Gardener项目中VPA 1.4.0版本升级技术解析
2025-06-26 05:15:06作者:庞队千Virginia
Vertical Pod Autoscaler(VPA)作为Kubernetes生态中关键的垂直自动伸缩组件,在Gardener项目中扮演着重要角色。最新发布的VPA 1.4.0版本带来了一系列值得关注的技术改进和新特性,本文将深入解析这些变化及其对Gardener用户的影响。
核心功能增强
VPA 1.4.0最显著的改进是引入了原地资源更新功能(In-Place Pod Vertical Scaling)。这项功能基于Kubernetes增强方案KEP-1287实现,允许Pod在不重启的情况下动态调整资源限制。要启用此功能,需要满足以下条件:
- 在vpa-updater和vpa-admission-controller组件中启用InPlaceOrRecreate特性门控
- 确保kube-apiserver、kube-scheduler和kubelet组件启用了InPlacePodVerticalScaling特性门控(Kubernetes 1.33+版本默认启用)
资源推荐机制优化
新版本对资源推荐算法进行了多项改进:
- 全局资源限制配置:新增container-recommendation-max-allowed-cpu和container-recommendation-max-allowed-memory参数,防止推荐值超过节点可分配资源上限
- 直方图置信区间配置:通过confidence-interval-cpu和confidence-interval-memory参数调整上下界收敛速度
- CPU推荐值舍入:支持将CPU推荐值舍入到用户指定的粒度,提高可读性和配置便利性
稳定性与可靠性提升
- 资源获取逻辑优化:现在会优先从Pod状态中的containerStatus[].resources获取资源信息,仅当不可用时才回退到Pod规范
- 内存推荐值修复:解决了vpa-recommender重启后可能返回0值内存推荐的问题
- 事件记录修复:修正了vpa-updater在VerticalPodAutoscaler资源上记录驱逐事件的问题
性能与资源效率改进
- 初始化容器指标处理:不再跟踪初始化容器的指标样本,减少了内存使用和日志噪音
- VPA检查点垃圾回收:优化了只针对相关命名空间的检查点清理机制
- 证书自动重载增强:vpa-admission-controller现在支持CA证书的动态重载
测试验证情况
针对VPA 1.4.0的测试验证显示:
- 在Kubernetes 1.32环境中,原地资源更新相关测试用例失败(符合预期)
- 在Kubernetes 1.33环境中,所有测试用例均通过验证
- 完整的e2e测试套件验证了核心功能的稳定性
升级建议
对于Gardener用户,升级到VPA 1.4.0时需要注意:
- 如需使用原地资源更新功能,需确保Kubernetes版本≥1.33
- 新引入的全局资源限制参数可防止不合理的资源推荐
- 初始化容器指标处理的优化可降低系统负载
- 建议在测试环境充分验证后再应用于生产环境
VPA 1.4.0的这些改进显著提升了资源自动伸缩的精确性、可靠性和用户体验,是Gardener用户值得考虑的重要升级版本。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137