Halaman ini diterjemahkan oleh Cloud Translation API.

Menskalakan dan menskalakan otomatis layanan runtime

Anda dapat menskalakan sebagian besar layanan yang berjalan di Kubernetes dari command line atau dalam penggantian konfigurasi. Anda dapat menetapkan parameter penskalaan untuk layanan runtime hybrid Apigee di file overrides.yaml.

Layanan	Diterapkan Sebagai	Penskalaan
Cassandra	ApigeeDatastore (CRD)	Lihat Menskalakan Cassandra.
Ingress/LoadBalancer	Deployment	Cloud Service Mesh menggunakan Penskalaan Otomatis Pod Horizontal (HPA).
Logger	DaemonSet	DaemonSet mengelola replika pod di semua node, sehingga ia diskalakan saat Anda menskalakan pod itu sendiri.
MART Apigee Connect Watcher	ApigeeOrganization (CRD)	Untuk menskalakan melalui konfigurasi, tingkatkan nilai properti konfigurasi `replicaCountMin` Deployment untuk stanza `mart`, `watcher`, dan/atau `connectAgent`. Contoh: mart: replicaCountMax: 2 replicaCountMin: 1 watcher: replicaCountMax: 2 replicaCountMin: 1 connectAgent: replicaCountMax: 2 replicaCountMin: 1 Deployment ini menggunakan Horizontal Pod Autoscaler untuk penskalaan otomatis. Tetapkan properti `targetCPUUtilizationPercentage` objek Deployment ke nilai minimum untuk penskalaan ke atas; jika nilai ini terlampaui, Kubernetes akan menambahkan pod hingga nilai `replicaCountMax`. Untuk informasi selengkapnya tentang cara menetapkan properti konfigurasi, lihat Mengelola komponen bidang runtime.
Runtime Sinkronisasi UDCA	ApigeeEnvironment (CRD)	Untuk menskalakan melalui konfigurasi, tingkatkan nilai properti `replicaCountMin` untuk stanza `udca`, `synchronizer`, dan/atau `runtime` dalam file penggantian. Contoh: synchronizer: replicaCountMax: 10 replicaCountMin: 1 runtime: replicaCountMax: 10 replicaCountMin: 1 udca: replicaCountMax: 10 replicaCountMin: 1 Catatan: Perubahan ini berlaku untuk SEMUA lingkungan dalam file penggantian. Jika Anda ingin menyesuaikan penskalaan untuk setiap lingkungan, lihat Konfigurasi lanjutan di bawah. Deployment ini menggunakan Horizontal Pod Autoscaler untuk penskalaan otomatis. Tetapkan properti `targetCPUUtilizationPercentage` objek Deployment ke nilai minimum untuk penskalaan ke atas; jika nilai ini terlampaui, Kubernetes akan menambahkan pod hingga nilai `replicaCountMax`. Untuk informasi selengkapnya tentang cara menetapkan properti konfigurasi, lihat Mengelola komponen bidang runtime.

Konfigurasi lanjutan

Dalam beberapa skenario, Anda mungkin perlu menggunakan opsi penskalaan lanjutan. Contoh skenario mencakup:

Menetapkan opsi penskalaan yang berbeda untuk setiap lingkungan. Misalnya, dengan env1 memiliki minReplica 5 dan env2 memiliki minReplica 2.
Menetapkan opsi penskalaan yang berbeda untuk setiap komponen dalam lingkungan. Misalnya, dengan komponen udca memiliki maxReplica 5 dan komponen synchronizer memiliki maxReplica 2.

Contoh berikut menunjukkan cara menggunakan perintah kubernetes patch untuk mengubah properti maxReplicas untuk komponen runtime:

Buat variabel lingkungan untuk digunakan dengan perintah:

export ENV_NAME=my-environment-name
export ENV_RELEASE_NAME=$ENV_NAME # the Helm release name for the environment
export APIGEE_NAMESPACE=apigee  #the namespace where Apigee is deployed
export COMPONENT=runtime #can be udca or synchronizer
export MAX_REPLICAS=2
export MIN_REPLICAS=1

Terapkan patch. Perhatikan bahwa contoh ini mengasumsikan bahwa kubectl ada di PATH Anda:

kubectl patch apigeeenvironment -n $APIGEE_NAMESPACE \
  $(kubectl get apigeeenvironments -n $APIGEE_NAMESPACE -o jsonpath='{.items[?(@.spec.name == "'$ENV'" )]..metadata.name}') \
  --patch "$(echo -e "spec:\n  components:\n    $COMPONENT:\n      autoScaler:\n        maxReplicas: $MAX_REPLICAS\n        minReplicas: $MIN_REPLICAS")" \
  --type merge

Verifikasi perubahan yang terjadi:
```
kubectl get hpa -n $APIGEE_NAMESPACE
```

Penskalaan berbasis lingkungan

Secara default, penskalaan dijelaskan di tingkat organisasi. Anda dapat mengganti setelan default dengan menentukan penskalaan khusus lingkungan dalam file overrides.yaml seperti yang ditunjukkan dalam contoh berikut:

envs:
  # Apigee environment name
  - name: ENV_NAME>
    components:
    # Environment-specific scaling override
    # Otherwise, uses scaling defined at the respective root component
     runtime:
      replicaCountMin: 2
      replicaCountMax: 20

Penskalaan berbasis metrik

Dengan penskalaan berbasis metrik, runtime dapat menggunakan metrik CPU dan aplikasi untuk menskalakan pod apigee-runtime. Horizontal Pod Autoscaler (HPA) API Kubernetes, menggunakan kolom hpaBehavior untuk mengonfigurasi perilaku penskalaan ke atas dan penskalaan ke bawah layanan target. Penskalaan berbasis metrik tidak tersedia untuk komponen lain dalam deployment campuran.

Penskalaan dapat disesuaikan berdasarkan metrik berikut:

Metrik	Ukur	Pertimbangan
serverMainTaskWaitTime	Waktu tunggu rata-rata (dalam md) antrean pemrosesan di instance runtime untuk permintaan proxy guna memproses kebijakan.	Metrik ini mengukur dampak kompleksitas dalam kebijakan yang dilampirkan ke alur permintaan proxy.
serverNioTaskWaitTime	Waktu tunggu rata-rata (dalam md) antrean pemrosesan dalam instance runtime untuk permintaan proxy di lapisan http.	Metrik ini mengukur dampak jumlah dan ukuran payload permintaan dan respons proxy.

Contoh berikut dari stanza runtime di overrides.yaml mengilustrasikan parameter standar (dan rentang yang diizinkan) untuk menskalakan pod apigee-runtime dalam implementasi campuran:

runtime:
  # the following parameters configure metrics-based scaling
  hpaMetrics:
    serverMainTaskWaitTime: 400M # (range: 300M to 450M)
    serverNioTaskWaitTime: 400M # (range: 300M to 450M)
    targetCPUUtilizationPercentage: 75
  hpaBehavior:
    scaleDown:
      percent:
        periodSeconds: 60 # (range: 30 - 180)
        value: 20 # (range: 5 - 50)
      pods:
        periodSeconds: 60 # (range: 30 - 180)
        value: 2 # (range: 1 - 15)
      selectPolicy: Min
      stabilizationWindowSeconds: 120 # (range: 60 - 300)
    scaleUp:
      percent:
        periodSeconds: 60 # (range: 30 - 120)
        value: 20 # (range: 5 - 100)
      pods:
        periodSeconds: 60 # (range: 30 - 120)
        value: 4 # (range: 2 - 15)
      selectPolicy: Max
      stabilizationWindowSeconds: 30 # (range:  30 - 120)

Terapkan setelan ini dengan memperbarui diagram apigee-runtime untuk setiap lingkungan. Contoh:

helm upgrade $ENV_RELEASE_NAME apigee-runtime/ \
  --namespace APIGEE_NAMESPACE \
  --atomic \
  --set env=$ENV_NAME \
  -f overrides.yaml

Mengaktifkan atau menonaktifkan penskalaan berbasis metrik

Penskalaan berbasis metrik diaktifkan secara default. Anda dapat mengaktifkan atau menonaktifkan penskalaan berbasis metrik dengan menetapkan properti customAutoscaling.enabled ke true atau false. Terapkan perubahan pada properti customAutoscaling.enabled dengan memperbarui diagram apigee-telemetry. Contoh:

helm upgrade telemetry apigee-telemetry/ \
  --namespace APIGEE_NAMESPACE \
  --atomic \
  -f overrides.yaml

Mengonfigurasi penskalaan yang lebih agresif

Meningkatkan nilai percent dan pods kebijakan penskalaan akan menghasilkan kebijakan penskalaan yang lebih agresif. Demikian pula, meningkatkan nilai percent dan pods di scaleDown akan menghasilkan kebijakan penskalaan turun yang agresif. Contoh:

runtime:
  # ...
  hpaMetrics:
    serverMainTaskWaitTime: 400M
    serverNioTaskWaitTime: 400M
    targetCPUUtilizationPercentage: 75
  hpaBehavior:
    scaleDown:
      percent:
        periodSeconds: 60
        value: 20
      pods:
        periodSeconds: 60
        value: 4
      selectPolicy: Min
      stabilizationWindowSeconds: 120
    scaleUp:
      percent:
        periodSeconds: 60
        value: 30
      pods:
        periodSeconds: 60
        value: 5
      selectPolicy: Max
      stabilizationWindowSeconds: 30

Pada contoh di atas, scaleDown.pods.value ditingkatkan menjadi 5, scaleUp.percent.value ditingkatkan menjadi 30, dan scaleUp.pods.value ditingkatkan menjadi 5.

Catatan: Nilai periodSeconds tidak boleh di bawah 30.

Mengonfigurasi penskalaan yang kurang agresif

Nilai konfigurasi hpaBehavior juga dapat dikurangi untuk menerapkan kebijakan penskalaan dan penskalaan turun yang kurang agresif. Contoh:

runtime:
  # ...
  hpaMetrics:
    serverMainTaskWaitTime: 400M
    serverNioTaskWaitTime: 400M
    targetCPUUtilizationPercentage: 75
  hpaBehavior:
    scaleDown:
      percent:
        periodSeconds: 60
        value: 10
      pods:
        periodSeconds: 60
        value: 1
      selectPolicy: Min
      stabilizationWindowSeconds: 180
    scaleUp:
      percent:
        periodSeconds: 60
        value: 20
      pods:
        periodSeconds: 60
        value: 4
      selectPolicy: Max
      stabilizationWindowSeconds: 30

Pada contoh di atas, scaleDown.percent.value dikurangi menjadi 10, scaleDown.pods.value dikurangi menjadi 1, dan scaleUp.stablizationWindowSeconds ditingkatkan menjadi 180.

Untuk mengetahui informasi selengkapnya tentang penskalaan berbasis metrik menggunakan kolom hpaBehavior, lihat Kebijakan penskalaan.

Pemecahan masalah

Bagian ini menjelaskan metode pemecahan masalah terkait error umum yang mungkin Anda alami saat mengonfigurasi penskalaan dan penskalaan otomatis.

HPA menampilkan `unknown` untuk nilai metrik

Jika penskalaan berbasis metrik tidak berfungsi dan HPA menampilkan unknown untuk nilai metrik, gunakan perintah berikut untuk memeriksa output HPA:

kubectl describe hpa HPA_NAME

Saat menjalankan perintah, ganti HPA_NAME dengan nama HPA yang ingin Anda lihat.

Output akan menampilkan target CPU dan penggunaan layanan, yang menunjukkan bahwa penskalaan CPU akan berfungsi tanpa penskalaan berbasis metrik. Untuk perilaku HPA yang menggunakan beberapa parameter, lihat Penskalaan pada beberapa metrik.