Kubernetes 多集群管理 Karmada，跨集群弹性伸缩 FederatedHPA 突破新边界！

[cesign]

根据 Flexera 最新发布的《 2023 年云现状调查报告》，750 家受访企业中，高达 36%的企业表示云成本支出超过预期，另有 9%的企业云成本严重超出预期，企业急需有效手段来降低云成本支出：

同时，在这些企业中，有高达 87%的企业使用多云，多云架构的优势在于可以方便的提供业务高可用部署、满足安全合规的属地化部署、以及公有云弹性等能力，但如果缺少相应的成本管理，也容易导致云成本增加。

为了解决多云多集群下的成本难题，Karmada 率先提出并实现了支持多指标，多策略的全新跨集群 HPA （即 FederatedHPA ），实现业务跨集群弹性伸缩，为多云架构提供了新的玩法，比如本地数据中心+公有云的组合，业务优先使用本地数据中心资源，当本地资源不足时又可以借助公有云无限弹性能力，做到按需使用云资源，进而节省云成本开支。

FederatedHPA

Karmada FederatedHPA 可基于 CPU/Memory 利用率来自动伸缩业务，也可以基于各种自定义指标伸缩业务，其 YAML 配置示例为：

apiVersion: autoscaling.karmada.io/v1alpha1
kind: FederatedHPA
metadata:
  name: nginx
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: nginx
  minReplicas: 1
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 10

通过使用 FederatedHPA ，可以实现应用跨集群弹性能力，如下图所示，应用部署在 cluster1 集群中，当流量洪峰到来时，应用可以先在 cluster1 集群中自动扩容，当 cluster1 资源受限时，应用可以自动在 cluster2 集群中扩容。

当然，Karmada FederatedHPA 带来的不仅仅是跨集群弹性伸缩，还能带来如下核心优势： 1.对于一个多集群业务，在每个集群中都有对应 HPA 资源，以伸缩业务。但分别管理这些 HPA 配置较为低效，而使用 Karmada FederatedHPA 能够统一配置多集群业务的伸缩，简化流程。 2.对于一个使用 Karmada FederatedHPA 的多集群业务，实例数会随着负载变化而变化。而这些新增或者减少的实例数，用户想要在不同集群，差异化的伸缩，如按可用资源比例，静态权重比例，优先顺序等。Karmada FederatedHPA 同样可满足这样的多集群差异化伸缩的诉求。

3.对于一个使用 Karmada FederatedHPA 的多集群业务，在某个集群因故障而无法弹性时，Karmada 会在其他正常集群弹性，从而解决单点故障问题。

统一弹性伸缩配置，提升管理效率

传统的部署方式下，用户如果想在多个集群中配置弹性伸缩，以匹配业务请求负载，需要逐一管理集群中的 HPA ，繁琐而且容易出错，如下图：

使用 Karmade FederatedHPA ，能够实现统一配置多集群业务的弹性伸缩，在集群数量较多的情况下，能极大提高效率，如下图：

通过单一 FederatedHPA 对象，Karmada 会自动监测多个集群的业务负载，根据配置的策略，在不同的集群伸缩，最终匹配多集群服务的业务负载。

优先扩容低成本集群业务，降低云成本支出 对于同一业务部署的多个集群，可能存在成本差异，用户可以利用 FederatedHPA 实现优先扩容成本更低集群的业务，实现更低的云成本消耗，例如：本地数据中心集群使用成本更低，公有云厂商提供的托管集群成本更高，因此，用户更愿意在本地数据中心中扩容业务。 下面我们给出一个优先扩容本地集群业务的例子：

apiVersion: autoscaling.karmada.io/v1alpha1
kind: FederatedHPA
metadata:
  name: nginx
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: nginx
  minReplicas: 1
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 80
---
apiVersion: policy.karmada.io/v1alpha1
kind: PropagationPolicy
metadata:
  name: nginx
spec:
  resourceSelectors:
    - apiVersion: apps/v1
      kind: Deployment
      name: nginx
  placement:
    clusterAffinities:
      - affinityName: local-cluster
        clusterNames:
          - local-cluster1
      - affinityName: cloud-cluster
        clusterNames:
          - local-cluster1
          - huawei-cluster1
    replicaScheduling:
      replicaDivisionPreference: Weighted
      replicaSchedulingType: Divided
      weightPreference:
        dynamicWeight: AvailableReplicas

上面 PropagationPolicy 中配置有 本地集群组（ local-cluster ）和云上集群组（ cloud-cluster ）共两个集群组，Karmada 在扩容业务时，会优先尝试扩容在本地集群组中的业务，如果失败（缺乏资源），则继续扩容云上集群组的业务，从而实现在本地集群资源足够时，优先扩容本地集群的业务，实现更低的云成本消耗。

总结

FederatedHPA 为用户提供了跨集群弹性伸缩的能力，结合丰富的 PropagationPolicy/ClusterPropagationPolicy 调度策略，能满足不同的跨集群伸缩场景。

Karmada 后续也会继续探索更多的跨集群伸缩场景，包括 定时联邦 HPA ，分布式多集群 HPA ，大家有任何感兴趣的想法，都欢迎大家来 Karmada 社区进行讨论和分享。

附：Karmada 社区交流地址

Karmada 官网： https://karmada.io/
项目地址： https://github.com/karmada-io/karmada
Slack 地址： https://slack.cncf.io/

[headwindx]

karmada CRB 调度失败后，有办法重新触发调度吗？