受CPU Limit约束,容器在运行过程中可用的CPU资源会受到限制,当真实用量触发上限时,内核会对其限流(Throttling),进而导致服务质量受损。CPU Burst功能能够动态感知CPU Throttled现象并对容器参数进行自适应调节。在出现突发负载时,CPU Burst可以为容器临时提供额外的CPU资源,缓解CPU限制带来的性能瓶颈,以保障并提升应用(尤其是延迟敏感型应用)的服务质量。
为了帮助您更好地理解本文档并使用本功能,推荐您提前了解CFS Scheduler、节点CPU管理策略等相关概念。
为什么需要启用CPU Burst
Kubernetes集群使用CPU Limit资源约束机制,用于限制容器可以使用的最大CPU资源量,以确保了多个容器之间的资源分配的公平性,防止某个容器过度消耗CPU资源,从而影响其他容器的性能。
CPU是一种分时复用型资源,即多个进程或容器可以共享一个CPU时间片。容器配置了CPU Limit后,操作系统内核会根据CFS (Completely Fair Scheduler) 来控制容器在每个时间周期内(cpu.cfs_period_us
)的CPU使用量(cpu.cfs_quota_us
)。例如,如果一个容器的CPU Limit = 4,操作系统内核会限制该容器在每段时间周期内(通常是100 ms)最多使用400 ms的CPU时间片。
功能优势
CPU使用率是衡量容器运行状态的关键指标,集群管理员通常会参考该指标来配置容器的CPU Limit。相较于常用的秒级别指标,百毫秒级别下容器的CPU使用率往往呈现更为明显的毛刺特征,展示出更多瞬时变化。以下图为例,如果以秒级别为单位(紫色折线),CPU用量明显少于4核;而如果以毫秒级别为单位(绿色折线),那么容器CPU用量在部分时段会超出4核,若将CPU Limit配置为4核,就会导致线程因CPU限流而被操作系统挂起。
下方图片展示了在一台4核节点上,一个CPU Limit = 2的Web服务容器在收到请求(req)后,各个线程(Thread)的CPU资源分配情况。左图为常规情况,右图为开启CPU Burst后的情况。
即使容器在最近1s内整体的CPU使用率较低,但受CPU限流的影响,Thread 2仍需要等待下一个时间周期才能继续将req 2处理完成,导致请求的响应时延(RT)变大。这是容器RT长尾问题的一个重要原因。 | 启用CPU Burst功能后,容器可以在空闲时积累一些CPU时间片,用于满足突发时的资源需求,进而可以提升容器性能,降低延迟指标。 |
除了上述场景之外,CPU Burst还适用于容器CPU资源需求突增的场景。例如,当业务流量突然上涨时,ack-koordinator可以在保障整机负载水位安全的前提下,在秒级别内快速解决CPU的资源瓶颈。
ack-koordinator的调节仅涉及节点cgroup参数中的cfs quota
,并不会修改Pod Spec的CPU Limit字段。
使用场景
CPU Burst功能的典型使用场景如下。
容器在大多数时间内CPU资源用量低于设置的CPU Limit,但容器CPU Throttled仍然时常出现,影响应用性能表现。开启CPU Burst可以让容器在突发负载时使用积累的时间片,有效解决CPU Throttled限流问题,提升应用服务质量。
容器应用在启动加载阶段CPU资源消耗较高,但在加载完成并进入稳定运行状态后,其CPU用量会降到一个较低且稳定的水平。开启CPU Burst后,您无需为容器配置过高的CPU Limit,即可让应用在启动阶段使用更多时间片,确保应用能够快速启动。
费用说明
ack-koordinator组件本身的安装和使用是免费的,不过需要注意的是,在以下场景中可能产生额外的费用:
ack-koordinator是非托管组件,安装后将占用Worker节点资源。您可以在安装组件时配置各模块的资源申请量。
ack-koordinator默认会将资源画像、精细化调度等功能的监控指标以Prometheus的格式对外透出。若您配置组件时开启了ACK-Koordinator开启Prometheus监控指标选项并使用了阿里云Prometheus服务,这些指标将被视为自定义指标并产生相应费用。具体费用取决于您的集群规模和应用数量等因素。建议您在启用此功能前,仔细阅读阿里云Prometheus计费说明,了解自定义指标的免费额度和收费策略。您可以通过账单和用量查询,监控和管理您的资源使用情况。
前提条件
已创建ACK集群Pro版且集群版本为1.18及以上,请参见创建ACK托管集群、手动升级集群。
说明推荐使用Alibaba Cloud Linux作为操作系统,请参见开启CPU Burst策略是否必须使用Alibaba Cloud Linux操作系统?。
已安装ack-koordinator组件,且组件版本为0.8.0及以上,请参见ack-koordinator。
配置说明
您可以通过Pod Annotation为指定的Pod开启CPU Burst功能,也可以通过ConfigMap在集群或命名空间维度开启。
通过Annotation为指定Pod开启
通过Pod YAML的metadata
字段下配置CPU Burst策略的Annotation,针对指定Pod生效。
如需在工作负载(例如Deployment)中配置,请在template.metadata
字段下配置Pod对应的Annotation。
annotations:
# 设置为auto,开启该Pod的CPU Burst功能。
koordinator.sh/cpuBurst: '{"policy": "auto"}'
# 设置为none,关闭该Pod的CPU Burst功能。
koordinator.sh/cpuBurst: '{"policy": "none"}'
通过ConfigMap在集群维度开启
通过ConfigMap配置的CPU Burst策略默认针对全集群生效。
使用以下ConfigMap示例,创建configmap.yaml文件。
apiVersion: v1 data: cpu-burst-config: '{"clusterStrategy": {"policy": "auto"}}' #cpu-burst-config: '{"clusterStrategy": {"policy": "cpuBurstOnly"}}' #cpu-burst-config: '{"clusterStrategy": {"policy": "none"}}' kind: ConfigMap metadata: name: ack-slo-config namespace: kube-system
查看命名空间kube-system下是否存在ConfigMap
ack-slo-config
。存在:使用PATCH方式进行更新,避免干扰ConfigMap中其他配置项。
kubectl patch cm -n kube-system ack-slo-config --patch "$(cat configmap.yaml)
不存在:执行以下命令进行创建ConfigMap。
kubectl apply -f configmap.yaml
通过ConfigMap在Namespace维度开启
通过指定Namespace,为部分Pod配置CPU Burst策略时,针对指定命名空间生效。
使用以下ConfigMap示例,创建configmap.yaml文件。
apiVersion: v1 kind: ConfigMap metadata: name: ack-slo-pod-config namespace: koordinator-system # 首次使用时需要先手动创建该Namespace。 data: # 单独开启或关闭部分Namespace的Pod。 cpu-burst: | { "enabledNamespaces": ["allowed-ns"], "disabledNamespaces": ["blocked-ns"] } # 为allowed-ns命名空间下的所有Pod开启了CPU Burst策略,对应policy为auto。 # 为blocked-ns命名空间下的所有Pod关闭了CPU Burst策略,对应policy为none。
查看命名空间kube-system下是否存在ConfigMap
ack-slo-config
。存在:使用PATCH方式进行更新,避免干扰ConfigMap中其他配置项。
kubectl patch cm -n kube-system ack-slo-config --patch "$(cat configmap.yaml)
不存在:执行以下命令创建ConfigMap。
kubectl apply -f configmap.yaml
操作步骤
本示例以一个Web服务型应用为例,展示开启CUP Burst策略前后的访问延迟情况,验证CPU Burst策略带来的优化效果。
验证步骤
使用以下示例应用的YAML内容,创建名为apache-demo.yaml文件。
在Pod对象的
metadata
字段下配置Annotation,为Pod单独开启CPU Burst策略。apiVersion: v1 kind: Pod metadata: name: apache-demo annotations: koordinator.sh/cpuBurst: '{"policy": "auto"}' # 开启CPU Burst策略。 spec: containers: - command: - httpd - -D - FOREGROUND image: registry.cn-zhangjiakou.aliyuncs.com/acs/apache-2-4-51-for-slo-test:v0.1 imagePullPolicy: Always name: apache resources: limits: cpu: "4" memory: 10Gi requests: cpu: "4" memory: 10Gi nodeName: $nodeName # 修改为实际的节点名称。 hostNetwork: False restartPolicy: Never schedulerName: default-scheduler
执行以下命令,部署Apache HTTP Server作为目标评测应用。
kubectl apply -f apache-demo.yaml
使用wrk2压测工具发送请求。
# 下载wrk2开源测试工具并解压安装。具体操作,请参见https://github.com/giltene/wrk2。 # 当前在Apache镜像配置中开启了Gzip压缩模块,用于模拟服务端处理请求的计算逻辑。 # 执行发压命令,注意修改目标应用的IP地址。 ./wrk -H "Accept-Encoding: deflate, gzip" -t 2 -c 12 -d 120 --latency --timeout 2s -R 24 http://$target_ip_address:8010/static/file.1m.test
说明修改命令中的目标地址为Apache Pod的IP地址。
通过修改
-R
参数来调节发送端的QPS压力。
结果分析
以下数据分别展示了Alibaba Cloud Linux和社区CentOS在CPU Burst策略开启前后的表现情况。
全部关闭表示CPU Burst策略为
none
。全部开启表示CPU Burst策略为
auto
。
以下数据仅为理论值,实际请以您的操作环境为准。
Alibaba Cloud Linux | 全部关闭 | 全部开启 |
apache RT-p99 | 107.37 ms | 67.18 ms(-37.4%) |
CPU Throttled Ratio | 33.3% | 0% |
Pod CPU平均利用率 | 31.8% | 32.6% |
CentOS | 全部关闭 | 全部开启 |
apache RT-p99 | 111.69 ms | 71.30 ms (-36.2%) |
CPU Throttled Ratio | 33% | 0% |
Pod CPU平均利用率 | 32.5% | 33.8% |
由以上对比数据可知:
开启CPU Burst能力后,应用的RT指标的p99分位值有明显优化。
对开启CPU Burst能力后,CPU Throttled情况大幅减少,而同时Pod整体CPU利用率基本保持不变。
高级参数配置
CPU Burst策略的高级配置参数支持在ConfigMap参数中配置,也支持在Pod Annotation中配置。对于同时在Pod Annotation和ConfigMap配置的参数,Pod Annotation配置优先级大于ConfigMap配置。如果Pod Annotation中没有对应配置,ack-koordinator会进一步参考Namespace维度的ConfigMap配置;如果Namespace维度也没有对应配置,ack-koordinator会以集群维度的ConfigMap配置为准。
配置示例如下。
# ConfigMap ack-slo-config样例。
data:
cpu-burst-config: |
{
"clusterStrategy": {
"policy": "auto",
"cpuBurstPercent": 1000,
"cfsQuotaBurstPercent": 300,
"sharePoolThresholdPercent": 50,
"cfsQuotaBurstPeriodSeconds": -1
}
}
# Pod Annotation样例。
koordinator.sh/cpuBurst: '{"policy": "auto", "cpuBurstPercent": 1000, "cfsQuotaBurstPercent": 300, "cfsQuotaBurstPeriodSeconds": -1}'
以下为CPU Burst策略的相关高级参数:
Annotation和ConfigMap两列分别代表是否允许通过Pod Annotation或ConfigMap进行配置。其中,代表支持,代表不支持。
参数 | 类型 | 说明 | Annotation | ConfigMap |
| string |
| ||
| int | 默认值为 Alibaba Cloud Linux内核级别的CPU Burst弹性,表示相较于CPU Limit,CPU Burst放大的百分比。对应Pod的cgroup参数 例如,按默认配置, | ||
| int | 默认值为 开启CFS quota弹性能力时,Pod的cgroup参数( | ||
| int | 默认值为 开启CFS quota弹性能力时,Pod可以按上限( | ||
| int | 默认值为 开启CFS quota弹性能力时,节点CPU使用率的安全水位阈值。超出阈值后,节点中所有已经上调的Pod的cgroup参数( |
当您开启CFS quota的自动调整时(
policy
设置为cfsQuotaBurstOnly
或auto
),Pod的CPU Limit在节点上对应的参数(cpu.cfs_quota_us
)会随CPU Throttled情况而动态调整。在对Pod进行压测时,建议您同时保持对Pod CPU用量的观察,或者临时关闭CFS quota的自动调整(
policy
设置为cpuBurstOnly
或none
),以便在生产环境保持更好的资源弹性。
FAQ
当前已通过ack-slo-manager的旧版本协议使用了CPU Burst功能,升级为ack-koordinator后是否继续支持?
旧版本的Pod协议要求在Annotation中填写alibabacloud.com/cpuBurst
,ack-koordinator对此旧版本协议完全兼容,您可将组件无缝升级至新版本。
ack-koordinator对旧版本协议的兼容期限截止至2023年07月30日。强烈建议您将原协议资源字段及时升级到新版本。
ack-koordinator对各版本协议的适配如下。
ack-koordinator版本 | alibabacloud.com协议 | koordinator.sh协议 |
≥0.2.0 | 支持 | 不支持 |
≥0.8.0 | 支持 | 支持 |
开启CPU Burst配置后,为什么Pod仍有CPU Throttled现象出现?
通常会有以下几个原因,您可以参考以下说明进行调整。
配置格式错误,导致CPU Burst策略没有生效,请参见高级参数配置修改并验证。
CPU利用率达到
cfsQuotaBurstPercent
配置的上限时,由于CPU资源不足,仍会出现CPU Throttled现象。建议您根据应用实际需求情况调整Reqeuest和Limit值。
CPU Burst策略会调整Pod的两个cgroup参数:
cpu.cfs_quota_us
和cpu.cfs_burst_us
,详情请参见高级参数配置。其中,cpu.cfs_quota_us
在ack-koordinator感知到CPU Throttled后才会进行设置,存在少许延迟;而cpu.cfs_burst_us
直接参考配置进行设置,效果更灵敏。建议您搭配Alibaba Cloud Linux操作系统使用,效果更佳。
CPU Burst策略在调整
cpu.cfs_quota_us
时会有保护机制,即整机安全水位阈值配置的sharePoolThresholdPercent
。当整机利用率过高时,为了避免单个Pod产生更多干扰,cpu.cfs_quota_us
会被重置为初始值。建议您结合自身应用的实际情况,合理设置整机安全水位阈值,避免因整机利用率过高而影响应用性能。
开启CPU Burst策略是否必须使用Alibaba Cloud Linux操作系统?
ack-koordinator的CPU Burst策略适用于所有Alibaba Cloud Linux及CentOS开源内核。推荐您使用Alibaba Cloud Linux操作系统。借助Alibaba Cloud Linux内核特性,ack-koordinator可以提供更加细粒度的CPU弹性管理机制。更多信息,请参见在cgroup v1接口开启CPU Burst功能。