https://github.com/syswe/workloads-predictional-scaling

Bu repo, Predictive Horizontal Pod Autoscaler (PHPA) ve standart Horizontal Pod Autoscaler (HPA) arasındaki farkları analiz eder ve kıyaslar. PHPA'nın proaktif ölçeklendirme yetenekleri ile HPA'nın reaktif yaklaşımını karşılaştırarak, her iki yöntemin avantajlarını ve dezavantajlarını ele alır.
https://github.com/syswe/workloads-predictional-scaling

comparison hpa kubernetes phpa predictional-horizontal-pod-autoscaler

Last synced: 12 months ago
JSON representation

Bu repo, Predictive Horizontal Pod Autoscaler (PHPA) ve standart Horizontal Pod Autoscaler (HPA) arasındaki farkları analiz eder ve kıyaslar. PHPA'nın proaktif ölçeklendirme yetenekleri ile HPA'nın reaktif yaklaşımını karşılaştırarak, her iki yöntemin avantajlarını ve dezavantajlarını ele alır.

• Host: GitHub
• URL: https://github.com/syswe/workloads-predictional-scaling
• Owner: syswe
• License: apache-2.0
• Created: 2024-05-12T22:37:20.000Z (about 2 years ago)
• Default Branch: main
• Last Pushed: 2024-05-14T10:33:47.000Z (about 2 years ago)
• Last Synced: 2025-05-27T06:42:25.673Z (about 1 year ago)
• Topics: comparison, hpa, kubernetes, phpa, predictional-horizontal-pod-autoscaler
• Language: Python
• Homepage:
• Size: 897 KB
• Stars: 1
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

          
![Project Header](src/project-header.jpg)

[![License](https://img.shields.io/:license-apache-blue.svg)](https://www.apache.org/licenses/LICENSE-2.0.html)

# Tahminsel Yatay Pod Ölçeklendirici (PHPA) Uygulaması

Tahmin Edici Yatay Pod Ölçeklendiriciler (PHPA), standart Yatay Pod Ölçeklendiriciler (HPA) ile aynı işlevselliğe sahiptir ancak ekstra tahmin kabiliyetlerine sahip olarak, istatistiksel modeller kullanarak zamandan önce tahminlerle ölçeklendirme yapmanızı sağlar.

## Neden Kullanmalıyım?

PHPA'lar, talebin artmasından önce proaktif kararlar alarak daha iyi ölçeklendirme sonuçları sunar, bu sayede bir kaynağın performansı bozulmadan önce otomatik ölçeklendirme devreye girer.

## Hangi Sistemler İçin Gerekli?

Düzenli/tahmin edilebilir talep zirveleri/çukurları olan herhangi bir sistem.

Bazı kullanım örnekleri:

* Hafta içi her gün 15:00 ile 17:00 arasında talep zirvesi yaşayan bir servis, bu düzenli ve tahmin edilebilir yük önceden karşılanabilir.

* Her gün öğlen 12:00'de 10 dakika süren talep artışı yaşayan bir servis, bu çok kısa zaman aralığı olduğu için, standart bir HPA karar verene kadar ciddi performans/erişilebilirlik sorunları yaşanabilir.

PHPA'lar her durum için mükemmel bir çözüm değildir ve gerçek verilerle ayar yapılarak kullanılması gerekir. Yanlış ayarlanmış bir PHPA, normal bir HPA'dan daha kötü sonuçlar verebilir.

## Nasıl Çalışır?

Bu proje, bir kaynağın kaç replika sahip olması gerektiğini belirlemek için Yatay Pod Ölçeklendirici'nin yaptığı hesaplamaları yapar, ardından hesaplanan replika sayısına ve replika geçmişine istatistiksel modeller uygular.

## Desteklenen Kubernetes Sürümleri

Autoscaler'ın çalışabilmesi için minimum Kubernetes sürümü `v1.23`tür çünkü sadece `v1.23` ve üzeri sürümlerde `autoscaling/v2` API mevcuttur.

Autoscaler, sadece en yeni Kubernetes sürümüne karşı test edilmiştir - eğer eski Kubernetes sürümlerini etkileyen hatalar varsa bunları düzeltmeye çalışırız ancak destek garantisi yoktur.

## Özellikler

* Tahmin olmadan replica sayısını hesaplamada Yatay Pod Ölçeklendirici ile fonksiyonel olarak aynı.

* Yatay Pod Ölçeklendirici replika sayım mantığına uygulanacak istatistiksel model seçimi.

  * Holt-Winters

  * Lineer Regresyon

  * Normal HPA

* Kubernetes ölçeklendirme seçeneklerini özelleştirmenize olanak tanır ve böylece EKS veya GCP gibi yönetilen çözümlerde çalışabilir.

  * CPU Başlangıç Süresi.

  * Ölçek Küçültme Stabilizasyonu.

  * Senkronizasyon Periyodu.

## Bir Tahminsel Yatay Pod Ölçeklendirici Yapılandırması Nasıl Görünür?

PHPA'lar, ek konfigürasyon seçenekleri ile mümkün olduğunca Yatay Pod Ölçeklendiricilere benzer şekilde yapılandırılmıştır.

PHPA'lar kendi özel kaynaklarına sahiptir:

```yaml

apiVersion: jamiethompson.me/v1alpha1

kind: PredictiveHorizontalPodAutoscaler

metadata:

  name: simple-linear

spec:

  scaleTargetRef:

    apiVersion: apps/v1

    kind: Deployment

    name: php-apache

  minReplicas: 1

  maxReplicas: 10

  behavior:

    scaleDown:

      stabilizationWindowSeconds: 0

  metrics:

    - type: Resource

      resource:

        name: cpu

        target:

          averageUtilization: 50

          type: Utilization

  models:

    - type: Linear

      name: simple-linear

      linear:

        lookAhead: 10000

        historySize: 6

```

Bu PHPA, hedef kaynağın CPU kullanımını %50'de tutmaya çalışırken ekstra tahmin katmanı olarak lineer regresyon modeli uygulanmış bir Yatay Pod Ölçeklendirici gibi davranır.

## Kurulum

Tahminsel Yatay Pod Ölçeklendiricileri yönetmek için operatör, Helm kullanılarak kurulabilir:

```bash

VERSION=v0.13.2

HELM_CHART=predictive-horizontal-pod-autoscaler-operator

helm install ${HELM_CHART} https://github.com/jthomperoo/predictive-horizontal-pod-autoscaler/releases/download/${VERSION}/predictive-horizontal-pod-autoscaler-${VERSION}.tgz

```