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, 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。