Menskalakan dan menskalakan otomatis layanan runtime

Version 1.12 

Versi yang didukung:

• v1.13 (terbaru)                        
• v1.12                         
• v1.11                         
• Daftar versi yang didukung

Versi yang tidak didukung:

• v1.10                                      
• v1.9                                         
• v1.8                                         
• v1.7                                         
• v1.6                                         
• v1.5                                         
• v1.4                                         
• v1.3                                         
• v1.2                                         
• v1.1                                         

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 di file overrides.yaml.

Layanan	Diterapkan Sebagai	Penskalaan
Cassandra	ApigeeDatastore (CRD)	Lihat Menskalakan Cassandra.
Ingress/LoadBalancer	Deployment	Cloud Service Mesh menggunakan Penskalaan Otomatis Pod Horizontal (HPA).
Logger	DaemonSet	DaemonSet mengelola replika pod di semua node, sehingga ia diskalakan saat 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 Horizontal Pod Autoscaler untuk penskalaan otomatis. Tetapkan properti targetCPUUtilizationPercentage objek Deployment ke nilai minimum untuk penskalaan ke atas; jika nilai ini terlampaui, Kubernetes akan menambahkan pod hingga nilai replicaCountMax. Untuk informasi selengkapnya tentang cara 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 penggantian. Jika Anda ingin menyesuaikan penskalaan untuk setiap lingkungan, lihat Konfigurasi lanjutan di bawah. Deployment ini menggunakan Horizontal Pod Autoscaler untuk penskalaan otomatis. Tetapkan properti targetCPUUtilizationPercentage objek Deployment ke nilai minimum untuk penskalaan ke atas; jika nilai ini terlampaui, Kubernetes akan menambahkan pod hingga nilai replicaCountMax. Untuk informasi selengkapnya tentang cara menetapkan properti konfigurasi, lihat Mengelola komponen bidang runtime.

Konfigurasi lanjutan

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

• Menetapkan opsi penskalaan yang berbeda untuk setiap lingkungan. Misalnya, dengan env1 memiliki minReplica 5 dan env2 memiliki minReplica 2.
• Menetapkan opsi penskalaan yang berbeda untuk setiap komponen dalam lingkungan. Misalnya, dengan 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:

1. 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

2. Terapkan patch. Perhatikan bahwa contoh ini mengasumsikan bahwa kubectl ada 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

3. Verifikasi perubahan yang terjadi:

   kubectl get hpa -n $NAMESPACE

Penskalaan berbasis lingkungan

Secara default, penskalaan dijelaskan di tingkat 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 penskalaan ke atas dan penskalaan ke bawah layanan target. Penskalaan berbasis metrik tidak tersedia untuk komponen lain dalam deployment campuran.

Catatan: Koneksi internal antara Prometheus dan Prometheus-Adapter di port 6443 harus terbuka agar dapat menerima data metrik dan mengaktifkan penskalaan. Untuk informasi selengkapnya tentang port yang diperlukan, lihat Koneksi internal.

Penskalaan dapat disesuaikan berdasarkan metrik berikut:

Metrik	Ukur	Pertimbangan
serverNioTaskWaitTime	Waktu tunggu rata-rata (dalam pikosekon) 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 pikosekon) antrean pemrosesan dalam instance runtime untuk permintaan proxy guna memproses kebijakan.	Metrik ini mengukur dampak kompleksitas dalam kebijakan yang dilampirkan ke alur permintaan proxy.

Contoh berikut dari stanza runtime di overrides.yaml mengilustrasikan parameter standar (dan rentang yang diizinkan) untuk menskalakan pod apigee-runtime dalam implementasi 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 kebijakan penskalaan akan menghasilkan kebijakan penskalaan yang lebih agresif. Demikian pula, meningkatkan nilai percent dan pods di scaleDown akan menghasilkan kebijakan penskalaan turun 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 ditingkatkan menjadi 5, scaleUp.percent.value ditingkatkan menjadi 30, dan scaleUp.pods.value ditingkatkan menjadi 5.

Catatan: Nilai periodSeconds tidak boleh kurang dari 30.

Mengonfigurasi penskalaan yang kurang agresif

Nilai konfigurasi hpaBehavior juga dapat dikurangi untuk menerapkan kebijakan penskalaan dan penskalaan turun 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 dikurangi menjadi 10, scaleDown.pods.value dikurangi menjadi 1, dan scaleUp.stablizationWindowSeconds ditingkatkan menjadi 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 memicu 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 terkait 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 penggunaan layanan, yang menunjukkan bahwa penskalaan CPU akan berfungsi tanpa penskalaan berbasis metrik. Untuk perilaku HPA yang menggunakan beberapa parameter, lihat Penskalaan pada beberapa metrik.