ghcr.io/traas-stack/kapacity-manager:v0.2.0

English | 中文

♻️ Kapacity 是一个开源云原生容量解决方案，帮助您以智能且无风险的方式实现极致的资源利用率。

它能自动化您的扩缩容流程，降低容量风险，同时节省您的精力与成本。

Kapacity 基于蚂蚁集团大规模生产容量系统的核心思想和多年经验（该系统每年节省约10万核资源，具有高稳定性和零停机时间），并结合了云原生社区的最佳实践。

✨ 观看我们在 KubeCon China 2023 上的演讲（中文）《How We Build Production-Grade HPA: From Effective Algorithm to Risk-Free Autoscaling》，深入了解 Kapacity 智能 HPA 的核心理念与原则！

[!NOTE] Kapacity 仍在积极开发中，并非所有提议的功能都已实现。如果您有任何需求或疑问，欢迎通过社区直接与我们交流。

核心功能

智能 HPA

Kubernetes HPA 是自动扩缩云原生工作负载的常用方式，但它存在以下显著局限性，使其在实际大规模生产环境中效果和实用性欠佳：

• HPA 采用被动响应式工作方式，这意味着它仅在目标指标超过预期值之后才会生效。对于流量峰值，尤其是启动时间较长的应用，HPA 难以提供快速且平稳的响应。
• HPA 通过简单的比例算法基于指标计算副本数量，假设副本数量与相关指标存在严格的线性相关性。然而，现实世界中并非总是如此。
• 在生产环境中，扩缩容是高风险操作，但 HPA 除了扩缩速率控制外，几乎没有提供其他风险缓解手段。
• HPA 是 Kubernetes 的内置组件，严格来说这并非缺陷，但它确实将某些功能/行为限制在特定 Kubernetes 版本，且终端用户无法根据自身需求扩展或调整其功能。

因此，我们构建了智能 HPA（IHPA），作为 HPA 的智能、风险防御、高度自适应且可定制的替代方案。它具有以下核心功能：

• 基于多种智能算法的自动扩缩容，所有算法均可组合且可定制
  • 用于预测未来合适副本数量的算法，利用指标的时间序列预测和高级指标-副本建模，使其适用于实际生产中的多种场景，例如多周期和趋势性流量、受多种流量影响的负载、负载与副本数量之间的非线性相关性等。
  • 用于检测异常流量或潜在容量风险并主动建议安全副本数量的算法。
  • 此外，还内置了经典的被动比例算法和基于 cron 的副本控制。
• 具备多种风险防御手段的扩缩容
  • 细粒度的 Pod 状态控制，支持多阶段缩容。您可以仅关闭 Pod 的流量进行缩容，或释放其资源而不实际停止应用或删除 Pod。这能在需要时极大提高回滚（再次扩容）的速度。
  • 完全可定制的扩容和缩容灰度变更。您甚至可以将其与 Pod 状态控制机制结合，实现多阶段灰度变更。
  • 基于可定制稳定性检查的自动风险缓解。您可以让它监控任意指标（不限于驱动自动扩缩的指标）以检测风险，甚至定义自己的检测逻辑，它能自动采取暂停或回滚扩缩容等操作来缓解风险。
• 开放且高度可扩展的架构
  • IHPA 分为三个独立模块：副本数量计算、工作负载副本控制和整体自动扩缩流程管理。每个模块均可替换和扩展。
  • 暴露了多种扩展点，使 IHPA 的行为完全可定制和扩展。例如，您可以自定义如何控制 Pod 的流量、哪些 Pod 应优先缩容、如何在自动扩缩过程中检测风险等。

它可自动化您的扩缩容流程，降低容量风险，同时节省您的精力与成本。

Kapacity 基于蚂蚁集团大规模生产容量系统的核心思想与多年经验构建而成，该系统每年节省约10万核资源，且具备高稳定性与零停机时间，并融合了云原生社区的最佳实践。

✨ 观看我们在 KubeCon China 2023 上的中文演讲《如何构建生产级HPA：从高效算法到无风险自动扩缩容》（[***] Kapacity 智能HPA的核心理念与原则！

[!NOTE] Kapacity 仍在积极开发中，并非所有提议的功能都已实现。如果您有任何需求或疑问，欢迎通过社区直接与我们交流。

核心特性

智能HPA

Kubernetes HPA 是云原生工作负载自动扩缩容的常用方式，但其存在以下显著限制，使其在实际大规模生产环境中效果欠佳且实用性不足：

• HPA 采用被动响应式工作方式，这意味着它仅在目标指标超过预期值后才会触发。对于流量峰值，尤其是启动时间较长的应用，HPA 难以提供快速且平稳的响应。
• HPA 通过简单的比例算法基于指标计算副本数量，假设副本数量与相关指标存在严格的线性关系。然而，在实际场景中并非总是如此。
• 在生产环境中，扩缩容是一项高风险操作，但 HPA 除了扩缩速率控制外，几乎没有提供其他风险缓解手段。
• HPA 是 Kubernetes 的内置组件，严格来说这并非缺陷，但它确实将某些功能/行为限制在特定 Kubernetes 版本中，且终端用户无法根据自身需求扩展或调整其功能。

因此，我们构建了智能 HPA（IHPA），作为 HPA 的智能、风险防御、高度自适应且可定制的替代方案。它具有以下核心特性：

• 基于多种智能算法的自动扩缩容，所有算法均可组合且可定制
  • 通过指标的时间序列预测和高级指标-副本建模，预测未来合适的副本数量，适用于实际生产中的多种场景，如多周期和趋势性流量、受多种流量影响的负载、负载与副本数量间的非线性关系等。
  • 检测异常流量或潜在容量风险，并主动建议安全的副本数量的算法。
  • 此外，还内置了经典的被动比例算法和基于 cron 的副本控制。
• 具备多种风险防御手段的扩缩容
  • 细粒度的 Pod 状态控制，支持多阶段缩容。您可以仅关闭 Pod 的流量，或释放其资源，而无需实际停止应用或删除 Pod 来实现缩容。这在需要时可极大提高回滚（再次扩容）的速度。
  • 完全可定制的扩容和缩容灰度变更。您甚至可以将其与 Pod 状态控制机制结合，实现多阶段灰度变更。
  • 基于可定制稳定性检查的自动风险缓解。您可以让其监控任意指标（不限于驱动自动扩缩容的指标）以进行风险检测，甚至定义自己的检测逻辑，它可以自动采取暂停或回滚扩缩容等操作来缓解风险。
• 开放且高度可扩展的架构
  • IHPA 分为三个独立模块：副本数量计算、工作负载副本控制和整体自动扩缩容流程管理。每个模块均可替换和扩展。
  • 暴露了多种扩展点，使 IHPA 的行为完全可定制和扩展。例如，您可以自定义如何控制 Pod 的流量、哪些 Pod 应优先缩容、如何在自动扩缩容过程中检测风险等。

开始使用 Kapacity

请参阅我们的文档：kapacity.netlify.app。

阅读快速入门教程也是开始使用的好方法。

社区与支持

您有疑问或想法？请通过以下方式联系我们：

• 有一般性问题或想法？→ https://github.com/traas-stack/kapacity/discussions
• 想要报告 bug 或请求功能？→ https://github.com/traas-stack/kapacity/issues
• 想要进一步交流？通过以下方式加入我们的社区：
  • Slack（主要面向英语使用者）
  • 钉钉（主要面向中文使用者，群号：27855025593）

贡献

我们热烈欢迎任何形式的贡献 🤗，详情请阅读贡献指南。