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
|
Java 数据库 Android开发
Android异步之旅:探索AsyncTask
Android异步之旅:探索AsyncTask
400 0
|
Prometheus 监控 Kubernetes
【云原生】k8s集群资源监控平台搭建—20230227
【云原生】k8s集群资源监控平台搭建—20230227
494 0
|
域名解析 Kubernetes 网络协议
k8s教程(service篇)-pod的dns域名
k8s教程(service篇)-pod的dns域名
3732 0
|
7月前
|
人工智能 Java Shell
终端里的AI搭档:我用Claude Code提效的实战心得
最近半年,我把Claude Code深度融入了日常开发流程。坦白说,刚开始我是抱着"试试看"的心态,但用了一周后就回不去了。这篇文章不是官方文档的搬运,而是我在真实项目中踩坑、摸索后总结出的一套实用打法。 一句话概括——它是一个跑在终端里的AI编程助手,由Anthropic出品。 和VS Code插件、Web聊天窗口不同,Claude Code直接在你的命令行里工作。这意味着它能直接读你的项目文件、执行shell命令、操作git,真正做到"手伸进项目里干活",而不是隔着浏览器窗口纸上谈兵。
4346 4
|
存储 前端开发 数据可视化
Grafana Loki,轻量级日志系统
本文介绍了基于Grafana、Loki和Alloy构建的轻量级日志系统。Loki是一个由Grafana Labs开发的日志聚合系统,具备高可用性和多租户支持,专注于日志而非指标,通过标签索引而非内容索引实现高效存储。Alloy则是用于收集和转发日志至Loki的强大工具。文章详细描述了系统的架构、组件及其工作流程,并提供了快速搭建指南,包括准备步骤、部署命令及验证方法。此外,还展示了如何使用Grafana查看日志,以及一些基本的LogQL查询示例。最后,作者探讨了Loki架构的独特之处,提出了“巨型单体模块化”的概念,即一个应用既可单体部署也可分布式部署,整体协同实现全部功能。
6821 189
Grafana Loki,轻量级日志系统
|
存储 消息中间件 缓存
MiniMax GenAI 可观测性分析 :基于阿里云 SelectDB 构建 PB 级别日志系统
基于阿里云SelectDB,MiniMax构建了覆盖国内及海外业务的日志可观测中台,总体数据规模超过数PB,日均新增日志写入量达数百TB。系统在P95分位查询场景下的响应时间小于3秒,峰值时刻实现了超过10GB/s的读写吞吐。通过存算分离、高压缩比算法和单副本热缓存等技术手段,MiniMax在优化性能的同时显著降低了建设成本,计算资源用量降低40%,热数据存储用量降低50%,为未来业务的高速发展和技术演进奠定了坚实基础。
841 1
MiniMax GenAI 可观测性分析 :基于阿里云 SelectDB 构建 PB 级别日志系统
|
存储 测试技术 API
pytest接口自动化测试框架搭建
通过上述步骤,我们成功搭建了一个基于 `pytest`的接口自动化测试框架。这个框架具备良好的扩展性和可维护性,能够高效地管理和执行API测试。通过封装HTTP请求逻辑、使用 `conftest.py`定义共享资源和前置条件,并利用 `pytest.ini`进行配置管理,可以大幅提高测试的自动化程度和执行效率。希望本文能为您的测试工作提供实用的指导和帮助。
2496 15
|
Go 开发工具 iOS开发
Mac 下搭建 Go 开发环境 | 学习笔记
快速学习 Mac 下搭建 Go 开发环境
|
机器学习/深度学习 数据采集 人工智能
运维新纪元:AIOps引领智能运维变革####
本文探讨了人工智能与运维管理深度融合的前沿趋势——AIOps(Artificial Intelligence for Operations),它通过机器学习、大数据分析等技术手段,为现代IT运维体系带来前所未有的智能化升级。不同于传统依赖人力的运维模式,AIOps能够实现故障预测、自动化修复、性能优化等功能,大幅提升系统稳定性和运营效率。文章将深入分析AIOps的核心价值、关键技术组件、实施路径以及面临的挑战,旨在为读者揭示这一新兴领域如何重塑运维行业的未来。 ####