cluster-proportional-autoscaler源码分析及如何解决KubeDNS性能瓶颈
cluster-proportional-autoscaler源码分析及如何解决KubeDNS性能瓶颈，很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。
创新互联是一家专业提供雁山企业网站建设,专注与成都网站建设、成都做网站、H5场景定制、小程序制作等业务。10年已为雁山众多企业、政府机构等服务。创新互联专业的建站公司优惠进行中。
工作机制
cluster-proportional-autoscaler是kubernetes的孵化项目之一，用来根据集群规模动态的扩缩容指定的namespace下的target（只支持RC, RS, Deployment），还不支持对StatefulSet。目前只提供两种autoscale模式，一种是linear，另一种是ladder，你能很容易的定制开发新的模式，代码接口非常清晰。
cluster-proportional-autoscaler工作机制很简单，每隔一定时间（通过--poll-period-seconds配置，默认10s）重复进行如下操作：
统计一次集群中ScheduableNodes和ScheduableCores；
从apiserver中获取最新configmap数据；
根据对应的autoscale模式，进行configmap参数解析；
据对应的autoscale模式，计算新的期望副本数；
如果与上一次期望副本数不同，则调用Scale接口触发AutoScale；
配置说明
cluster-proportional-autoscaler一共有下面6项flag：
--namespace: 要autoscale的对象所在的namespace；
--target: 要autoscale的对象，只支持deployment/replicationcontroller/replicaset，不区分大小写；
--configmap: 配置实现创建好的configmap，里面存储要使用的模式及其配置，后面会有具体的示例；
--default-params: 如果
--configmap中配置的configmap不存在或者后来被删除了，则使用该配置来创建新的configmap，建议要配置；--poll-period-seconds: 检查周期，默认为10s。
--version: 打印vesion并退出。
源码分析
pollAPIServer
pkg/autoscaler/autoscaler_server.go:82
func (s *AutoScaler) pollAPIServer() {
// Query the apiserver for the cluster status --- number of nodes and cores
clusterStatus, err := s.k8sClient.GetClusterStatus()
if err != nil {
glog.Errorf("Error while getting cluster status: %v", err)
return
}
glog.V(4).Infof("Total nodes %5d, schedulable nodes: %5d", clusterStatus.TotalNodes, clusterStatus.SchedulableNodes)
glog.V(4).Infof("Total cores %5d, schedulable cores: %5d", clusterStatus.TotalCores, clusterStatus.SchedulableCores)
// Sync autoscaler ConfigMap with apiserver
configMap, err := s.syncConfigWithServer()
if err != nil || configMap == nil {
glog.Errorf("Error syncing configMap with apiserver: %v", err)
return
}
// Only sync updated ConfigMap or before controller is set.
if s.controller == nil || configMap.ObjectMeta.ResourceVersion != s.controller.GetParamsVersion() {
// Ensure corresponding controller type and scaling params.
s.controller, err = plugin.EnsureController(s.controller, configMap)
if err != nil || s.controller == nil {
glog.Errorf("Error ensuring controller: %v", err)
return
}
}
// Query the controller for the expected replicas number
expReplicas, err := s.controller.GetExpectedReplicas(clusterStatus)
if err != nil {
glog.Errorf("Error calculating expected replicas number: %v", err)
return
}
glog.V(4).Infof("Expected replica count: %3d", expReplicas)
// Update resource target with expected replicas.
_, err = s.k8sClient.UpdateReplicas(expReplicas)
if err != nil {
glog.Errorf("Update failure: %s", err)
}
}GetClusterStatus
GetClusterStatus用于统计集群中SchedulableNodes, SchedulableCores，用于后面计算新的期望副本数。
pkg/autoscaler/k8sclient/k8sclient.go:142
func (k *k8sClient) GetClusterStatus() (clusterStatus *ClusterStatus, err error) {
opt := metav1.ListOptions{Watch: false}
nodes, err := k.clientset.CoreV1().Nodes().List(opt)
if err != nil || nodes == nil {
return nil, err
}
clusterStatus = &ClusterStatus{}
clusterStatus.TotalNodes = int32(len(nodes.Items))
var tc resource.Quantity
var sc resource.Quantity
for _, node := range nodes.Items {
tc.Add(node.Status.Capacity[apiv1.ResourceCPU])
if !node.Spec.Unschedulable {
clusterStatus.SchedulableNodes++
sc.Add(node.Status.Capacity[apiv1.ResourceCPU])
}
}
tcInt64, tcOk := tc.AsInt64()
scInt64, scOk := sc.AsInt64()
if !tcOk || !scOk {
return nil, fmt.Errorf("unable to compute integer values of schedulable cores in the cluster")
}
clusterStatus.TotalCores = int32(tcInt64)
clusterStatus.SchedulableCores = int32(scInt64)
k.clusterStatus = clusterStatus
return clusterStatus, nil
}Nodes数量统计时，是会剔除掉那些 Unschedulable Nodes的。
Cores数量统计时，是会减掉那些 Unschedulable Nodes对应Capacity。
请注意，这里计算Cores时统计的是Node的Capacity，而不是Allocatable。
我认为，使用Allocatable要比Capacity更好。
这两者在大规模集群时就会体现出差别了，比如每个Node Allocatable比Capacity少
1c4g,那么2K个Node集群规模时，就相差2000c8000g，这将是的target object number相差很大。
有些同学可能要问：Node Allocatable和Capacity有啥不同呢？
Capacity是Node硬件层面提供的全部资源，服务器配置的多少内存，cpu核数等，都是由硬件决定的。
Allocatable则要在Capacity的基础上减去kubelet flag中配置的kube-resreved和system-reserved资源大小，是Kubernetes给应用真正可分配的资源数。
syncConfigWithServer
syncConfigWithServer主要是从apiserver中获取最新configmap数据，注意这里并没有去watch configmap，而是按照--poll-period-seconds（默认10s）定期的去get，所以默认会存在最多10s的延迟。
pkg/autoscaler/autoscaler_server.go:124
func (s *AutoScaler) syncConfigWithServer() (*apiv1.ConfigMap, error) {
// Fetch autoscaler ConfigMap data from apiserver
configMap, err := s.k8sClient.FetchConfigMap(s.k8sClient.GetNamespace(), s.configMapName)
if err == nil {
return configMap, nil
}
if s.defaultParams == nil {
return nil, err
}
glog.V(0).Infof("ConfigMap not found: %v, will create one with default params", err)
configMap, err = s.k8sClient.CreateConfigMap(s.k8sClient.GetNamespace(), s.configMapName, s.defaultParams)
if err != nil {
return nil, err
}
return configMap, nil
}如果配置的
--configmap在集群中已经存在，则从apiserver中获取最新的configmap并返回；如果配置的
--configmap在集群中不存在，则根据--default-params的内容创建一个configmap并返回；如果配置的
--configmap在集群中不存在，且--default-params又没有配置，则返回nil，意味着失败，整个流程结束，使用时请注意！
建议一定要配置--default-params，因为--configmap配置的configmap有可能有意或者无意的被管理员/用户删除了，而你又没配置--default-params，那么这个时候pollAPIServer将就此结束，因为着你没达到autoscale target的目的，关键是你可能并在不知道集群这个时候出现了这个情况。
EnsureController
EnsureController用来根据configmap中配置的controller type创建对应Controller及解析参数。
pkg/autoscaler/controller/plugin/plugin.go:32
// EnsureController ensures controller type and scaling params
func EnsureController(cont controller.Controller, configMap *apiv1.ConfigMap) (controller.Controller, error) {
// Expect only one entry, which uses the name of control mode as the key
if len(configMap.Data) != 1 {
return nil, fmt.Errorf("invalid configMap format, expected only one entry, got: %v", configMap.Data)
}
for mode := range configMap.Data {
// No need to reset controller if control pattern doesn't change
if cont != nil && mode == cont.GetControllerType() {
break
}
switch mode {
case laddercontroller.ControllerType:
cont = laddercontroller.NewLadderController()
case linearcontroller.ControllerType:
cont = linearcontroller.NewLinearController()
default:
return nil, fmt.Errorf("not a supported control mode: %v", mode)
}
glog.V(1).Infof("Set control mode to %v", mode)
}
// Sync config with controller
if err := cont.SyncConfig(configMap); err != nil {
return nil, fmt.Errorf("Error syncing configMap with controller: %v", err)
}
return cont, nil
}检查configmap data中是否只有一个entry，如果不是，则该configmap不合法，流程结束；
检查controller的类型是否为
linear或ladder其中之一，并调用对应的方法创建对应的Controller，否则返回失败；linear --> NewLinearController
ladder --> NewLadderController
调用对应Controller的SyncConfig解析configmap data中参数和configmap ResourceVersion更新到Controller对象中；
GetExpectedReplicas
linear和ladder Controller分别实现了自己的GetExpectedReplicas方法，用来计算期望此次监控到的数据应该有的副本数。具体的看下面关于Linear Controller和Ladder Controller部分。
UpdateReplicas
UpdateReplicas将GetExpectedReplicas计算得到的期望副本数，通过调用对应target(rc/rs/deploy)对应的Scale接口，由Scale去完成target的缩容扩容。
pkg/autoscaler/k8sclient/k8sclient.go:172
func (k *k8sClient) UpdateReplicas(expReplicas int32) (prevRelicas int32, err error) {
scale, err := k.clientset.Extensions().Scales(k.target.namespace).Get(k.target.kind, k.target.name)
if err != nil {
return 0, err
}
prevRelicas = scale.Spec.Replicas
if expReplicas != prevRelicas {
glog.V(0).Infof("Cluster status: SchedulableNodes[%v], SchedulableCores[%v]", k.clusterStatus.SchedulableNodes, k.clusterStatus.SchedulableCores)
glog.V(0).Infof("Replicas are not as expected : updating replicas from %d to %d", prevRelicas, expReplicas)
scale.Spec.Replicas = expReplicas
_, err = k.clientset.Extensions().Scales(k.target.namespace).Update(k.target.kind, scale)
if err != nil {
return 0, err
}
}
return prevRelicas, nil
}下面是对Linear Controller和Ladder Controller具体实现的代码分析。
Linear Controller
先来看看linear Controller的参数：
pkg/autoscaler/controller/linearcontroller/linear_controller.go:50
type linearParams struct {
CoresPerReplica float64 `json:"coresPerReplica"`
NodesPerReplica float64 `json:"nodesPerReplica"`
Min int `json:"min"`
Max int `json:"max"`
PreventSinglePointFailure bool `json:"preventSinglePointFailure"`
}写configmap时，参考如下：
kind: ConfigMap
apiVersion: v1
metadata:
name: nginx-autoscaler
namespace: default
data:
linear: |-
{
"coresPerReplica": 2,
"nodesPerReplica": 1,
"preventSinglePointFailure": true,
"min": 1,
"max": 100
}其他参数不多说，我想提的是PreventSinglePointFailure,字面意思是防止单点故障，是一个bool值，代码中没有进行显示的初始化，意味着默认为false。可以在对应的configmap data或者dafault-params中设置"preventSinglePointFailure": true，但设置为true后，如果schedulableNodes > 1，则会保证target's replicas至少为2，也就是防止了target单点故障。
pkg/autoscaler/controller/linearcontroller/linear_controller.go:101
func (c *LinearController) GetExpectedReplicas(status *k8sclient.ClusterStatus) (int32, error) {
// Get the expected replicas for the currently schedulable nodes and cores
expReplicas := int32(c.getExpectedReplicasFromParams(int(status.SchedulableNodes), int(status.SchedulableCores)))
return expReplicas, nil
}
func (c *LinearController) getExpectedReplicasFromParams(schedulableNodes, schedulableCores int) int {
replicasFromCore := c.getExpectedReplicasFromParam(schedulableCores, c.params.CoresPerReplica)
replicasFromNode := c.getExpectedReplicasFromParam(schedulableNodes, c.params.NodesPerReplica)
// Prevent single point of failure by having at least 2 replicas when
// there are more than one node.
if c.params.PreventSinglePointFailure &&
schedulableNodes > 1 &&
replicasFromNode < 2 {
replicasFromNode = 2
}
// Returns the results which yields the most replicas
if replicasFromCore > replicasFromNode {
return replicasFromCore
}
return replicasFromNode
}
func (c *LinearController) getExpectedReplicasFromParam(schedulableResources int, resourcesPerReplica float64) int {
if resourcesPerReplica == 0 {
return 1
}
res := math.Ceil(float64(schedulableResources) / resourcesPerReplica)
if c.params.Max != 0 {
res = math.Min(float64(c.params.Max), res)
}
return int(math.Max(float64(c.params.Min), res))
}根据schedulableCores和configmap中的CoresPerReplica，按照如下公式计算得到replicasFromCore；
replicasFromCore = ceil( schedulableCores * 1/CoresPerReplica )
根据schedulableNodes和configmap中的NodesPerReplica，按照如下公式计算得到replicasFromNode；
replicasFromNode = ceil( schedulableNodes * 1/NodesPerReplica ) )
如果configmap中配置了min或者max，则必须保证replicas在min和max范围内；
replicas = min(replicas, max)
replicas = max(replicas, min)
如果配置了preventSinglePointFailure为true并且
schedulableNodes > 1，则根据前面提到的逻辑进行防止单点故障，replicasFromNode必须大于2；replicasFromNode = max(2, replicasFromNode)
返回replicasFromNode和replicasFromCore中的最大者作为期望副本数。
概括起来，linear controller计算replicas的公式为：
replicas = max( ceil( cores * 1/coresPerReplica ) , ceil( nodes * 1/nodesPerReplica ) ) replicas = min(replicas, max) replicas = max(replicas, min)
Ladder Controller
下面是ladder Controller的参数结构：
pkg/autoscaler/controller/laddercontroller/ladder_controller.go:66
type paramEntry [2]int
type paramEntries []paramEntry
type ladderParams struct {
CoresToReplicas paramEntries `json:"coresToReplicas"`
NodesToReplicas paramEntries `json:"nodesToReplicas"`
}写configmap时，参考如下：
kind: ConfigMap
apiVersion: v1
metadata:
name: nginx-autoscaler
namespace: default
data:
ladder: |-
{
"coresToReplicas":
[
[ 1,1 ],
[ 3,3 ],
[256,4],
[ 512,5 ],
[ 1024,7 ]
],
"nodesToReplicas":
[
[ 1,1 ],
[ 2,2 ],
[100, 5],
[200, 12]
]
}下面是ladder Controller对应的计算期望副本值的方法。
func (c *LadderController) GetExpectedReplicas(status *k8sclient.ClusterStatus) (int32, error) {
// Get the expected replicas for the currently schedulable nodes and cores
expReplicas := int32(c.getExpectedReplicasFromParams(int(status.SchedulableNodes), int(status.SchedulableCores)))
return expReplicas, nil
}
func (c *LadderController) getExpectedReplicasFromParams(schedulableNodes, schedulableCores int) int {
replicasFromCore := getExpectedReplicasFromEntries(schedulableCores, c.params.CoresToReplicas)
replicasFromNode := getExpectedReplicasFromEntries(schedulableNodes, c.params.NodesToReplicas)
// Returns the results which yields the most replicas
if replicasFromCore > replicasFromNode {
return replicasFromCore
}
return replicasFromNode
}
func getExpectedReplicasFromEntries(schedulableResources int, entries []paramEntry) int {
if len(entries) == 0 {
return 1
}
// Binary search for the corresponding replicas number
pos := sort.Search(
len(entries),
func(i int) bool {
return schedulableResources < entries[i][0]
})
if pos > 0 {
pos = pos - 1
}
return entries[pos][1]
}根据schedulableCores在configmap中的CoresToReplicas定义的那个范围中，就选择预先设定的期望副本数。
根据schedulableNodes在configmap中的NodesToReplicas定义的那个范围中，就选择预先设定的期望副本数。
返回上面两者中的最大者作为期望副本数。
注意：
ladder模式下，没有防止单点故障的设置项，用户配置configmap时候要自己注意；
ladder模式下，没有NodesToReplicas或者CoresToReplicas对应的配置为空，则对应的replicas设为1；
比如前面举例的configmap，如果集群中schedulableCores=400（对应期望副本为4），schedulableNodes=120（对应期望副本为5），则最终的期望副本数为5.
使用kube-dns-autoscaler解决KubeDNS性能瓶颈问题
通过如下yaml文件创建kube-dns-autoscaler Deployment和configmap, kube-dns-autoscaler每个30s会进行一次副本数计算检查，并可能触发AutoScale。
kind: ConfigMap
apiVersion: v1
metadata:
name: kube-dns-autoscaler
namespace: kube-system
data:
linear: |
{
"nodesPerReplica": 10,
"min": 1,
"max": 50,
"preventSinglePointFailure": true
}
‐‐‐
apiVersion: extensions/v1beta1
kind: Deployment
metadata:
name: kube-dns-autoscaler
namespace: kube-system
spec:
template:
metadata:
labels:
k8s-app: kube-dns-autoscaler
spec:
imagePullSecrets:
- name: harborsecret
containers:
- name: autoscaler
image: registry.vivo.xyz:4443/bigdata_release/cluster_proportional_autoscaler_amd64:1.0.0
resources:
requests:
cpu: "50m"
memory: "100Mi"
command:
- /cluster-proportional-autoscaler
- --namespace=kube-system
- --configmap=kube-dns-autoscaler
- --target=Deployment/kube-dns
- --default-params={"linear":{"nodesPerReplica":10,"min":1}}
- --logtostderr=true
- --v=2总结和展望
cluster-proportional-autoscaler代码很简单，工作机制也很单纯，我们希望用它根据集群规模来动态扩展KubeDNS，以解决TensorFlow on Kubernetes项目中大规模的域名解析性能问题。
目前它只支持根据SchedulableNodes和SchedulableCores来autoscale，在AI的场景中，存在集群资源极度压榨的情况，一个集群承载的svc和pod波动范围很大，后续我们可能会开发根据service number来autoscale kubedns的controller。
另外，我还考虑将KubeDNS的部署从AI训练服务器中隔离出来，因为训练时经常会将服务器cpu跑到95%以上，KubeDNS也部署在这台服务器上的话，势必也会影响KubeDNS性能。
看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注创新互联行业资讯频道，感谢您对创新互联的支持。
文章标题：cluster-proportional-autoscaler源码分析及如何解决KubeDNS性能瓶颈
当前地址：http://azwzsj.com/article/gscdoh.html
