[发明专利]一种基于集群性能的反馈式自动扩缩容方法及系统

说明书

本发明提供了一种基于集群性能的反馈式自动扩缩容方法及系统，属于通信技术领域，该处理方法包括：获取各节点及容器参数，整理得出整个集群的性能指标，并将性能指标进行储存，存储格式为时间戳+json格式；将收集到的性能指标通过判断模型进行打分，最终决定是否扩缩容，并给出扩容方案；根据扩缩容方案生成扩缩容配置模板，并下发扩缩容命令；获取集群返回的扩缩容执行结果；该处理系统包括：性能收集子系统和扩缩容判断及执行子系统。该方法及系统能够感知特定容器自身性能，同时能够感知容器所在宿主机及集群整体性能，而自动完成容器扩缩容，解决了现有扩缩容方法针对性差、响应速度慢的问题。

技术领域

本发明属于通信技术领域，具体涉及一种基于集群性能的反馈式自动扩缩容方法及系统。

背景技术

在实际生产系统中，我们经常会遇到某个服务需要扩容的场景，也可能会遇到因为资源紧张或者工作负载降低而需要减少服务实例数量的场景。而这种情况在以容器技术为基础的微服务场景中尤其突出。原因是，微服务是将颗粒度大的应用系统划分为不同的服务模块，例如：将一个web应用划分为五大服务模块(1、负载均衡模块nginx 2、web服务器模块3、后台数据库模块4、缓存模块5、会话保持模块)，每个模块由功能相同的若干容器(对应于kubernetes的pod)组成负载均衡集群对外提供服务，随着业务的发展，每个模块内的容器需要横向扩缩容。目前阶段，在kubernetes容器云集群上有两种扩缩容方式：

1.根据系统响应速度(通过外部测试工具测速)，手动对容器进行扩缩容；

2.利用kubernetes自身的HPA(Horizontal Pod Autoscaler)功能，预先设置容器扩容阈值(CPU、内存等)触发扩容。

对于方法1，通过外部测试工具测量系统响应速度并以此为依据手动扩缩容，有以下缺点：一是只能粗略把握系统的整体响应速度，无法感知各个服务模块的压力及利用率，难以针对性地进行扩容处理，二是手工的扩容方法无法快速响应业务的扩展需求。

对于方法2，利用kubernetes自身的HPA(Horizontal Pod Autoscaler)功能，预先设置容器扩容阈值(CPU、内存等)触发扩容，虽然一定程度能满足系统扩容需求，但只能针对特定容器的少量指标进行阈值设置(目前只能针对CPU、内存利用率)，也无法感知宿主主机及整个集群的负载情况进行针对性的扩容。

综上所述，现有kubernetes容器云集群扩缩容方法存在针对性差、响应速度慢的问题。

发明内容

为了克服上述现有技术存在的不足，本发明提供了一种基于集群性能的反馈式自动扩缩容方法及系统。

为了实现上述目的，本发明提供如下技术方案：

一种基于集群性能的反馈式自动扩缩容方法，包括：

获取各节点及容器参数，整理得出整个集群的性能指标，并将所述性能指标进行储存，存储格式为时间戳+json格式；

将收集到的所述性能指标通过判断模型进行打分，最终决定是否扩缩容，并给出扩容方案；根据扩缩容方案生成扩缩容配置模板，并下发扩缩容命令；获取集群返回的扩缩容执行结果。

优选地，所述获取各节点及容器参数的方法为：收集工具数据对接kubernetes节点的kubelet组件，通过kubelet组件的北向接口获取各节点及容器参数。

优选地，所述性能指标包括节点性能指标和节点上容器参数，所述节点性能指标包括CPU利用率、内存利用率、网口带宽利用率、文件系统使用率和磁盘IO速率，所述节点上容器参数包括CPU利用率、内存利用率、网口带宽利用率、文件系统使用率和磁盘IO速率。

优选地，所述下发扩缩容命令的方法为：通过kubernetes集群的restful接口以deployment方式下发扩缩容命令。