Проактивне автоматичне масштабування вверх для Kuberneters

Анотація

Сучасні виклики в мікросервісній архітектурі вимагають авто-масштабування. Як приклад можна розглянути «Чорну п’ятницю», коли навантаження на систему значно зростає і, очевидно, для її обслуговування потрібні додатковіобчислювальні можливості. Розгортання нового екземпляра під час масштабування може зайняти деякий час і змусити користувача чекати кращої продуктивності системи, доки новий екземпляр не запрацює. Тому заходи по масштабуванню повинні починатися якомога раніше. Єдине рішення полягає в тому, щоб використовуватипрогнозування та почати масштабування раніше, маючи прогнозування майбутнього тренду навантаження.У цій статті автоматичне масштабування зосереджено на Kubernetes, оскільки Kubernetes де-факто є стандартом для оркестровці контейнерів. Автори пропонують рішення, надаючи git-посилання на код. Рішення реалізовано як Java-застосунок, який використовує базу даних часових рядів (у цьому випадку InfluxDB) для розуміння навантаження на мікросервіс. Рішення використовує дві моделі прогнозування – експоненційне згладжування (ES) і подвійне експоненціальне згладжування (DES). Дві моделі використовуються для порівняння одна з одною.Проведені випробування продуктивності, розглянуто два основних варіанти використання – випадок повільного зростання навантаження та випадок швидкого зростання навантаження. На основі експериментів виявлено, що у всіх випадках проактивне масштабування працює краще, ніж реактивне. Корисність проактивного підходу більшпомітна у випадку швидкого зростання навантаження. Якщо порівнювати ES і DES між собою, то в обох випадках DES показав кращі результати. Майбутнє вдосконалення рішення може полягати у створенні рішення як розширення екосистеми Kubernetes для легкого підключення до інфраструктури Kubernetes. Також одним із покращень може бути підтримка Prometheus як бази даних часових рядів. Бібл. 20, іл. 3, табл. 2

Класифікація

Ідентифікатори

Схожі роботи