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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00