Anda dapat menskalakan sebagian besar layanan yang berjalan di Kubernetes dari
command line atau penggantian konfigurasi. Anda dapat menyetel penskalaan
parameter untuk layanan runtime hybrid Apigee di
File overrides.yaml
.
Layanan | Diterapkan Sebagai | Penskalaan |
---|---|---|
Cassandra | ApigeeDatastore (CRD) | Lihat Menskalakan Cassandra. |
Traffic Masuk/LoadBalancer | Deployment | Anthos Service Mesh menggunakan Horizontal Pod Autoscaling (HPA). |
Pencatat Log | DaemonSet | DaemonSets mengelola replika pod di semua node, sehingga dapat diskalakan saat Anda menskalakan pod itu sendiri. |
MART Apigee Connect Pengamat |
ApigeeOrganization (CRD) | Untuk melakukan penskalaan melalui konfigurasi, tingkatkan nilai
Properti konfigurasi mart: replicaCountMax: 2 replicaCountMin: 1 watcher: replicaCountMax: 2 replicaCountMin: 1 connectAgent: replicaCountMax: 2 replicaCountMin: 1 Deployment ini menggunakan Autoscaler Pod Horizontal untuk penskalaan otomatis. Setel
Untuk informasi selengkapnya tentang cara menyetel properti konfigurasi, lihat Mengelola komponen bidang runtime. |
Runtime Sinkronisasi UDCA |
ApigeeEnvironment (CRD) | Untuk melakukan penskalaan melalui konfigurasi, tingkatkan nilai
Properti replicaCountMin untuk udca , synchronizer ,
dan/atau runtime
stanza di 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 Anda ingin menyesuaikan penskalaan untuk setiap lingkungan, lihat Konfigurasi lanjutan di bawah. Deployment ini menggunakan Autoscaler Pod Horizontal untuk
penskalaan otomatis. Menyetel objek Deployment
Untuk informasi selengkapnya tentang cara menyetel 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, di mana env1 memiliki
minReplica
dari 5 dan env2 memilikiminReplica
2. - Menyetel opsi penskalaan yang berbeda untuk setiap komponen dalam lingkungan. Misalnya,
dengan komponen
udca
memilikimaxReplica
dari 5 dan Komponensynchronizer
memilikimaxReplica
dari 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
- Gunakan tambalan. Perhatikan bahwa contoh ini mengasumsikan bahwa
kubectl
ada diPATH
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 yang terjadi:
kubectl get hpa -n $NAMESPACE
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) pemrosesan antrean 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) pemrosesan antrean di 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
menggambarkan parameter standar (dan rentang yang diizinkan) untuk menskalakan pod apigee-runtime
dalam penerapan hybrid:
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 yang lebih agresif
kebijakan peningkatan skala. 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
Dalam contoh di atas, scaleDown.pods.value
ditingkatkan menjadi 5, scaleUp.percent.value
dinaikkan menjadi 30, dan scaleUp.pods.value
dinaikkan menjadi 5.
Mengonfigurasi penskalaan yang kurang agresif
Nilai konfigurasi hpaBehavior
juga dapat diturunkan untuk menerapkan kebijakan peningkatan skala dan penurunan skala yang tidak terlalu 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
Dalam contoh di atas, scaleDown.percent.value
diturunkan menjadi 10, scaleDown.pods.value
diturunkan menjadi 1, dan scaleUp.stablizationWindowSeconds
dinaikkan menjadi 180.
Untuk 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 ambang batas metrik pada tingkat yang tidak akan dipicu oleh penskalaan berbasis metrik. 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 temui saat mengonfigurasi penskalaan dan penskalaan otomatis.
HPA menunjukkan unknown
untuk nilai metrik
Jika penskalaan berbasis metrik tidak berfungsi dan HPA akan 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 pemakaian layanan, yang menunjukkan bahwa penskalaan CPU akan berfungsi jika tidak ada penskalaan berbasis metrik. Untuk perilaku HPA yang menggunakan beberapa parameter, lihat Penskalaan pada beberapa metrik.