Kubernetes水平伸缩策略的改进研究

近几年,基于容器的虚拟化应用技术发展迅速,Kubernetes已经成为容器编排领域的事实标准,其自身的HPA控制器能够自动实现pod的水平伸缩。但Kubernetes本身的伸缩策略是一种响应式策略,pod的水平扩容存在延迟,在这期间将不可避免地会出现响应延迟或响应失败。为改善上述问题,文中设计一种基于预测值的扩容方案,其中的预测算法采用KNG模型。KNG模型是基于Kalman⁃NeuralProphet⁃GRU组合模型优化而来,并对其做出适当的扩展与改动,以更好地适应预测需要。所设计的扩容方案首先使用KNG模型来预测pod的资源使用情况;然后将预测值送入HPA控制器,以计算出所需的pod副本数。实验结果表明,预测算法能够较为准确地预测到pod负载的变化,使HPA控制器能够以预测值为依据,提前完成pod副本数的扩充,从而提高应用在流量高峰初始阶段的响应能力。