KEDA v2.17.0 发布:云原生事件驱动自动伸缩的新特性解析
KEDA(Kubernetes Event-driven Autoscaling)是一个开源的Kubernetes扩展组件,它通过事件驱动的方式实现了应用的自动伸缩。与传统的HPA(Horizontal Pod Autoscaler)不同,KEDA能够基于各种事件源(如消息队列、数据库、云服务指标等)来动态调整Pod数量,为云原生应用提供了更加灵活和精准的伸缩能力。
核心特性更新
新增Scaler支持
本次v2.17.0版本引入了两个全新的Scaler(伸缩器),进一步扩展了KEDA的事件源支持范围:
-
NSQ Scaler:NSQ是一个实时分布式消息平台,新加入的NSQ Scaler使得KEDA能够监控NSQ主题中的消息积压情况,并根据消息数量自动调整消费者应用的实例数。这对于构建基于NSQ的异步处理系统特别有价值。
-
Temporal Scaler:Temporal是一个开源的微服务编排平台,新的Temporal Scaler可以监控工作流任务队列的长度,根据待处理任务数量自动扩展工作流工作者(Worker)实例。这为使用Temporal构建的复杂业务流程提供了弹性伸缩能力。
重要变更与改进
不兼容变更
-
InitialCooldownPeriod类型变更:将InitialCooldownPeriod从int32类型修改为*int32指针类型,这为配置提供了更灵活的处理方式,允许显式设置零值或空值。
-
Prometheus指标清理:移除了已标记为废弃的Prometheus指标,简化了监控指标集,提高了系统的可维护性。
-
External Scaler TLS配置变更:移除了External scaler中已废弃的tlsCertFile参数,推荐使用更现代的TLS配置方式。
功能废弃通知
NATS Streaming Server(Stan)Scaler:由于NATS Streaming Server项目本身已进入维护模式,KEDA宣布开始废弃其对应的Scaler。建议用户考虑迁移到NATS JetStream或其他现代消息系统。
技术实现亮点
-
更精确的冷却期控制:通过将InitialCooldownPeriod改为指针类型,KEDA现在能够更精确地区分"未设置"和"设置为零"两种情况,为伸缩行为提供了更细粒度的控制。
-
监控指标优化:移除废弃的Prometheus指标减少了系统的复杂度,同时降低了资源消耗,使监控数据更加清晰和高效。
-
安全性增强:External scaler的TLS配置现代化改进了安全性,符合当前云原生安全最佳实践。
应用场景建议
-
消息处理系统:新加入的NSQ Scaler使得基于NSQ构建的消息处理系统能够根据消息负载自动扩展,特别适合突发流量场景。
-
工作流编排:Temporal Scaler为复杂业务流程提供了弹性,当工作流任务激增时自动增加工作者实例,任务减少时自动收缩,优化资源使用。
-
平滑迁移策略:对于仍在使用NATS Streaming Server的用户,建议开始规划迁移到NATS JetStream或其他替代方案,以避免未来版本升级时的问题。
总结
KEDA v2.17.0通过新增对NSQ和Temporal的支持,进一步巩固了其作为Kubernetes事件驱动自动伸缩解决方案的领先地位。同时,通过清理废弃功能和优化现有实现,提高了系统的稳定性和可维护性。对于构建云原生、事件驱动架构的开发团队来说,这个版本提供了更多工具来构建弹性、高效的分布式系统。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0218
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0139
uni-appA cross-platform framework using Vue.jsJavaScript09
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03