腾讯云2023技术实践：容器与函数计算新篇章

5星 · 超过95%的资源需积分: 0 84 浏览量更新于2024-06-15 5 收藏 8.7MB PDF 举报

"《2023腾讯云容器和函数计算技术实践精选集》是腾讯云推出的一本技术实践合集，涵盖了云监控、调度器、FinOps、Serverless、Kubernetes(K8s)、云原生安全以及企业案例等多个方面的内容。这本书旨在展示腾讯云在容器和函数计算领域的解决方案，帮助开发者和企业更好地理解和应用这些技术，实现更高效、更经济的云上运营。" 在书中，"云监控Barad的云原生实践"章节可能介绍了腾讯云如何利用Barad监控系统进行云原生环境下的性能监控和问题排查，提供全面的运维保障。"Crane-Scheduler"部分讲述了腾讯云设计和实现的一个具备真实工作负载感知能力的调度器，以优化资源分配和提高系统效率。 "FinOps时代如何玩转应用资源配置"一章可能探讨了在云原生环境下如何实施财务管理策略(FinOps)，以降低成本并提高资源利用率。"腾讯云Serverless函数跑在K8s上"章节揭示了腾讯云如何将Serverless功能集成到Kubernetes，创造新的服务模式。书中还包含多个实际案例，如"新零售标杆案例：沃尔玛山姆会员店采用腾讯云Serverless的应用实践"，展示了Serverless如何助力零售行业实现灵活扩展和快速响应需求。"智聆口语通过TKE注册节点实现IDCGPU节点降本增效实践"则说明了如何通过腾讯云的TKE服务优化GPU资源使用，降低企业成本。此外，书中的"深度复盘-重启etcd引发的异常"章节可能分析了一次由于etcd重启导致的问题，为读者提供了故障排查和系统稳定性维护的经验。"腾讯云原生Serverless SCF on K8s获信通院技术创新领航者奖"则反映了腾讯云在Serverless领域的创新成就，获得了业界的认可。《2023腾讯云容器和函数计算技术实践精选集》是一本全面介绍腾讯云在容器技术和函数计算领域实践的宝贵资料，对于希望深入了解和运用这些技术的个人和企业来说，具有很高的参考价值。书中不仅包含了技术细节，还有丰富的实战经验分享，有助于提升读者在云原生环境下的技术水平和业务创新能力。

2023 腾讯云容器和函数计算技术实践精选集

进行评分。

同时动态调度器提供了一个默认值调度策略并支持用户自定义策略。默认策略依赖于以下指

标：

cpu_usage_avg_5m

cpu_usage_max_avg_1h

cpu_usage_max_avg_1d

mem_usage_avg_5m

mem_usage_max_avg_1h

mem_usage_max_avg_1d

在调度的Filter阶段，如果该节点的实际使用率大于上述任一指标的阈值，则该节点将被过滤。

而在 Score 阶段，最终得分是这些指标值的加权和。

在生产集群中，可能会频繁出现调度热点，因为创建 Pod 后节点的负载不能立即增加。因

此定义了一个额外的指标，名为 Hot Value，表示节点最近几次的调度频率。并且节点的最

终优先级是最终得分减去 Hot Value。

关键代码实现

●

Node-annotation

定期从 Prometheus 拉取数据，并以注释的形式在节点上用时间戳标记它们

// /pkg/controller/annotator/node.go

func (n *nodeController) syncNode(key string) (bool, error) {

startTime := time.Now()

defer func() {

klog.Infof("Finished syncing node event %q (%v)", key, time.Since(startTime))

}()

// 获取 nodeName, metricName

nodeName, metricName, err := splitMetaKeyWithMetricName(key)

// 通过 nodeName 获取 node 的具体信息

node, err := n.nodeLister.Get(nodeName)

// 通过 nodeIP 或者 nodeName 获取并更新 node 的监控指标

err = annotateNodeLoad(n.promClient, n.kubeClient, node, metricName)

// 获取 node hotVaule，并更新

err = annotateNodeHotValue(n.kubeClient, n.bindingRecords, node, n.policy)

return true, nil

}

func annotateNodeLoad(promClient prom.PromClient, kubeClient clientset.Interface, node *v1.Node,

key string) error {

// 通过 nodeIp 查询

value, err := promClient.QueryByNodeIP(key, getNodeInternalIP(node))

if err == nil && len(value) > 0 {

return patchNodeAnnotation(kubeClient, node, key, value)

}

// 通过 nodeName 查询

value, err = promClient.QueryByNodeName(key, getNodeName(node))

if err == nil && len(value) > 0 {

return patchNodeAnnotation(kubeClient, node, key, value)

}

return fmt.Errorf("failed to get data %s{%s=%s}: %v", key, node.Name, value, err)

}

2023 腾讯云容器和函数计算技术实践精选集

●

Dynamic plugin

Dynamic plugin 修改 󽘀lter 和 score 阶段

// /pkg/plugins/dynamic/plugins.go

// Filter - 检查一个节点的实际负载是否过高

func (ds *DynamicScheduler) Filter(ctx context.Context, state *framework.CycleState, pod *v1.Pod,

nodeInfo *framework.NodeInfo) *framework.Status {

node := nodeInfo.Node()

// 读取 nodeAnnotation, nodeName

nodeAnnotations, nodeName := nodeInfo.Node().Annotations, nodeInfo.Node().Name

// ﬁlter - 过滤

for _, policy := range ds.schedulerPolicy.Spec.Predicate {

// 获取采样时间

activeDuration, err := getActiveDuration(ds.schedulerPolicy.Spec.SyncPeriod, policy.Name)

// 根据指标，判断 node 是否过载

if isOverLoad(nodeName, nodeAnnotations, policy, activeDuration) {

return framework.NewStatus(framework.Unschedulable, fmt.Sprintf("Load[%s] of node[%s] is too

high", policy.Name, nodeName))

}

return framework.NewStatus(framework.Success, "")

}

// Score - 它从节点注释中获取度量数据，并支持实际资源使用最少的节点

func (ds *DynamicScheduler) Score(ctx context.Context, state *framework.CycleState, p *v1.Pod,

nodeName string) (int64, *framework.Status) {

// 通过 nodeName，获取 node 具体信息

nodeInfo, err := ds.handle.SnapshotSharedLister().NodeInfos().Get(nodeName)

node := nodeInfo.Node()

nodeAnnotations := node.Annotations

// 计算得分和 hotValue

score, hotValue := getNodeScore(node.Name, nodeAnnotations, ds.schedulerPolicy.Spec),

getNodeHotValue(node)

score = score - int(hotValue*10)

// 计算总得分 ﬁnalScore

ﬁnalScore := utils.NormalizeScore(int64(score), framework.MaxNodeScore, framework.MinNodeScore)

return ﬁnalScore, nil

}

使用流程

配置 prometheus 监测规则

●

syncPolicy: 用户可以自定义负载数据的类型与拉取周期；

●

predicate: Filter 策略，若候选节点的当前负载数据超过了任一所配置的指标阈值，则这

个节点将会被过滤；

●

priority：在 Score 策略中配置相关指标的权重，候选节点的最终得分为不同指标得分的

加权和；

剩余189页未读，继续阅读

CSDN资讯

粉丝: 11w+
资源: 4

腾讯云2023技术实践：容器与函数计算新篇章

腾讯云技术实践精选集2022

腾讯云实践之路

腾讯云容器集群实践

微信小程序精选源码亲测可用_熊猫签证.rar

MATLAB建模最新趋势：云计算、容器化与无服务器架构，拥抱未来技术

云环境下的MapReduce：部署与优化的最佳实践

国产单片机程序设计中的云端连接技术：探索物联网，打造智能嵌入式系统

OpenCV YOLO算法部署指南：嵌入式到云平台，全场景覆盖

Amazon S3：S3静态网站托管教程.docx

基于支持向量机SVM-Adaboost的风电场预测研究附Matlab代码.rar

最新资源