Menyetel opsi penskalaan yang berbeda untuk setiap komponen dalam lingkungan. Misalnya, jika komponen udca memiliki maxReplica 5 dan komponen synchronizer memiliki maxReplica 2.

Contoh berikut menunjukkan cara menggunakan perintah kubernetes patch untuk mengubah properti maxReplicas untuk komponen runtime:

Buat variabel lingkungan untuk digunakan dengan perintah:

export ENV=my-environment-name
export NAMESPACE=apigee  #the namespace where apigee is deployed
export COMPONENT=runtime #can be udca or synchronizer
export MAX_REPLICAS=2
export MIN_REPLICAS=1

Terapkan patch. Perhatikan bahwa contoh ini mengasumsikan bahwa kubectl berada di PATH Anda:

kubectl patch apigeeenvironment -n $NAMESPACE \
  $(kubectl get apigeeenvironments -n $NAMESPACE -o jsonpath='{.items[?(@.spec.name == "'$ENV'" )]..metadata.name}') \
  --patch "$(echo -e "spec:\n  components:\n    $COMPONENT:\n      autoScaler:\n        maxReplicas: $MAX_REPLICAS\n        minReplicas: $MIN_REPLICAS")" \
  --type merge

Verifikasi perubahan tersebut:
```
kubectl get hpa -n $NAMESPACE
```

Penskalaan berbasis lingkungan

Secara default, penskalaan dijelaskan di level organisasi. Anda dapat mengganti setelan default dengan menentukan penskalaan khusus lingkungan dalam file overrides.yaml seperti yang ditunjukkan dalam contoh berikut:

envs:
  # Apigee environment name
  - name: test
    components:
    # Environment-specific scaling override
    # Otherwise, uses scaling defined at the respective root component
     runtime:
      replicaCountMin: 2
      replicaCountMax: 20

Penskalaan berbasis metrik

Dengan penskalaan berbasis metrik, runtime dapat menggunakan metrik CPU dan aplikasi untuk menskalakan pod apigee-runtime. Horizontal Pod Autoscaler (HPA) API Kubernetes menggunakan kolom hpaBehavior untuk mengonfigurasi perilaku peningkatan skala dan penurunan skala layanan target. Penskalaan berbasis metrik tidak tersedia untuk komponen lain dalam deployment hybrid.

Penskalaan dapat disesuaikan berdasarkan metrik berikut:

Metrik	Ukur	Pertimbangan
serverNioTaskWaitTime	Waktu tunggu rata-rata (dalam md) dari antrean pemrosesan dalam instance runtime untuk permintaan proxy di lapisan http.	Metrik ini mengukur dampak jumlah dan ukuran payload permintaan dan respons proxy.
serverMainTaskWaitTime	Waktu tunggu rata-rata (dalam md) dari antrean pemrosesan dalam instance runtime untuk permintaan proxy untuk memproses kebijakan.	Metrik ini mengukur dampak kompleksitas dalam kebijakan yang terkait dengan alur permintaan proxy.

Contoh berikut dari stanza runtime di overrides.yaml mengilustrasikan parameter standar (dan rentang yang diizinkan) untuk menskalakan pod apigee-runtime dalam penerapan campuran:

hpaMetrics:
      serverMainTaskWaitTime: 400M (300M to 450M)
      serverNioTaskWaitTime: 400M (300M to 450M)
      targetCPUUtilizationPercentage: 75
    hpaBehavior:
      scaleDown:
        percent:
          periodSeconds: 60 (30 - 180)
          value: 20 (5 - 50)
        pods:
          periodSeconds: 60 (30 - 180)
          value: 2 (1 - 15)
        selectPolicy: Min
        stabilizationWindowSeconds: 120 (60 - 300)
      scaleUp:
        percent:
          periodSeconds: 60 (30 - 120)
          value: 20 (5 - 100)
        pods:
          periodSeconds: 60 (30 - 120)
          value: 4 (2 - 15)
        selectPolicy: Max
        stabilizationWindowSeconds: 30 (30 - 120)

Mengonfigurasi penskalaan yang lebih agresif

Meningkatkan nilai percent dan pods pada kebijakan peningkatan skala akan menghasilkan kebijakan peningkatan skala yang lebih agresif. Demikian pula, meningkatkan nilai percent dan pods di scaleDown akan menghasilkan kebijakan penurunan skala yang agresif. Contoh:

hpaMetrics:
    serverMainTaskWaitTime: 400M
    serverNioTaskWaitTime: 400M
    targetCPUUtilizationPercentage: 75
  hpaBehavior:
    scaleDown:
      percent:
        periodSeconds: 60
        value: 20
      pods:
        periodSeconds: 60
        value: 4
      selectPolicy: Min
      stabilizationWindowSeconds: 120
    scaleUp:
      percent:
        periodSeconds: 60
        value: 30
      pods:
        periodSeconds: 60
        value: 5
      selectPolicy: Max
      stabilizationWindowSeconds: 30

Pada contoh di atas, scaleDown.pods.value dinaikkan ke 5, scaleUp.percent.value dinaikkan menjadi 30, dan scaleUp.pods.value dinaikkan ke 5.

Catatan: Nilai periodSeconds tidak boleh di bawah 30.

Mengonfigurasi penskalaan yang kurang agresif

Nilai konfigurasi hpaBehavior juga dapat diturunkan untuk menerapkan kebijakan peningkatan dan penurunan skala yang kurang agresif. Contoh:

hpaMetrics:
    serverMainTaskWaitTime: 400M
    serverNioTaskWaitTime: 400M
    targetCPUUtilizationPercentage: 75
  hpaBehavior:
    scaleDown:
      percent:
        periodSeconds: 60
        value: 10
      pods:
        periodSeconds: 60
        value: 1
      selectPolicy: Min
      stabilizationWindowSeconds: 180
    scaleUp:
      percent:
        periodSeconds: 60
        value: 20
      pods:
        periodSeconds: 60
        value: 4
      selectPolicy: Max
      stabilizationWindowSeconds: 30

Pada contoh di atas, scaleDown.percent.value diturunkan ke 10, scaleDown.pods.value diturunkan ke 1, dan scaleUp.stablizationWindowSeconds dinaikkan ke 180.

Untuk mengetahui informasi selengkapnya tentang penskalaan berbasis metrik menggunakan kolom hpaBehavior, lihat Kebijakan penskalaan.

Menonaktifkan penskalaan berbasis metrik

Meskipun penskalaan berbasis metrik diaktifkan secara default dan tidak dapat dinonaktifkan sepenuhnya, Anda dapat mengonfigurasi nilai minimum metrik pada tingkat yang tidak akan dipicu oleh penskalaan berbasis metrik. Perilaku penskalaan yang dihasilkan akan sama dengan penskalaan berbasis CPU. Misalnya, Anda dapat menggunakan konfigurasi berikut untuk mencegah pemicuan penskalaan berbasis metrik:

hpaMetrics:
      serverMainTaskWaitTime: 4000M
      serverNioTaskWaitTime: 4000M
      targetCPUUtilizationPercentage: 75
    hpaBehavior:
      scaleDown:
        percent:
          periodSeconds: 60
          value: 10
        pods:
          periodSeconds: 60
          value: 1
        selectPolicy: Min
        stabilizationWindowSeconds: 180
      scaleUp:
        percent:
          periodSeconds: 60
          value: 20
        pods:
          periodSeconds: 60
          value: 4
        selectPolicy: Max
        stabilizationWindowSeconds: 30

Pemecahan masalah

Bagian ini menjelaskan metode pemecahan masalah untuk error umum yang mungkin Anda alami saat mengonfigurasi penskalaan dan penskalaan otomatis.

HPA menampilkan `unknown` untuk nilai metrik

Jika penskalaan berbasis metrik tidak berfungsi dan HPA menampilkan unknown untuk nilai metrik, gunakan perintah berikut untuk memeriksa output HPA:

kubectl describe hpa HPA_NAME

Saat menjalankan perintah, ganti HPA_NAME dengan nama HPA yang ingin Anda lihat.

Output akan menampilkan target CPU dan pemanfaatan layanan, yang menunjukkan bahwa penskalaan CPU akan berfungsi tanpa adanya penskalaan berbasis metrik. Untuk perilaku HPA yang menggunakan beberapa parameter, lihat Penskalaan di beberapa metrik.

Menskalakan dan menskalakan layanan runtime secara otomatis

Konfigurasi lanjutan

Penskalaan berbasis lingkungan

Penskalaan berbasis metrik

Mengonfigurasi penskalaan yang lebih agresif

Mengonfigurasi penskalaan yang kurang agresif

Menonaktifkan penskalaan berbasis metrik

Pemecahan masalah

HPA menampilkan unknown untuk nilai metrik

HPA menampilkan `unknown` untuk nilai metrik