{"id":55712,"date":"2020-01-27T00:00:00","date_gmt":"2020-01-26T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/tri-urovnya-avtomasshtabirovaniya-v-kubernetes-kak-ih-effektivno-ispolzovat"},"modified":"2020-02-18T14:03:51","modified_gmt":"2020-02-18T11:03:51","slug":"tri-urovnya-avtomasshtabirovaniya-v-kubernetes-kak-ih-effektivno-ispolzovat","status":"publish","type":"post","link":"https:\/\/prohoster.info\/de\/blog\/administrirovanie\/tri-urovnya-avtomasshtabirovaniya-v-kubernetes-kak-ih-effektivno-ispolzovat","title":{"rendered":"Drei Ebenen der automatischen Skalierung in Kubernetes: Wie man sie effektiv nutzt","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

\"Drei
\nF\u00fcr ein umfassendes Verst\u00e4ndnis von Kubernetes ist es wichtig, verschiedene Methoden zur Skalierung von Clusterressourcen zu kennen: Laut den Entwicklern des Systems , z\u00e4hlt dies zu den Hauptaufgaben von Kubernetes. Wir haben eine hochrangige \u00dcbersicht \u00fcber die Mechanismen der horizontalen und vertikalen automatischen Skalierung und der Clustergr\u00f6\u00dfen\u00e4nderung vorbereitet, sowie Empfehlungen, wie man diese effektiv einsetzen kann.<\/a><\/noindex>, das ist eine der Hauptaufgaben von Kubernetes. Wir haben eine hochrangige \u00dcbersicht \u00fcber die Mechanismen der horizontalen und vertikalen Skalierung sowie der Anpassung von Clustern vorbereitet und Empfehlungen erstellt, wie man sie effektiv nutzen kann.<\/p>\n

Der Artikel Kubernetes Autoscaling 101: Cluster Autoscaler, Horizontal Autoscaler und Vertical Pod Autoscaler<\/a><\/noindex> wurde von dem Team \u00fcbersetzt, das das automatische Skalieren in Kubernetes aaS von Mail.ru<\/a><\/noindex>.
\n<\/a><\/noindex><\/p>\n

Warum es wichtig ist, \u00fcber Skalierung nachzudenken <\/h2>\n

\nKubernetes<\/a><\/noindex> \u2014 ein Werkzeug zur Verwaltung von Ressourcen und Orchestrierung. Nat\u00fcrlich ist es nicht schlecht, sich mit den tollen Funktionen von Deployment, Monitoring und Pod-Management (das Modul Pod ist eine Gruppe von Containern, die als Antwort auf Anfragen gestartet werden) zu besch\u00e4ftigen. <\/p>\n

Es ist jedoch auch wichtig, \u00fcber folgende Fragen nachzudenken:<\/p>\n

    \n
  1. Wie skalieren Sie Module und Anwendungen?\n<\/li>\n
  2. Wie halten Sie Container in einem funktionalen und effizienten Zustand?\n<\/li>\n
  3. Wie reagieren Sie auf st\u00e4ndige \u00c4nderungen im Code und auf Benutzerlasten?\n<\/li>\n<\/ol>\n

    \nDie Konfiguration von Kubernetes-Clustern zur Ressourcenauslastung und Leistungsoptimierung kann eine komplexe Aufgabe sein und erfordert Fachwissen \u00fcber die inneren Abl\u00e4ufe von Kubernetes. Die Auslastung Ihrer Anwendung oder Dienste kann im Laufe des Tages oder sogar innerhalb einer Stunde schwanken, weshalb das Lastenausgleich als ein kontinuierlicher Prozess betrachtet werden sollte.<\/p>\n

    Kubernetes-Automatisierungsebenen<\/h2>\n

    \nEffektive Automatisierung erfordert eine Koordination zwischen zwei Ebenen: <\/p>\n

      \n
    1. Der Pod-Level umfasst sowohl horizontales (Horizontal Pod Autoscaler, HPA) als auch vertikales Autoscaling (Vertical Pod Autoscaler, VPA). Dies bezieht sich auf die Skalierung der vorhandenen Ressourcen f\u00fcr Ihre Container.\n<\/li>\n
    2. Die Cluster-Ebene, die durch das Cluster-Autoscaling-System (Cluster Autoscaler, CA) verwaltet wird, erh\u00f6ht oder verringert die Anzahl der Knoten innerhalb des Clusters.\n<\/li>\n<\/ol>\n

      <\/p>\n

      Modul zur horizontalen Automatisierung (HPA)<\/h2>\n

      \nWie der Name schon sagt, skaliert der HPA die Anzahl der Pod-Replikate. Als Trigger zur Anpassung der Anzahl der Replikate verwenden die meisten DevOps die Auslastung von CPU und Speicher. Es ist jedoch auch m\u00f6glich, die Systemskalierung basierend auf benutzerdefinierten Metriken<\/a><\/noindex>, deren Kombination<\/a><\/noindex> oder sogar externe Metriken<\/a><\/noindex>.<\/p>\n

      Hochlevel-Schema des HPA-Betriebs:<\/p>\n

        \n
      1. HPA \u00fcberwacht kontinuierlich die bei der Installation angegebenen Metriken in einem Standardintervall von 30 Sekunden.\n<\/li>\n
      2. HPA versucht die Anzahl der Pods zu erh\u00f6hen, wenn der festgelegte Schwellenwert erreicht wird.\n<\/li>\n
      3. HPA aktualisiert die Anzahl der Replikate innerhalb des Bereitstellungs-\/Replikationscontrollers.\n<\/li>\n
      4. Der Bereitstellungs-\/Replikationscontroller implementiert dann alle erforderlichen zus\u00e4tzlichen Pods.\n<\/li>\n<\/ol>\n

        \n\"Drei
        \nHPA initiiert den Bereitstellungsprozess der Pods, wenn der Schwellenwert der Metriken erreicht ist.<\/i><\/p>\n

        Bitte beachten Sie Folgendes bei der Verwendung von HPA:<\/p>\n