12、Kubernetes资源管理与应用扩展指南

Kubernetes资源管理与应用扩展指南

1. Kubernetes资源管理

在Kubernetes中,资源管理是确保应用高效运行的关键。下面详细介绍CPU限制、超量使用CPU降低成本以及Pod副本和内部并发平衡等方面的内容。

1.1 CPU限制与资源效率

Kubernetes允许设置高于请求的CPU限制,这样应用在需要突发处理时可以利用节点上未使用的周期,提高资源效率。例如,对于那些大量时间等待外部依赖(如数据库响应)的Web应用,节点上通常有空闲的CPU容量,活动请求可以利用这些容量来更快地运行。

不过,将限制设置得高于请求(即Burstable QoS类)也有缺点,那就是性能可能不稳定。在空闲节点上运行的可突发Pod比在满是Pod的节点上拥有更多资源。如果需要恒定的性能,将限制设置为与请求相等可能更合适。

1.2 超量使用CPU降低成本

为了降低成本,可以利用CPU可压缩的特性对节点进行超量使用。具体做法是将CPU请求设置为较低值(低于Pod实际需要),从而在节点上安排更多的Pod。

例如,托管数百个低流量应用时,每个应用每小时可能只有几个请求,只在这些时候需要CPU。对于这样的部署,每个应用的CPU请求可以设置为1%(允许在单核上调度100个),限制为25%(允许临时突发到核心的四分之一)。

但这种策略有明显的性能缺点,并且需要深入了解节点上运行的其他内容。如果所有应用突然都需要全部资源,可能会出现问题。最安全的方法是不进行超量使用,合理的折衷方案是不过度超量使用,给Pod一些额外的CPU可以减少延迟,但CPU资源请求要足够高以处理合理的基本负载。

<
源码地址: https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值