基于Kubernetes和Istio的Serverless框架Knative解析之Autoscaler
咱们都是知道Kubernetes中个资源对象叫 autoscaler，该对象在serverless架构中更是不可或缺，有了它能够负责应用的自动水平伸缩，用户不再用关心示例的个数和资源消耗，本文是来自阿里巴巴UC事业群基础研发部的陈有坤同窗对Knative的解析之autoscaler部分，还有大量的解析等待放出，起关注本站的后续内容。
git
Knative是一款基于Kubernetes的平台，用来构建、部署和管理现代serverless应用的框架。该框架试图将云原生应用开发的如下三个领域的最佳实践结合起来：github
- 构建容器（和函数）
- 为工做负载提供服务（和动态扩展）
- 事件
Knative是由谷歌与Pivotal、IBM、Red Hat 和SAP紧密协做开发的。算法
Knative构建在Kubernetes和Istio之上，它的设计考虑到了多种角色经过该框架进行交互，包括开发人员、运维人员和平台提供者。api
Knative所涉及的角色（图片来源于Knative GitHub仓库）bash
Knative致力于提供可重用的“通用模式和最佳实践组合”实现，目前可用的组件包括：微信
以上内容引用自： InfoQ | 谷歌发布Knative：用于构建、部署和管理Serverless工做负载的Kubernetes框架网络
以上是对Knative的基本介绍，关于Knative的更多信息你们能够关注其GitHub：github.com/knative，咱们都…架构
下面首先解析的是Serving中的Autoscaling组件，该组件的功能是根据网络流量来自动伸缩应用实例的个数。并发
Knative是如何作伸缩容的？
处理伸缩容问题，首先要解决的问题是根据什么指标判断伸缩容？cpu、内存、请求数？这里knative使用的是请求数。框架
其次是伸缩多少的问题。
Knative的伸缩是依赖修改deployment的replica数实现的。
如何采集请求数？
启动revision的pod时，也会启动一个autoscaler（一个knative revision只启动一个autoscaler），autoscaler本身自己也会scale到0，用于接收请求数统计和处理伸缩容。
业务pod中，会注入queue-proxy sidecar，用于接收请求，在这里会统计并发数，每秒向autoscaler汇报，接收到的请求会转发给业务container。
注：单租户模式下一个revision启动一个autoscaler，多租户共用一个autoscaler
计算须要pod的个数？
autoscaler接收到并发统计的时候，会根据算法计算须要的pod个数。
算法中有两种模式，分别是panic和stable模式，一个是短期，一个是长时间，为了解决短期内请求突增的场景，须要快速扩容。
文档中描述的算法是，默认的target concurrency是1，若是一个revision 35QPS，每一个请求花费0.25秒，Knative Serving 以为须要 9 个 pod。
ceil(35 * .25) = ceil(8.75) = 9
复制代码
Stable Mode（稳定模式）
在稳定模式下，Autoscaler 根据每一个pod指望的并发来调整Deployment的副本个数。根据每一个pod在60秒窗口内的平均并发来计算，而不是根据现有副本个数计算，由于pod的数量增长和pod变为可服务和提供指标数据有必定时间间隔。
Panic Mode （恐慌模式）
Panic时间窗口默认是6秒，若是在6秒内达到2倍指望的并发，则转换到恐慌模式下。在恐慌模式下，Autoscaler根据这6秒的时间窗口计算，这样更能及时的响应突发的流量请求。每2秒调整Deployment的副本数达到想要的pod个数（或者最大10倍当前pod的数量），为了不pod数量频繁变更，在恐慌模式下只能增长，不会减小。60秒后会恢复回稳定模式。
autoscaler单租户图
上图基于 github.com/knative/ser… 绘制。
模式
const (
// 每一个pod实例同时只处理一个请求
RevisionRequestConcurrencyModelSingle RevisionRequestConcurrencyModelType = "Single"
// 每一个pod实例同时处理多个请求
RevisionRequestConcurrencyModelMulti RevisionRequestConcurrencyModelType = "Multi"
)
复制代码
配置
apiVersion: v1
kind: ConfigMap
metadata:
name: config-autoscaler
namespace: knative-serving
data:
# Static parameters:
# 指望每一个pod并发请求数
multi-concurrency-target: "1.0"
# 若是是单个并发，值要接近1.0
single-concurrency-target: "0.9"
# stable窗口时间，计算平均并发会用到。若是进入panic模式后，通过stable窗口时间也会恢复stable
stable-window: "60s"
# 若是平均并发在panic窗口时间内达到2倍目标并发，autoscaler进入panic模式。
# 在panic模式下，自动伸缩按在panic窗口时间的平均并发来操做。
panic-window: "6s"
# 最大增加比例，每次调整会根据并发计算增加比例，最大增加不超过这个值
max-scale-up-rate: "10"
# 计算并发值的参数，每一段时间获得最大并发，做为一个bucket，最后汇报的时候，
# 平均并发 = 各个bucket最大并发之和 / 总bucket数，汇报间隔是1秒（hard coded）
concurrency-quantum-of-time: "100ms"
# 是否开启缩容到0
enable-scale-to-zero: "true"
# 实验性：开启垂直扩容
# Requires a VPA installation (e.g. ./third_party/vpa/install-vpa.sh)
enable-vertical-pod-autoscaling: "false"
# 若是开启了enable-vertical-pod-autoscaling，这个值就会替代multi-concurrency-target，
# 若是成熟了后期会变成默认值
vpa-multi-concurrency-target: "10.0"
# 多长时间调整一次
tick-interval: "2s"
# Dynamic parameters (take effect when config map is updated):
# 空闲多长时间缩容到0
scale-to-zero-threshold: "5m"复制代码
本文转载自：www.servicemesher.com/blog/knativ…
ServiceMesher社区信息
Slack：servicemesher.slack.com 须要邀请才能加入，有志于加入ServiceMesher社区为Service Mesh做出贡献的同窗能够联系我。
Twitter: twitter.com/servicemesh…
更多Service Mesh咨询请扫码关注微信公众号ServiceMesher。