容器云平台下的弹性伸缩问题？
容器云平台下基于负载预测的弹性伸缩如今的实践方案有哪些？基于阈值弹性伸缩的实现，对于阈值的设定需要注意什么问题，实际生产中弹性伸缩策略有哪些？另外现如今的Docker Swarm集群管理工具在现实应用中存在什么样的意义？
1同行回答
1, 弹性伸缩这个需求在容器平台下进行管理，是个很方便。但是正如问题所写的一样阀值的定位是关键，比如有的时候根据业务应用连接数来进行伸缩，有的就是看不同级别的队列里面的排队数，好一点就业务响应时间，次一点有的看资源性能，总之这些都是作为阀值 triger 伸缩的一个条件；
2，但是伸缩这个过程，从实际经验来说还是建议标准化来进行，比如某种服务的 Pod 数量进行伸扩（缩需要慎重），就是按照业务运营的某种模式进行；不建议完全自动化驱动来实现；
3，缩减这个动作可以在业务不高峰的时候的进行，就是最好在空窗期进行；
4，伸缩后的监控体系和业务运营健康体系评估一定跟进；
5，对于规模和技术运营团队不是那么成熟来说， Docker SWARM 其实是可以满足，因地制宜的使用技术实现用户场景，不建议单独一味追求 Kubernetes 技术方案。就好比，汽车未必比人跑的快这个结论，假设总距离就是10米，那么肯定是人比汽车跑得快；如果是500米距离，通常情况是汽车比人快。所以一定要找到适合自身团队能驾驭的技术来管理整个环境。