Alauda Container Platform
  • 简体中文

    • 评估业务集群资源

    目录

    推荐的控制平面实践

    本主题提供了 中控制平面的性能和可扩展性推荐实践。

    INFO

    以下所有要求均基于 的最小安装配置，即核心包的安装。
    实际使用中，具体需求可能更高，请参考扩展组件的说明以获取详细的额外资源需求。\

    控制平面节点规格

    控制平面规格需求会随着集群节点数量、节点类型以及运行对象的数量和种类而变化。以下建议来源于集群密度测试，该测试评估了控制平面在负载下的表现。测试在指定的命名空间集合中部署了以下对象：

    • 6 个 Deployment，其 Pod 仅运行 sleep 进程
    • 6 个 Service
    • 6 个指向上述 Service 的 Ingress
    • 12 个包含 2048 个随机字符串字符的 Secret
    • 12 个包含 2048 个随机字符串字符的 ConfigMap
    工作节点数量集群密度（命名空间数）CPU 核心数内存（GB）
    24500416
    1201000832
    254400024128

    上述表格数据基于在 AWS 上安装的 环境，控制平面节点使用 r5.4xlarge 实例（16 vCPU，128 GB RAM），工作节点使用 m5.2xlarge 实例（8 vCPU，32 GB RAM）。

    在拥有三个控制平面节点的大型高密度集群中，若因意外问题（如断电、网络故障、基础设施问题）或为节省成本而主动关闭其中一个节点，剩余的两个节点将承担额外负载。此时，存活的控制平面节点的 CPU 和内存使用率可能显著上升。
    升级过程中也会出现类似情况，因为控制平面节点通常会依次被标记为不可调度、驱逐并重启，同时更新控制平面 Operator。该顺序维护会集中负载于仍在运行的节点。
    为降低级联故障风险，应为控制平面服务器预留足够的资源余量：目标是整体 CPU 和内存利用率保持在约 60% 或以下，以便集群能应对瞬时负载增加。如有必要，可增加控制平面的 CPU 和内存配置，防止因资源耗尽导致潜在故障。

    重要说明

    节点规格会根据集群中节点数量和对象数量而变化，也取决于对象是否处于活跃创建阶段。对象创建期间，控制平面的资源使用率通常高于对象处于 Running 状态时。

    主要版本测试的集群最大规模

    WARNING

    过度分配节点的物理资源会削弱 Kubernetes 的调度保障。请应用资源请求和限制、QoS 类别以及节点调优等控制措施，尽量减少内存交换和其他资源争用。

    本文档中的数据基于 Alauda 的特定配置、方法和调优。以下条目列出了 在测试条件下观察到的最大值，而非固定上限。
    由于 版本、控制平面工作负载和网络插件的组合无限多，这些数值不保证适用于所有部署，也可能无法在所有维度同时达到。
    请在规划类似特征的部署时，将其作为参考依据。\

    INFO

    当增加或减少 集群节点数量时，建议：

    • 在可用时，将节点分布于所有可用区，以提升可用性。
    • 每次扩缩容不超过 25 至 50 个节点。

    缩减大型高密度集群时，操作可能耗时较长，因为待移除节点上的工作负载必须先迁移或终止，才能关闭节点。若需处理大量资源，时间会更长。
    若需驱逐大量对象，API 客户端可能会开始限流。默认客户端的 QPS（每秒查询数）和突发值分别为 50 和 100，且在 中不可更改。\

    最大类型测试最大值
    节点数量500 [1]
    Pod 数量 [2]100,000
    每节点 Pod 数量250
    命名空间数量 [3]10,000
    每命名空间 Pod 数量 [4]25,000
    Secret 数量40,000
    ConfigMap 数量40,000
    Service 数量10,000
    每命名空间 Service 数量5,000
    每 Service 后端数量5,000
    每命名空间 Deployment 数量 [4]2,000
    自定义资源定义（CRD）数量1,024 [5]
    1. 支持超过 500 个节点的集群，此处数字为推荐最大值。如需更大规模集群，请联系技术支持。
    2. Pod 数量为测试环境计数，实际容量会根据各应用的内存、CPU 和存储需求有所不同。
    3. 当活跃项目众多时，若 etcd 键空间过大且超出配额，性能可能下降。建议定期维护 etcd（如碎片整理）以回收存储并避免性能问题。
    4. 多个控制循环会响应状态变化遍历命名空间内所有对象。单一类型对象数量过多会增加循环开销，降低处理速度。上述限制假设系统具备足够的 CPU、内存和磁盘资源满足应用需求。
    5. 测试在 29 台服务器集群（3 个控制平面节点、2 个基础设施节点、24 个工作节点）和 500 个命名空间上进行。 限制总自定义资源定义（CRD）数量为 1,024，包括 自带、集成产品添加及用户创建的 CRD。超过 1,024 个 CRD 可能导致 kubectl 请求被限流。

    示例

    以 500 个工作节点（规格为 m5.2xlarge，8 vCPU，32 GB 内存）为例，使用 4.1 版本、Kube-OVN 网络插件及以下工作负载对象进行测试并支持：

    • 除默认外，200 个命名空间
    • 每节点 60 个 Pod；30 个服务器端 Pod 和 30 个客户端 Pod（共 3 万个）
    • 每命名空间 15 个由服务器端 Pod 支持的 Service（共 3 千个）
    • 每命名空间 20 个 Secret（共 4 千个）
    • 每命名空间 10 个 ConfigMap（共 2 千个）
    • 每命名空间 6 个网络策略，包括 deny-all、allow-from ingress 和命名空间内规则

    以下因素已知会正向或负向影响集群工作负载的扩展能力，规划部署时应考虑这些因素。更多信息和指导，请联系技术支持团队。

    • 每节点 Pod 数量
    • 每 Pod 容器数量
    • 探针类型（如 liveness/readiness、exec/http）
    • 网络策略数量
    • 项目或命名空间数量
    • Service/Endpoint 数量及类型
    • 分片数量
    • Secret 数量
    • ConfigMap 数量
    • API 调用速率，即集群配置变化速度的估计
      • Prometheus 查询每秒 Pod 创建请求（5 分钟窗口）：sum(irate(apiserver_request_count{resource="pods",verb="POST"}[5m]))
      • Prometheus 查询所有 API 请求每秒数（5 分钟窗口）：sum(irate(apiserver_request_count{}[5m]))
    • 集群节点 CPU 资源消耗
    • 集群节点内存资源消耗