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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00