Autoscaler计算Pod数的基本逻辑 指标收集周期与决策周期 　　◼ Autoscaler每2秒钟计算一次Revision上所需要Pod实例数量 　　◼ Autoscaler每2秒钟从Revision的Pod实例（Quueu-Proxy容器）上抓取一次指标数据，并将其（每秒的）平均值存储于单独的bucket中 　　　　◆实例较少时，则从每个实例抓取指标 　　　　◆实例较多时，则从实例的一个子集上抓取指标，因而计算出的Pod实例数量并非精准数值 决策过程 　　◼ Autoscaler在Revision中检索就绪状态的Pod实例数量 　　　　◆若就绪实例数量为0，则将其设定为1，即使用Activator作为实例 　　◼ Autoscaler检查累积收集的可用指标 　　　　◆若不存在任何可用指标，则将所需要的Pod实例数设置为0 　　　　◆若存在累积的指标，则计算出窗口期内的平均并发请求数 　　　　◆根据平均并发请求数和每实例的并发目标值计算出所需要的Pod实例数 　　　　　　⚫ 窗口期内每实例的平均并发请求数 = Bucket中的样本值之和 / Bucket数量 　　　　　　⚫ 每实例的目标并发请求数 = 单实例目标并发数 * 目标利用率 　　　　　　⚫ 期望的Pod数 = 窗口期内每实例的并发请求数 / 每实例目标并发请求数 　　　　◆Panic的触发条件 　　　　　　⚫ 期望的Pod数 / 现有的Pod数 ≥ 2 　　　　　　⚫ 60秒之后返回至Stable   Knative支持的Autoscaler     Knative支持基于KPA与HPA的自动缩放机制，但二者的功能略有不同 　　◼ Knative Pod Autoscaler 　　　　◆Knative Serving的核心组件，且默认即为启用状态 　　　　◆支持缩容至0 　　　　◆不支持基于CPU的自动缩放机制 　　◼ Kubernetes Horizontal Pod Autoscaler 　　　　◆Kubernetes系统上的组件 　　　　◆不支持缩容至0 　　　　◆支持基于CPU的自动缩放机制 另外，二者支持的指标也不尽相同   Autoscaler的全局配置   全局配置参数定义在knative-serving名称空间中的configmap/auto-scaler之中  相关的参数 　　◼ container-concurrency-target-default：实例的目标并发数，即最大并发数，默认值为100； 　　◼ container-concurrency-target-percentage：实例的目标利用率，默认为“0.7”； 　　◼ enable-scale-to-zero：是否支持缩容至0，默认为true；仅KPA支持； 　　◼ max-scale-up-rate：最大扩容速率，默认为1000； 　　　　◆当前可最大扩容数 = 最大扩容速率 * Ready状态的Pod数量 　　◼ max-scale-down-rate：最大缩容速率，默认为2； 　　　　◆当前可最大缩容数 = Ready状态的Pod数量 / 最大缩容速率 　　◼ panic-window-percentage：Panic窗口期时长相当于Stable窗口期时长的百分比，默认为10，即百分之十； 　　◼ panic-threshold-percentage：因Pod数量偏差而触发Panic阈值百分比，默认为200，即2倍； 　　◼ scale-to-zero-grace-period：缩容至0的宽限期，即等待最后一个Pod删除的最大时长，默认为30s； 　　◼ scale-to-zero-pod-retention-period：决定缩容至0后，允许最后一个Pod处于活动状态的最小时长，默认为0s； 　　◼ stable-window：稳定窗口期的时长，默认为60s； 　　◼ target-burst-capacity：突发请求容量，默认为200； 　　◼ requests-per-second-target-default：每秒并发（RPS）的默认值，默认为200；使用rps指标时生效；    

root@master01:/opt/knative-in-practise/serving/autoscaling# cat autoscaling-scale-to-zero.yaml 
apiVersion: serving.knative.dev/v1
kind: Service
metadata:
  name: hello
  namespace: default
spec:
  template:
    metadata:
      annotations:
        autoscaling.knative.dev/scale-to-zero-pod-retention-period: "1m5s" #决定缩容至0后，允许最后一个Pod处于活动状态的最小时长   
    spec:
      containers:
        - image: ikubernetes/helloworld-go
          ports:
            - containerPort: 8080
          env:
            - name: TARGET
              value: "Knative Autoscaling Scale-to-Zero"

   并发案例

root@master01:/opt/knative-in-practise/serving/autoscaling# cat autoscaling-concurrency.yaml 
apiVersion: serving.knative.dev/v1
kind: Service
metadata:
  name: hello
  namespace: default
spec:
  template:
    metadata:
      annotations:
        autoscaling.knative.dev/target-utilization-percentage: "60"  #目标利用率
        autoscaling.knative.dev/target: "10"  #单实例并发数，软限制，流量突发尖峰期允许超出
    spec:
      containers:
        - image: ikubernetes/helloworld-go
          ports:
            - containerPort: 8080
          env:
            - name: TARGET
              value: "Knative Autoscaling Concurrency"

 

apt install hey  #测试工具

hey -z 60s -c 20 -host "hello.magedu.com" http://192.168.80.251?sleep=100&prime=10000&bloat=5   并发20，持续60秒

root@master01:/opt/knative-in-practise/serving/autoscaling# kubectl get po -l serving.knative.dev/configuration=hello #60s
NAME                                      READY   STATUS             RESTARTS   AGE
hello-00003-deployment-57c8698c5f-cdqwj   3/3     Running            0          6m45s
hello-00003-deployment-57c8698c5f-czlgh   3/3     Running            0          27s

 

hey -z 60s -c 60 -host "hello.magedu.com" http://192.168.80.251?sleep=100&prime=10000&bloat=5   #最大10个，每个pod

root@master01:/opt/knative-in-practise/serving/autoscaling# kubectl get po -l serving.knative.dev/configuration=hello |grep -v ImagePul
NAME                                      READY   STATUS             RESTARTS   AGE
hello-00003-deployment-57c8698c5f-8jtqk   3/3     Running            0          30s
hello-00003-deployment-57c8698c5f-cdqwj   3/3     Running            0          8m32s
hello-00003-deployment-57c8698c5f-h47qt   3/3     Running            0          36s
hello-00003-deployment-57c8698c5f-q5pvd   3/3     Running            0          34s
hello-00003-deployment-57c8698c5f-t5gzz   3/3     Running            0          33s