少于1分钟
Kubernetes 用户在创建应用资源时常常是基于经验值来设置 request 和 limit。通过资源推荐的算法分析应用的真实用量推荐更合适的资源配置,您可以参考并采纳它提升集群的资源利用率。
算法模型采用了 VPA 的滑动窗口(Moving Window)算法进行推荐
没有 Pod 的工作负载: 如果工作负载没有 Pod,无法进行算法分析
采用 VPA 的滑动窗口(Moving Window)算法分别计算每个容器的 CPU 和 Memory 并给出对应的推荐值
将推荐资源配置记录到 Metric:crane_analytics_replicas_recommendation
默认支持 StatefulSet 和 Deployment,但是支持所有实现了 Scale SubResource 的 Workload。
配置项 | 默认值 | 描述 |
---|---|---|
cpu-sample-interval | 1m | 请求 CPU 监控数据的 Metric 采样点时间间隔 |
cpu-request-percentile | 0.99 | CPU 百分位值 |
cpu-request-margin-fraction | 0.15 | CPU 推荐值扩大系数,0.15指推荐值乘以 1.15 |
cpu-target-utilization | 1 | CPU 目标利用率,0.8 指推荐值除以 0.8 |
cpu-model-history-length | 168h | CPU 历史监控数据的时间 |
mem-sample-interval | 1m | 请求 Memory 监控数据的 Metric 采样点时间间隔 |
mem-request-percentile | 0.99 | Memory 百分位值 |
mem-request-margin-fraction | 0.15 | Memory 推荐值扩大系数,0.15指推荐值乘以 1.15 |
mem-target-utilization | 1 | Memory 目标利用率,0.8 指推荐值除以 0.8 |
mem-model-history-length | 168h | Memory 历史监控数据的时间 |