k8s资源之vpa

kubectl滚动更新资源 rollout Manage the rollout of a resource. Valid resource types include: * deployments * daemonsets * statefulsets Examples: # Rollback to the previous deployment kubectl rollout undo deployment/abc # Check the rollout status of a da 阅读详情

 欢迎关注我的公众号:

 目前刚开始写一个月,一共写了18篇原创文章,文章目录如下:

istio多集群探秘,部署了50次多集群后我得出的结论

istio多集群链路追踪,附实操视频

istio防故障利器,你知道几个,istio新手不要读,太难!

istio业务权限控制,原来可以这么玩

istio实现非侵入压缩,微服务之间如何实现压缩

不懂envoyfilter也敢说精通istio系列-http-rbac-不要只会用AuthorizationPolicy配置权限

不懂envoyfilter也敢说精通istio系列-02-http-corsFilter-不要只会vs

不懂envoyfilter也敢说精通istio系列-03-http-csrf filter-再也不用再代码里写csrf逻辑了

不懂envoyfilter也敢说精通istio系列http-jwt_authn-不要只会RequestAuthorization

不懂envoyfilter也敢说精通istio系列-05-fault-filter-故障注入不止是vs

不懂envoyfilter也敢说精通istio系列-06-http-match-配置路由不只是vs

不懂envoyfilter也敢说精通istio系列-07-负载均衡配置不止是dr

不懂envoyfilter也敢说精通istio系列-08-连接池和断路器

不懂envoyfilter也敢说精通istio系列-09-http-route filter

不懂envoyfilter也敢说精通istio系列-network filter-redis proxy

不懂envoyfilter也敢说精通istio系列-network filter-HttpConnectionManager

不懂envoyfilter也敢说精通istio系列-ratelimit-istio ratelimit完全手册

 

————————————————

vpa

•VPA 全称 Vertical Pod Autoscaler,即垂直 Pod 自动扩缩容,可以根据容器资源使用情况自动设置 CPU 和 内存 的请求值,从而允许在节点上进行适当的调度,以便为每个 Pod 提供适当的资源。它既可以缩小过度请求资源的容器,也可以根据其使用情况随时提升资源不足的容量。

部署:

git clone GitHub - kubernetes/autoscaler: Autoscaling components for Kubernetes

cd vertical-pod-autoscaler/

./hack/vpa-up.sh

VPA 有以下四种更新策略:

•Initial:仅在 Pod 创建时修改资源请求,以后都不再修改。

•Auto:默认策略,在 Pod 创建时修改资源请求,并且在 Pod 更新时也会修改。

•Recreate:类似 Auto,在 Pod 的创建和更新时都会修改资源请求,不同的是,只要Pod 中的请求值与新的推荐值不同,VPA 都会驱逐该 Pod,然后使用新的推荐值重新启一个。因此,一般不使用该策略,而是使用 Auto,除非你真的需要保证请求值是最新的推荐值。

•Off:不改变 Pod 的资源请求,不过仍然会在 VPA 中设置资源的推荐值。

recommand:

[root@master01 recommend]# cat ./*
apiVersion: autoscaling.k8s.io/v1beta2
kind: VerticalPodAutoscaler
metadata:
  name: my-rec-vpa
spec:
  targetRef:
    apiVersion: "apps/v1"
    kind: Deployment
    name: my-rec-deployment
  updatePolicy:
    updateMode: "Off"
apiVersion: apps/v1
kind: Deployment
metadata:
  name: my-rec-deployment
  labels:
    purpose: try-recommend
spec:
  selector:
    matchLabels:
      purpose: try-recommend
  replicas: 2
  template:
    metadata:
      labels:
        purpose: try-recommend
    spec:
      containers:
      - name: my-rec-container
        image: nginx:latest

auto:

[root@master01 try-auto-requests]# cat ./*
apiVersion: autoscaling.k8s.io/v1beta2
kind: VerticalPodAutoscaler
metadata:
  name: my-rec-vpa
spec:
  targetRef:
    apiVersion: "apps/v1"
    kind: Deployment
    name: my-deployment
  updatePolicy:
    updateMode: "Auto"
apiVersion: apps/v1
kind: Deployment
metadata:
  name: my-deployment
  labels:
    purpose: try-auto-requests
spec:
  replicas: 2
  selector:
    matchLabels:
      purpose: try-auto-requests
  template:
    metadata:
      labels:
        purpose: try-auto-requests
    spec:
      containers:
      - name: my-container
        image: alpine:latest
        resources:
          requests:
            cpu: 100m
            memory: 50Mi
        command: ["/bin/sh"]
        args: ["-c", "while true; do timeout 0.5s yes >/dev/null; sleep 0.5s; done"]

VPA 主要包含三个组件:

•Admission Controller

•Recommender

•Updater

yolov8训练模型的一些心得-总结篇 先放在这,等过几天我都弄完了详细给大家说说(哈哈其实是给我自己说说,记录一下怕忘记) 阅读详情

相关推荐

k8s垂直 Pod 自动伸缩(VPA)

以一个简单的Java Web应用为例,假设该应用部署在Kubernetes集群中,初始时为其分配了一定的CPU和内存资源。随着业务的发展,应用的负载会发生变化,下面展示如何使用VPA来动态调整资源分配。

he20021221的博客 807

k8s实战之kubectl

本课程将详细介绍k8s所有命令,以及命令的go源码分析,学习知其然,知其所以然

K8S系列:Pod的扩缩容方法

手动扩缩容机制 scale 自动扩缩容机制 scaleTargetRef 也可以自定义一些指标 当到达指标设置阈值时,进行扩容

NIO4444 647

kubectl源码分析之apply

发布一个k8s部署视频:https://edu.youkuaiyun.com/course/detail/26967 课程内容:各种k8s部署方式。包括minikube部署,kubeadm部署,kubeasz部署,rancher部署,k3s部署。包括开发测试环境部署k8s,和生产环境部署k8s。 腾讯课堂连接地址https://ke.qq.com/course/478827?taid=4373109931462251&tuin=ba64518 第二个视频发布https://edu.youkuaiyun.com/c..

mark's technic world 1809

SpyGlass CDC实战:如何用sgdc约束文件解决跨时钟域报错(附常见错误排查)

本文详细介绍了如何使用SpyGlass CDC工具链中的sgdc约束文件解决跨时钟域(CDC)报错问题。从基础约束文件架构到复杂场景调试,涵盖了时钟域定义、复位信号约束、Waiver策略等关键技巧,并附有常见错误排查方法,帮助工程师高效处理CDC验证挑战。

loss4bartender的博客 1149

HFSS线圈仿真避坑指南:从建模到寄生参数分析的完整流程

本文详细介绍了HFSS线圈仿真的完整流程,从精准建模到寄生参数优化,特别针对Ansys Electronics Desktop用户提供实用指南。涵盖线圈几何构建、材料属性配置、端口激励设置及寄生电阻与电感分析等关键步骤,帮助工程师避免常见错误,提升仿真精度与效率。

weixin_29209801的博客 551

k8s学习--kubernetes服务自动伸缩之垂直伸缩(资源伸缩)VPA详细解释与安装

有任何疑问或不懂的地方均可评论或私信,欢迎交流官方链接。## 简单理解 与HPA类似,区别在于HPA自动控制的pod副本数量 而VPA则自动控制的是CPU 和 内存 的requests,从而允许在节点上进行适当的调度,以便为每个 Pod 提供适当的资源。 注: 不能与HPA(Horizontal Pod Autoscaler )一起使用 这个是博主写的有关HPA的博客,有兴趣的可以看看 链接: [HPA详细解释与应用](https://blog.youkuaiyun.com/lwxvgdv/article/deta

lwxvgdv的博客 3573

Python逻辑回归——以车险定价为例(附代码)

保费定价也成为费率厘定,是保险公司运营的环节之一。其过程是根据保单(被保险人)的损失经验和其他相关信息建立模型,并且对未来的保险成本(赔款、代理人佣金、一般管理费用、理赔费用以及支持该业务所需的资本金成本)进行预测的过程。保险公司实际使用的费率还会受到市场供求关系和公司自身发展战略的影响。汽车保险也称机动车辆保险,失意机动车辆本身及其第三者责任等为保险标的的一种运输工具险,在非寿险井算领域中占有重要地位。

m0_62929945的博客 1985

从OOM到平稳运行:VPA与Prometheus打造K8s资源监控告警体系

在Kubernetes集群中,"Pod内存溢出(OOM)"和"CPU资源耗尽"是运维人员最常面对的两类故障。当业务容器因资源配置不当频繁重启时,不仅影响服务可用性,更可能导致数据丢失或交易失败。Vertical Pod Autoscaler(VPA,垂直Pod自动扩缩器)作为Kubernetes的核心自动扩缩容组件,能够动态调整容器资源请求与限制,而Prometheus告警规则则可实时监控资源异常...

gitblog_00803的博客 1052

树莓派 Raspberry Pi 使用 YOLOv8 YOLOv10 YOLOv11进行目标检测及推理加速,Run YOLOv8 YOLOv10 YOLOv11 on Raspberry Pi

libcamera 是 linux 新增加用于访问 camera 的 API。树莓派参与了 libcamera 的开发,并且在新的摄像头软件中开始从依赖于固件的摄像头图像处理管道(Image processing pipeline, ISP)迁移到更加开放的 libcamera。当然这块用USB 摄像头应该也是可以的。

shiter编写程序的艺术 5571

ISO2626 --- Item Definition相关项定义

本文并不是针对ISO26262的一个项目,而是针对ISO26262的规范,我们在相关项定义阶段,我们需要做什么,我们的文档需要包含哪些内容的一个描述。

wj博客 909

‌K8s 资源调度:HPA 与 VPA 自动扩缩容

是两种关键的自动扩缩容机制,通过动态调整资源分配来优化应用性能与成本效率。:VPA 在调整资源时会重建 Pod,对有状态服务需结合。在 Kubernetes 集群中,和持久化存储确保数据安全。

2501_93894147的博客 512

uniapp - 热更新提示:WGT安装包中manifest.json文件不存在 | unexpected EOF!报错详细解决,完美搞定WGT安装包中WWW目录下manifest.json不存在问题

uniapp,安卓android,苹果ios,热更新,热更新code:-1202报错,,WGT热更新报错,uniapp热更新wgt出现报错manifest.json文件不存,uniapp安卓苹果软件热更新时出现错误unexpected EOF!如何解决,怎么解决热更新wgt报错,app新版本下载安装报错WGT安装包中manifest.json文件不存在,WGT安装包中WWW目录下manifest.json不存在,uniapp热更新报错安装失败[-1201]:WGT/WGTU文件格式错误,uniapp-wgt

✅ 精选推荐文章 1万+

Kubernetes资源调优终极指南:VPA与Sidecar容器动态管理实战

在Kubernetes集群管理中,资源调优是提升应用性能和降低成本的关键环节。Vertical Pod Autoscaler(VPA)作为Kubernetes生态中重要的自动扩缩容工具,能够根据容器的实际资源需求动态调整CPU和内存配置,有效解决资源浪费和性能瓶颈问题。本文将深入探讨VPA的核心功能、与Sidecar容器的协同管理策略,以及通过Multidimensional Pod Autosc

gitblog_00691的博客 879

轨迹优化 | 基于ESDF的共轭梯度优化算法(附ROS C++/Python仿真)

共轭梯度法的核心原理是求解优化问题的共轭向量组作为优化方向,由于优化方向间彼此正交,故每次迭代只需沿着一个方向寻优而互不影响。本文设计基于ESDF的障碍约束、曲率约束和平滑约束,基于ROS C++和Python提供了共轭梯度法的轨迹优化实践案例

FRIGIDWINTER的博客 1万+

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

K8s Crane和VPA的资源推荐算法

vpa介绍vpa全称Vertical Pod Autoscaler ,它是google论文Autopilot: Workload Autoscaling at Google Scale的开源实现。它根据pod里的container的历史监控数据来推荐container的request资源,即vpa扩容是直接修改pod里的resource的request、limit(可以在vpa资源里配置只修改re...

u012516914的专栏 1866

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

Kubernetes VPA资源稳定化配置深度解析:从频繁调整到智能控制

在Kubernetes集群中,Vertical Pod Autoscaler(VPA)作为垂直扩缩容的核心组件,能够根据应用的实际资源使用情况动态调整Pod的CPU和内存配置。然而,许多运维团队在实际部署中面临一个共同挑战:VPA的频繁资源调整导致Pod重启,影响业务稳定性。本文将从技术原理出发,深入探讨VPA资源调整的机制,并提供一套完整的稳定化配置方案。 ## 问题现象:资源波动引发的连锁反

gitblog_00203的博客 342

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

彻底解决Kubernetes VPA频繁扩缩容:3个关键阈值配置让Pod资源稳定运行

你是否经历过Kubernetes集群中Vertical Pod Autoscaler(VPA)频繁调整Pod资源导致的业务波动?当CPU和内存使用率在小范围内波动时,VPA不断触发资源调整,导致Pod重启、服务中断,这种"过度敏感"的行为严重影响业务稳定性。本文将深入分析VPA频繁扩缩容的根本原因,并提供3个关键阈值配置方案,帮助你实现Pod资源的稳定运行。 ## 痛点场景:VPA的"过度敏感"

gitblog_00763的博客 800

K8s HPA 与 VPA 的自适应弹性伸缩策略:从静态阈值到预测驱动,云原生资源的效率革命

K8s 弹性伸缩从静态阈值到预测驱动,核心是将"被动响应"升级为"主动准备"。多指标 HPA 提供更精准的扩缩容决策,预测驱动在流量高峰前提前扩容,VPA 优化资源配额减少浪费。但预测准确率、Pod 重启、HPA/VPA 冲突和冷启动延迟是需要持续关注的边界条件。落地建议:HPA 使用多指标而非单一 CPU 指标;VPA 仅用推荐模式;预测驱动与反应式 HPA 结合;预留缓冲副本应对冷启动。

dicky_zhang3的博客 3628

【K8S 运维实战】24-资源优化HPA与VPA

线上跑了一年的集群,大多数资源利用率在 20-30%,但每到促销就要扩容。同学来问:"能不能让集群自己跟着流量长?"答案能,但要看清四件事:HPA(Pod 数量伸缩)、VPA(Pod 资源配额伸缩)、Cluster Autoscaler(节点伸缩)、KEDA(事件驱动伸缩)。这四个组件单独用都有明显短板,组合用才是生产方案。这一篇我把生产里跑了三年的弹性方案整理出来,从算法原理 → 配置 → 踩坑 → 多级组合,最后给一份"伸缩滞后评估表",让你能预估业务流量翻 5 倍时到底要等多久。

2601_96075259的博客 353

Kubernetes 资源水平自动伸缩(Horizontal Pod Autoscaler[HPA])与纵向自动扩缩(VerticalPodAutoscaler[VPA])

Pod 水平自动伸缩 那些使用情况随着时间而变化的应用程序,需要添加或删除 Pod 副本以响应应用程序需求的变化。Pod 水平自动伸缩(HPA)可以管理增减 Pod 副本数。 HPA 支持有状态、无状态应用程序的伸缩。将 HPA 与集群自动伸缩组件结合使用(请参见下文)可以减少 Pod 数量,从而减少活动节点的数量,以节省经常因需求变化的工作负载成本。 对于配置了 HPA 的工作负载,HPA 控制器监视 Pod 的工作负载,以确定是否需要改变 Pod 副本数。大多数情况下,控制器会选取每个 Pod 的平均值

爱死亡机器人 1706

【Kubernetes】k8s 自动伸缩机制—— HPA 部署

●HPA 是 控制器管理pod资源的副本数量 实现自动伸缩●原理:追踪可控制器管理的pod负载情况,来根据设置的阈值来动态调整pod副本的数量●metrics-server 收集k8s中的node、pod 等资源的使用情况,kubectl top node/pod●kubectl autoscale 控制器 --cpuprecent=60 --min=最小值 --max=最大值。

Mo_nor的博客 2454

深度优化Kubernetes VPA:3个核心策略告别Pod资源频繁震荡

在Kubernetes集群中,Vertical Pod Autoscaler(VPA)作为垂直扩缩容的核心组件,能够根据应用实际资源使用情况动态调整Pod的CPU和内存请求。然而,许多团队在实践中发现VPA频繁调整Pod资源配置,导致业务不稳定、Pod重启频繁等问题。本文将深入分析VPA频繁扩缩容的根本原因,并分享3个核心优化策略,帮助你在保证资源利用率的同时,确保业务稳定性。 ## 问题现象:

gitblog_00520的博客 146

VPA 垂直扩缩容实践:从 Pod 到容器

问题:如何基于自定义指标实现 HPA 和 VPA 共存。解决方案# 基于自定义指标的 HPAmetadata:spec:metrics:pods:metric:target:---metadata:spec:targetRef:cpu: 100mcpu: 2000m。

2609_95049439的博客 2753

Kubernetes 垂直扩展(VPA)深度解读:Pod 资源动态调整终于来了

Kubernetes VPA(Vertical Pod Autoscaler)是一种自动调整Pod资源请求和限制的工具,用于解决资源分配不合理的问题。相比HPA(水平扩展Pod数量),VPA更适合单实例、有状态、GPU等不适合水平扩展的工作负载。VPA包含三个核心组件:Recommender(基于历史指标计算资源推荐值)、Admission Controller(在Pod创建时注入推荐值)和Updater(自动驱逐偏离推荐的Pod)。VPA与HPA互补,HPA负责调整副本数,VPA则优化单个Pod的资源分配

软件工程师文艺 408
上一篇: k8s资源之hpa
下一篇: helm dep update和build的区别
hxpjava1
博客等级 码龄19年 1365粉丝 511原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

hxpjava1

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值