共找到 320 篇相关文章
整理 KEDA 的 Helm 在线安装、离线安装和卸载流程，为后续弹性伸缩实战准备运行环境。 以周期性扩缩容为例，演示 KEDA 如何基于定时规则对工作负载进行弹性伸缩。 围绕 RabbitMQ 队列消息场景，演示 KEDA 触发器配置、测试资源准备和伸缩验证流程。 通过 MySQL 数据驱动场景，展示 KEDA 如何基于数据库指标进行工作负载伸缩。 最后通过 ScaledJob 场景完成任务型处理实战，并附带整理整体实验环境的清理流程。
聚焦 KEDA 的核心资源对象，理解 ScaledObject、ScaledJob 与 TriggerAuthentication 的定义和使用方式。
介绍 KEDA 的定位、使用场景、整体架构与工作流程，理解它相较原生 HPA 的扩展价值。
从 Kubernetes HPA 的基本概念、指标接口到资源定义与注意事项，系统梳理原生自动扩缩容的核心知识。 通过 CPU 与内存两个场景，实战演示 Kubernetes HPA 的部署、扩缩容触发和压力验证流程。
除了常见的亲和与反亲和策略，Kubernetes 还可以按节点角色和副本粒度做更细致的调度控制。本文整理两个典型实战：限制 Pod 只部署在 Node 节点，以及为不同副本指定固定节点。
相比把业务优先调度到高性能节点，另一种常见思路是直接把低性能节点排除在外。本文通过节点反亲和实践，说明如何让计算型服务避免落到低性能机器上。
当集群里同时存在普通节点和高性能节点时，计算密集型业务如果调度不当，很容易出现吞吐下降或延迟抖动。本文通过节点亲和策略，演示如何让计算服务优先运行在高性能机器上。
有些业务组件之间对网络时延非常敏感，例如应用服务与 Redis 缓存。此时可以利用 Pod 亲和能力，把相互依赖的工作负载尽量安排在同一节点或同一拓扑域中。
节点级分散只能解决单机故障问题，而真正的高可用还需要考虑机房级别的容灾。本文通过跨机房调度案例，展示如何让同一应用的副本尽量或必须分布在不同机房。
同一个应用的多个副本如果集中在同一台宿主机上，一旦节点发生故障，业务可用性就会被瞬间放大风险。本文通过 Kubernetes 反亲和实战，演示如何让同一应用分散部署到不同宿主机。