隨著雲原生應用程序的不斷演進，高效且具成本效益地調整基礎設施變得越來越重要。Kubernetes 在此領域發揮了關鍵作用，提供了強大的工具來管理容器化工作負載。其中一個工具是 KEDA（Kubernetes 事件驅動的自動調整），它根據應用需求提供精細的調整控制。在這篇文章中，我們將探索 KEDA 的概念和架構，並與其他 Kubernetes 調整工具（如 Karpenter 和 HPA）進行比較，討論 KEDA 和 HPA 如何協同工作，以提供可擴展且具成本效益的解決方案。

什麼是 KEDA？

KEDA，全稱 Kubernetes Event-driven Autoscaling，是一個開源項目，它擴展了 Kubernetes 的原生水平 Pod 自動調整器（HPA），以支持基於事件的調整。在 Kubernetes 中，傳統的調整通常依賴於 CPU 和內存使用等指標。然而，在許多情況下，這些指標無法準確反映基於外部事件（如消息隊列或 HTTP 請求）進行調整的需求。

KEDA 通過允許 Kubernetes 應用程序基於事件源（如 Azure 隊列存儲、Kafka、RabbitMQ、Prometheus 指標等）進行調整，解決了這一問題。通過與這些事件源集成，KEDA 可以根據需求調整工作負載的縮放，確保應用程序保持響應性，同時優化資源使用。

KEDA 的架構

KEDA 作為 Kubernetes 集群中的輕量級組件運行，增強了原生 HPA 功能。KEDA 的核心組件包括：

  1. KEDA Operator：KEDA Operator 負責管理 KEDA ScaledObjects 和 ScaledJobs 的生命周期。它監控事件源，根據配置的閾值觸發工作負載的調整，並與 Kubernetes 控制平面集成。

  2. Scalers：Scalers 負責將 KEDA 與各種事件源連接。每個 Scaler 實現從事件源獲取指標並將其轉換為 HPA 可用的格式的邏輯。KEDA 支持廣泛的 Scaler，包括針對特定用例的自定義 Scaler。

  3. ScaledObjects：ScaledObject 是一種自定義的 Kubernetes 資源，用於定義特定工作負載的調整行為。它指定事件源、調整閾值以及其他決定工作負載何時以及如何調整的參數。

  4. ScaledJobs：與 ScaledObjects 類似，ScaledJobs 定義了基於事件驅動指標的 Kubernetes Jobs 的調整行為。

KEDA 與 Karpenter 的比較

Karpenter 是另一個 Kubernetes 中的自動調整工具，但其運行方式與 KEDA 不同。KEDA 著眼於基於外部事件調整工作負載，而 Karpenter 是一種集群自動調整器，根據集群中資源需求來配置或釋放節點。

主要差異：

  • 範圍：KEDA 根據外部事件調整 Pod，而 Karpenter 調整底層基礎設施（節點）以滿足整體資源需求。
  • 用例：KEDA 適合需要根據特定觸發器調整的事件驅動應用程序。Karpenter 更適合需要基於集群資源需求優化節點配置的動態環境。
  • 粒度：KEDA 在 Pod 級別運行，調整副本數量；而 Karpenter 在節點級別運行，調整集群中的節點數量。

KEDA 與 HPA 的比較

KEDA 通過引入基於事件的調整，擴展了 Kubernetes 的水平 Pod 自動調整器（HPA）功能。HPA 是 Kubernetes 的原生功能，基於 CPU 和內存使用等資源指標調整 Pod 副本數量。

主要差異：

  • 指標：HPA 主要使用資源指標（CPU、內存）作為調整決策依據。而 KEDA 支持更廣泛的指標，包括基於事件驅動的指標。
  • 靈活性：KEDA 提供了更大的靈活性，允許您定義自定義指標和事件源，從而更精細地控制調整行為。

KEDA 與 HPA 的協同工作

KEDA 不會取代 HPA，而是增強其功能。在 Kubernetes 集群中部署 KEDA 時，它可以從事件源生成自定義指標並將其提供給 HPA。這使得 HPA 可以基於傳統資源指標和事件驅動指標做出調整決策。

例如，如果您有一個處理 Kafka 隊列消息的應用程序，KEDA 可以監控隊列的長度，並在消息數量超過某個閾值時觸發調整。HPA 隨後使用此指標以及 CPU 和內存使用情況來調整 Pod 副本數量。

可擴展性與成本效益

KEDA 通過提供對何時以及如何調整工作負載的精細控制，增強了可擴展性。通過響應特定事件，KEDA 確保您的應用程序在需求高峰期進行擴展，在空閒時期縮減，從而減少不必要的資源消耗。

這種基於事件驅動的方法本質上是具成本效益的，因為它最大限度地減少了資源過度配置。傳統的調整方法可能會基於高 CPU 或內存使用導致資源過度配置，即使實際的應用需求很低。而 KEDA 根據實際使用模式和外部觸發器進行調整，確保僅在需要時使用必要的資源。

此外，KEDA 與各種事件源的集成使您能夠針對不同類型的工作負載（無論是突發型、長期運行型還是需要特定資源閾值的工作負載）優化基礎設施。

結論

KEDA 是一種強大的工具，它通過引入基於事件的調整增強了 Kubernetes 的原生自動調整功能。其架構設計與 HPA 無縫協作，使您能夠根據廣泛的指標（包括外部事件）調整工作負載。與 Karpenter 等工具相比，KEDA 提供了一種更精細的 Pod 調整方法，是事件驅動應用程序的理想選擇。

通過利用 KEDA，您可以實現一個可擴展且具成本效益的 Kubernetes 環境，能夠動態響應應用程序的需求。無論您處理的是微服務、批處理還是實時數據管道，KEDA 提供了優化基礎設施所需的靈活性和效率。