Serverless下的动态缩扩容（基础知识篇)

发表于 4年以前 | 总阅读数：440 次

一、基础知识

Serverless 是前端圈近两年比较火热的词汇，本文主要介绍一下Serverless下动态缩扩容相关的一些基础知识。

1.1 Docker

容器技术（Docker）技术的飞速发展带来了云技术平台的新一轮变革。Docker英文翻译：码头工人。也有翻译成集装箱。我们传统的应用，通过Docker的技术，打包成一个集装箱。就如同外贸生意中，无论什么商品打包成集装箱统一进行运输，而无需再关注商品本身的形状结构（无需关注编程时的语言类型）。Docker的本质是建立在Linux的Cgroup、Namespace等技术上的虚拟化技术；

关于如何将我们的NodeJS应用Docker化，Node官网上有下面这篇文章，比较简单大家可以参考一下：

https://nodejs.org/en/docs/guides/nodejs-docker-webapp/

用了Docker技术后，我们就能无缝迁移到具备容器基础运行环境的平台上面。

这时候，我们可以发现Docker已经能给我们带来很大的便利性。当然通过结合CI和CD方式，我们也能将我们的Docker技术应用的程度应用的更好。

1.2 K8s

如果更进一步，我们可以通过容器的编排工具进行容器编排。容器编排有kubernetes和Docker swarm、mesos。Kuberrnetes凭借着“先进的设计理念”和开源生态所落地的“用户二次创新”能力，已然成为了业内主流的容器编排方案，K8s抽象出CRDS和对应的API。其内部通过controller等监听etcd的crds资源的变化而执行不同的操作。

二、弹性缩扩容

由于业务需求在不断变化（QPS），应用资源的在线负载也处于动态的变化中（其中比如我们熟知的CPU，内存，网络等）。这时候，传统的固定的容量规划，必然会随着历史的潮流，变成动态随着QPS变化而变化。而不是固定设置在比如16台机器上。

2.1 缩扩容链路

首先跟我们前端做监控系统类似，要形成一个完整的链路。缩扩容的链路，首先通过“监控系统”采集指标；然后将采集的指标聚集到“指标服务器”，提供指标数据。最后，缩扩容组件，依据提供的指标触发缩扩容动作。

2.2 伸缩场景

伸缩场景中，由于应用的类型多种多样，他们对于云资源的需求也会不同。比如常见的应用类型可分为在线负载型、离线任务型、定时任务型和特殊场景性。比如在线负载型往往会对弹出时间敏感、机器学习等离线任务型会对价格敏感、定时任务对调度敏感、自定义伸缩和超算等异构场景对弹出稳定性敏感等。

2.3 不同维度的缩扩容

从缩扩容的对象为维度，缩扩容方案可以分为应用和集群节点的弹性缩扩容。比较好理解，就是我们应用压力大了，则扩展我们的应用数量。那我们应用数量上来了，集群节点，也就是物理机也要多，这时候也要扩物理机器的数量。

从资源的伸缩方向来分析，大致分为垂直和水平。垂直：变成分配单POD更好的内存、CPU。水平：分配更多数量的POD。比如当无法解决有状态应用类型的资源供给，则我们可以先通过垂直扩展。

从弹性缩扩容动作触发层面分析，分为：CA（Cluster Autoscaler）、HPA（Horizontal Pod Autoscaler）、CPA（Cluster Hroportional Autoscaler）、VPA（Vertical Pod Autoscaler）、AR（Addon Resizer）。CA怎么理解：就是动态增减物理机的数量。HPA：动态增减应用的pod数量。CPA：例如K8S里面有组件来控制pod数量、比如我们自定义的监控组件（要管理的东西数量多了，这些组件不会随着动态变化，那也就凉凉了）。VPA：每台POD的不同规格的CPU或者内存。Addon Resizer则具备根据集群中节点的数量来调整负载的资源请求数，目前尚不成熟。