弹性-节点弹性|学习笔记

简介: 快速学习弹性-节点弹性

开发者学堂课程【5分钟玩转阿里云容器服务弹性-节点弹性】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址https://developer.aliyun.com/learning/course/1038/detail/15348


弹性-节点弹性


内容介绍

一、弹性-节点弹性

一、弹性-节点弹性

通过今天的内容能够掌握如何使用 cluster-autoscale,实现集群节点的自动扩缩容。

以一个 demo 的形式为展示如何在容器服务控制台上使用 cluster-autoscale了,以实现集群节点的自动扩缩容,

使用 cluster-autoscale 的前提是有一个已经正常运行的 k8s 集群。

image.png

有了这个集群以后,就可以对 cluster-autoscale 进行自定义的一些配置。

那自定配置的入口在节点池页面的集群自动弹性伸缩配置页面,首先有一个授权提示,如果没有进行这两个必要权限的授权,可以通过链接进行简化的授权如果已经完成,那和这个账号一样点已完成就好。然后可以看到诸多弹性配置的一个选项,按照自己的需求进行配置即可。

image.png

配置好后进行提交,提交后可以看到配置已经展示出来了,然后需要的做的是创建一个或者一个以上的开启自动伸缩的节点时,开启自动伸缩的节点池的创建过程和普通节点池基本一致,需要注意的是自动伸缩这一个选项必须开启。然后对这个节点词所需要的实例类型进行一个选择,然后需要注意的是实际数量这里最小时率数和最大时的数,保证了这个节点池的一个节点数,用的范围,高级选项中有污点节点标签,搜索模式等相关的配置。

也可以按照需要配置,配置好后点击确认配置,然后二次确认。

稍等片刻,可以看到开启自动伸缩的节点池已经创建成功。

image.png

这个时候 cluster-autoscale,已经在的 kuse-system 这个命名空间中正常运行,可以进行二次的确认。

然后来展示一个节点自动扩容的一个过程。首先需要去构造一个不可调度的 pose 的一个过程。

image.png

那已经创建了一个 deployment,这个 deployment 目前的容器组数量是0,那让它伸缩到12,从中到12的时候,会发现有部分的 put 是没法调度的,给出的 reason是 CPU 的资源不够了,那预期的是希望的自动伸缩在这种场景下能发挥效用,能够弹出结点,以满足这三个目前还没有办法调度上的 pose,然后让他们正常的运行。

image.png

可以回到节点池页面,可以看到 autuscaler 已经触发了这个自动伸缩节点池的一个扩容,在节点管理下面可以看到这个实力已经在运行中,而节点状态还是离线,这是一个加入中的过程,需要等待片刻。好的,已经看到节点状态已经就绪了。

看一下刚才pending pose 是否已经调度到就绪的节点上了呢?再次刷新 k 看到这三个 pending pose 已经处于content creating 的状态。

image.png

也就是说他们已经调入到新的他弹出的节点上了,看可以看到都在172.27.35.216这个新扩容出的节点上,再次刷新页面,看到他们已经正常运行了。

刚刚这一个节点的扩容,是因为把 deployment 调到了12,然后集群中的资源出现了不足的情况下进行了扩容。那进行反向操作,把这个12再次缩到0,然后预期的是希望刚刚弹出的节点,因为集群中的资源已经足够,然后会进行一个缩容。

image.png

回到节点池页面来观察一下速溶活动中是否会出现一个缩容的活动,可以看到速溶活动已经产生,然后说到的就是刚才弹出的那个节点,可以看到节能管理这个页面这个节点已经被缩掉的一个状态。

支持的实现 cluster-autoscale 集群节点的自动化扩缩容,就以这个 demo 展示完毕。

相关文章
|
Kubernetes 负载均衡 网络安全
openEuler 系统搭建高可用 Kubernetes 集群
在生产环境中,k8s 高可用集群部署能够确保应用程序稳态运行不出现服务中断情况。此处我们基于 openEuler 系统环境,配置 Keepalived 和 HAproxy 使负载均衡(LB/Load Balancer)、实现 k8s & KubeSphere 高可用集群部署。
1250 1
|
6月前
|
存储 弹性计算 数据可视化
如何在公有云部署UE/Unity实时云渲染推流平台
以阿里云主机为例,介绍如何在公有云上部署Paraverse平行云LarkXR实时云渲染平台,支持UE、Unity等各类引擎开发的三维可视化程序上云,应用于数字孪生、教育虚仿、展览展示、元宇宙及数字人等3D/XR场景中。
|
监控 负载均衡 算法
slb持续监控与调优
slb持续监控与调优
209 8
|
机器学习/深度学习 数据可视化 Python
Python实用记录(三):通过netron可视化模型
使用Netron工具在Python中可视化神经网络模型,包括安装Netron、创建文件和运行文件的步骤。
305 2
Python实用记录(三):通过netron可视化模型
|
SQL 分布式计算 API
轻松驾驭Hive数仓,数据分析从未如此简单!
轻松驾驭Hive数仓,数据分析从未如此简单!
484 1
|
算法 开发工具 git
使用 fuzzywuzzy 模块计算两个字符串之间的相似度
使用 fuzzywuzzy 模块计算两个字符串之间的相似度
235 1
|
IDE 前端开发 API
OpenSumi问题之OpenSumi 与 Theia 相比有什么优势
OpenSumi问题之OpenSumi 与 Theia 相比有什么优势
274 6
|
机器学习/深度学习 数据采集 算法
机器学习-深度学习:如何使用SuperLearner精准诊断?
机器学习-深度学习:如何使用SuperLearner精准诊断?
783 0
|
Prometheus 监控 Cloud Native
grafana展示的CPU利用率与实际不符的问题探究
观察到`mpstat`命令显示单核CPU的`%usr`和`%sys`分别持续在70%和20%,而Grafana监控数据显示较低。问题源于Grafana表达式计算的是CPU时间增量而非利用率。`mpstat`通过`/proc/stat`获取数据并计算CPU利用率,而`node-exporter`直接导出原始数据。调整Grafana表达式以匹配`mpstat`的计算方式后,两者结果一致。解决方案是修正Grafana查询以准确反映CPU占用率。
658 1
grafana展示的CPU利用率与实际不符的问题探究
|
SQL 大数据 分布式数据库
SQL与大数据的神秘力量:如何用高效SQL处理海量数据,让你的项目一鸣惊人?
【8月更文挑战第31天】在现代软件开发中,处理海量数据是关键挑战之一。本文探讨了SQL与大数据结合的方法,包括数据类型优化、索引优化、分区优化及分布式数据库应用,并通过示例代码展示了如何实施这些策略。通过遵循最佳实践,如了解查询模式、使用性能工具及定期维护索引,开发者可以更高效地利用SQL处理大规模数据集。随着SQL技术的发展,其在软件开发中的作用将愈发重要。
519 0