微服务自动伸缩ppt微服务自动伸缩

【微服务自动伸缩】是现代云计算环境中的一个重要概念，旨在动态调整服务实例的数量以应对不断变化的工作负载，从而提高资源利用率，降低成本，并确保服务的稳定性和可用性。本篇内容主要介绍了豆瓣(Douban)在其微服务架构中实现自动伸缩的实践。 豆瓣(Douban)是一个以技术和产品为核心的创新网络服务平台，自2005年3月成立以来，其服务已经高度服务化。2012年至2016年间，90%以上的豆瓣产品服务化，这使得性能基线保持稳定，全站可用性提升，并实现了每日发布到随时发布的转变。微服务自动伸缩的目标是提高服务器利用率，减少运维的人工干预，以适应快速变化的业务需求。 豆瓣的微服务自动伸缩解决方案始于2013年，最初是在没有引入Docker的情况下进行的，随着Docker的普及，2014年第四季度进行了DAE（Douban App Engine）的Docker改造，并在2015年第二季度完成。Kubernetes（K8s）尚未发布时，豆瓣已经建立了自己的伸缩模型。 DAE的伸缩模型包括以下几个关键组件： 1. **应用**：一个Git仓库映射到DAE上的资源分配、调度和计费逻辑集合。每个应用都是全局唯一且相互独立，通过Thrift、PIDL或HTTP RPC进行通信。Web、Thrift和PIDL在线服务支持多实例，资源分配不均等，但有范围限制。 2. **Gunicorn**：Gunicorn是用于Python服务的Web服务器，采用Master-Worker多进程模型。Worker的数量直接影响应用的服务处理能力。 3. **Node**：物理节点，代表计算资源，包含内存和CPU。节点可以部署多个应用，与应用之间是多对多的关系。节点信息存储在Bridge的数据库中。 4. **Pool**：Pool是一组节点的集合，实现节点的分组管理和隔离。Pool与应用也是多对多关系，如default、production、stable等，分别对应不同级别的应用和服务。 5. **Scale Monitor**：通过agent收集监控数据，如主机负载、CPU、内存、硬件信息、网络状况等，用于评估伸缩决策。 6. **Scaling Policies**：基于设定的策略进行伸缩操作，例如基于工作负载、资源利用率或预定义事件（如流量高峰）进行动态增减服务实例。 7. **Scaler**：执行伸缩操作，如增加或减少Worker，添加或移除Node或Pool中的应用。 8. **UI配置和API**：提供图形界面和API供系统管理员查看资源状态、配置伸缩策略以及进行手动操作。 整个伸缩流程包括数据采集（每10秒）、数据缓存（60秒）、Nagios更新（600秒）、应用伸缩（300秒）等步骤，确保了系统响应的及时性。通过这种方式，豆瓣能够有效地管理其500多个应用，实现高效、自动化的微服务伸缩，提升了整体系统的弹性和稳定性。