资源推荐

资源推荐功能介绍

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。

实现原理

算法模型采用了 VPA 的滑动窗口（Moving Window）算法进行推荐

  1. 通过监控数据，获取 Workload 过去一周（可配置）的 CPU 和 Memory 历史用量。
  2. 算法考虑数据的时效性，较新的数据采样点会拥有更高的权重。
  3. CPU 推荐值基于用户设置的目标百分位值计算，Memory 推荐值基于历史数据的最大值

Filter 阶段

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

Recommend 推荐

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

Observe 推荐

将推荐资源配置记录到 Metric：crane_analytics_replicas_recommendation

支持的资源类型

默认支持 StatefulSet 和 Deployment，但是支持所有实现了 Scale SubResource 的 Workload。

参数配置

配置项默认值描述
cpu-sample-interval1m请求 CPU 监控数据的 Metric 采样点时间间隔
cpu-request-percentile0.99CPU 百分位值
cpu-request-margin-fraction0.15CPU 推荐值扩大系数，0.15指推荐值乘以 1.15
cpu-target-utilization1CPU 目标利用率，0.8 指推荐值除以 0.8
cpu-model-history-length168hCPU 历史监控数据的时间
mem-sample-interval1m请求 Memory 监控数据的 Metric 采样点时间间隔
mem-request-percentile0.99Memory 百分位值
mem-request-margin-fraction0.15Memory 推荐值扩大系数，0.15指推荐值乘以 1.15
mem-target-utilization1Memory 目标利用率，0.8 指推荐值除以 0.8
mem-model-history-length168hMemory 历史监控数据的时间