如何使用 KEDA 对 Dapr 应用进行自动缩放

如何将 Dapr 应用程序配置为使用 KEDA 自动缩放

Dapr以其模块化的构建方式，加上许多pub/sub组件，使得编写消息处理应用程序变得容易。由于Dapr可以在许多环境中运行（例如虚拟机、裸机、云或边缘Kubernetes），因此Dapr应用的自动伸缩是由宿主管理的。

对于 Kubernetes，Dapr集成了KEDA，这是一个用于 Kubernetes 的事件驱动的自动伸缩组件。许多 Dapr 的 pub/sub 组件与 KEDA 提供的缩放器重叠，因此使用 KEDA 可以很容易地在 Kubernetes 上配置 Dapr deployment，以根据背压自动缩放。

在本指南中，您将配置一个可扩展的 Dapr 应用程序，以及对 Kafka 主题的背压。然而，您可以将这种方法应用于 Dapr 提供的任何发布/订阅组件。

注意

如果您正在使用Azure容器应用程序，请参考官方的Azure文档，了解如何使用KEDA扩展器扩展Dapr应用程序的规模。

安装KEDA

要安装 KEDA，请遵循部署 KEDA说明。

安装和部署Kafka

如果你没有 Kafka，你可以通过使用 Helm 将其安装到你的 Kubernetes 集群中，见下面的示例:

helm repo add confluentinc https://confluentinc.github.io/cp-helm-charts/
helm repo update
kubectl create ns kafka
helm install kafka confluentinc/cp-helm-charts -n kafka \
        --set cp-schema-registry.enabled=false \
        --set cp-kafka-rest.enabled=false \
        --set cp-kafka-connect.enabled=false

检查 Kafka deployment 的状态:

kubectl rollout status deployment.apps/kafka-cp-control-center -n kafka
kubectl rollout status deployment.apps/kafka-cp-ksql-server -n kafka
kubectl rollout status statefulset.apps/kafka-cp-kafka -n kafka
kubectl rollout status statefulset.apps/kafka-cp-zookeeper -n kafka

安装后，部署 Kafka 客户端并等待它准备就绪：

kubectl apply -n kafka -f deployment/kafka-client.yaml
kubectl wait -n kafka --for=condition=ready pod kafka-client --timeout=120s

创建 Kafka 主题

创建本例中使用的主题 (demo-topic):

kubectl -n kafka exec -it kafka-client -- kafka-topics \
        --zookeeper kafka-cp-zookeeper-headless:2181 \
        --topic demo-topic \
        --create \
        --partitions 10 \
        --replication-factor 3 \
        --if-not-exists

主题分区的数量与 KEDA 为你的 deployment 创建的最大副本数量有关。

部署一个 Dapr Pub/sub 组件

为 Kubernetes 部署 Dapr Kafka 发布/订阅组件。将以下YAML粘贴到名为kafka-pubsub.yaml的文件中：

apiVersion: dapr.io/v1alpha1
kind: Component
metadata:
  name: autoscaling-pubsub
spec:
  type: pubsub.kafka
  version: v1
  metadata:
    - name: brokers
      value: kafka-cp-kafka.kafka.svc.cluster.local:9092
    - name: authRequired
      value: "false"
    - name: consumerID
      value: autoscaling-subscriber

上面的 YAML 定义了你的应用程序订阅的 pub/sub 组件，也就是你之前创建的 demo-topic。

如果您使用了Kafka Helm安装说明，您可以按原样保留brokers的值。否则，将此值更改为你的 Kafka broker 的连接地址字符串。

请注意为consumerID设置的autoscaling-subscriber值。此值稍后用于确保KEDA和您的部署使用相同的Kafka分区偏移。

现在，将该组件部署到集群中:

kubectl apply -f kafka-pubsub.yaml

为 Kafka 部署 KEDA 自动伸缩

部署 KEDA 缩放对象，该对象：

监控指定Kafka主题上的延迟
配置 Kubernetes Horizontal Pod Autoscaler （HPA）以纵向扩展和横向扩展 Dapr 部署

将以下内容粘贴到名为 kafka_scaler.yaml 的文件中，并在需要的地方配置你的 Dapr deployment。

apiVersion: keda.sh/v1alpha1
kind: ScaledObject
metadata:
  name: subscriber-scaler
spec:
  scaleTargetRef:
    name: <REPLACE-WITH-DAPR-DEPLOYMENT-NAME>
  pollingInterval: 15
  minReplicaCount: 0
  maxReplicaCount: 10
  triggers:
  - type: kafka
    metadata:
      topic: demo-topic
      bootstrapServers: kafka-cp-kafka.kafka.svc.cluster.local:9092
      consumerGroup: autoscaling-subscriber
      lagThreshold: "5"

让我们来回顾一下上面文件中的一些元数据值：

值	说明
`scaleTargetRef`/`name`	在 Deployment 中定义的应用的 Dapr ID（`dapr.io/id` 注解的值）。
`pollingInterval`	KEDA 检查 Kafka 当前主题分区偏移量的频率，以秒为单位。
`minReplicaCount`	KEDA 为你的 deployment 创建的最小副本数量。如果您的应用程序启动时间较长，可以将此设置为`1`，以确保部署的至少一个副本始终在运行。否则，设置为`0`，KEDA就会为你创建第一个副本。
`maxReplicaCount`	你的 deployment 的最大副本数量。考虑到Kafka分区偏移的情况考虑到 Kafka 分区偏移量的工作方式，你不应该将该值设置得高于主题分区的总数量。
`触发器`/`元数据`/`主题`	应该设置为你的 Dapr deployment 订阅的同一主题（在本例中是 `demo-topic`）。
`triggers`/`metadata`/`bootstrapServers`	应该设置为 `kafka-pubsub.yaml` 文件中使用的同一个 broker 的连接地址字符串。
`triggers`/`metadata`/`consumerGroup`	应该设置为与 `kafka-pubsub.yaml` 文件中的 `consumerID` 相同的值。