本頁面由 Cloud Translation API 翻譯而成。

調整及自動調整執行階段服務資源

您可以透過指令列或設定覆寫，調整在 Kubernetes 中執行的大部分服務。您可以在 overrides.yaml 檔案中設定 Apigee Hybrid 執行階段服務的資源調度參數。

服務	實作方式	資源調度
Cassandra	ApigeeDatastore (CRD)	請參閱「調整 Cassandra 資源」。
Ingress/LoadBalancer	部署作業問題	Cloud Service Mesh 使用水平 Pod 自動調度資源 (HPA)。
Logger	DaemonSet	DaemonSet 會管理所有節點的 Pod 備份，因此在您縮放 Pod 時，這些備份也會縮放。
MART Apigee Connect Watcher	ApigeeOrganization (CRD)	如要透過設定進行調整，請針對 `mart`、`watcher` 和/或 `connectAgent` 節，提高部署的 `replicaCountMin` 設定屬性值。例如： mart: replicaCountMax: 2 replicaCountMin: 1 watcher: replicaCountMax: 2 replicaCountMin: 1 connectAgent: replicaCountMax: 2 replicaCountMin: 1 這些部署會使用水平 Pod 自動配置器進行自動調度。將 Deployment 物件的 `targetCPUUtilizationPercentage` 屬性設為上限，當值超過這個值時，Kubernetes 會將 Pod 數量增加到 `replicaCountMax` 的值。如要進一步瞭解如何設定設定屬性，請參閱「管理執行階段平面元件」。
執行階段同步器 UDCA	ApigeeEnvironment (CRD)	如要透過設定進行縮放，請在覆寫檔案中，為 `udca`、`synchronizer` 和/或 `runtime` 段落增加 `replicaCountMin` 屬性的值。例如： synchronizer: replicaCountMax: 10 replicaCountMin: 1 runtime: replicaCountMax: 10 replicaCountMin: 1 udca: replicaCountMax: 10 replicaCountMin: 1 注意：這些變更會套用至覆寫檔案中的所有環境。如果您想為每個環境自訂調整，請參閱下方的「進階設定」。這些部署作業會使用水平 Pod 自動配置器進行自動調度。將 Deployment 物件的 `targetCPUUtilizationPercentage` 屬性設為上限值，當值超過這個值時，Kubernetes 會將 Pod 數量增加到 `replicaCountMax` 的值。如要進一步瞭解如何設定設定屬性，請參閱「管理執行階段平面元件」。

進階設定

在某些情況下，您可能需要使用進階縮放選項。情境範例包括：

為每個環境設定不同的縮放選項。例如，env1 的 minReplica 為 5，env2 的 minReplica 為 2。
為環境中的每個元件設定不同的縮放選項。舉例來說，udca 元件的 maxReplica 為 5，synchronizer 元件的 maxReplica 為 2。

以下範例說明如何使用 kubernetes patch 指令變更 runtime 元件的 maxReplicas 屬性：

建立要搭配指令使用的環境變數：

export ENV_NAME=my-environment-name
export ENV_RELEASE_NAME=$ENV_NAME # the Helm release name for the environment
export APIGEE_NAMESPACE=apigee  #the namespace where Apigee is deployed
export COMPONENT=runtime #can be udca or synchronizer
export MAX_REPLICAS=2
export MIN_REPLICAS=1

套用修補程式。請注意，這個範例假設 kubectl 位於 PATH 中：

kubectl patch apigeeenvironment -n $APIGEE_NAMESPACE \
  $(kubectl get apigeeenvironments -n $APIGEE_NAMESPACE -o jsonpath='{.items[?(@.spec.name == "'$ENV'" )]..metadata.name}') \
  --patch "$(echo -e "spec:\n  components:\n    $COMPONENT:\n      autoScaler:\n        maxReplicas: $MAX_REPLICAS\n        minReplicas: $MIN_REPLICAS")" \
  --type merge

驗證變更：
```
kubectl get hpa -n $APIGEE_NAMESPACE
```

以環境為依據的資源調度

根據預設，資源配置會在機構層級說明。您可以在 overrides.yaml 檔案中指定環境專屬縮放比例，藉此覆寫預設設定，如以下範例所示：

envs:
  # Apigee environment name
  - name: ENV_NAME>
    components:
    # Environment-specific scaling override
    # Otherwise, uses scaling defined at the respective root component
     runtime:
      replicaCountMin: 2
      replicaCountMax: 20

以指標為依據的調度

透過指標為基礎的調度功能，執行階段可以使用 CPU 和應用程式指標來調度 apigee-runtime Pod。Kubernetes 水平 Pod 自動配置器 (HPA) API 會使用 hpaBehavior 欄位來設定目標服務的縮放和縮減行為。混合式部署中其他元件無法使用以指標為依據的調整功能。

您可以根據下列指標調整資源調度：

指標	測量	注意事項
serverMainTaskWaitTime	代理要求處理政策在執行階段執行個體中處理佇列的平均等待時間 (以毫秒為單位)。	這項指標會評估附加至 Proxy 要求流程的政策複雜度所造成的影響。
serverNioTaskWaitTime	在 HTTP 層級，代理要求在執行階段執行個體中處理佇列的平均等待時間 (以毫秒為單位)。	這個指標可評估 Proxy 要求和回應的數量和酬載大小。

以下範例取自 overrides.yaml 中的 runtime 節，說明在混合式實作中，縮放 apigee-runtime 容器的標準參數 (和允許範圍)：

runtime:
  # the following parameters configure metrics-based scaling
  hpaMetrics:
    serverMainTaskWaitTime: 400M # (range: 300M to 450M)
    serverNioTaskWaitTime: 400M # (range: 300M to 450M)
    targetCPUUtilizationPercentage: 75
  hpaBehavior:
    scaleDown:
      percent:
        periodSeconds: 60 # (range: 30 - 180)
        value: 20 # (range: 5 - 50)
      pods:
        periodSeconds: 60 # (range: 30 - 180)
        value: 2 # (range: 1 - 15)
      selectPolicy: Min
      stabilizationWindowSeconds: 120 # (range: 60 - 300)
    scaleUp:
      percent:
        periodSeconds: 60 # (range: 30 - 120)
        value: 20 # (range: 5 - 100)
      pods:
        periodSeconds: 60 # (range: 30 - 120)
        value: 4 # (range: 2 - 15)
      selectPolicy: Max
      stabilizationWindowSeconds: 30 # (range:  30 - 120)

如要套用這些設定，請更新各個環境的 apigee-runtime 圖表。例如：

helm upgrade $ENV_RELEASE_NAME apigee-runtime/ \
  --namespace APIGEE_NAMESPACE \
  --atomic \
  --set env=$ENV_NAME \
  -f overrides.yaml

啟用或停用以指標為依據的調整功能

系統預設會啟用以指標為依據的資源調度功能。如要啟用或停用以指標為依據的調度功能，請將 customAutoscaling.enabled 屬性設為 true 或 false。更新 apigee-telemetry 圖表，將變更套用至 customAutoscaling.enabled 屬性。例如：

helm upgrade telemetry apigee-telemetry/ \
  --namespace APIGEE_NAMESPACE \
  --atomic \
  -f overrides.yaml

設定更積極的資源調度

提高擴大政策的 percent 和 pods 值，可讓擴大政策更積極。同樣地，如果在 scaleDown 中增加 percent 和 pods 值，就會導致縮減規模的政策過於激進。例如：

runtime:
  # ...
  hpaMetrics:
    serverMainTaskWaitTime: 400M
    serverNioTaskWaitTime: 400M
    targetCPUUtilizationPercentage: 75
  hpaBehavior:
    scaleDown:
      percent:
        periodSeconds: 60
        value: 20
      pods:
        periodSeconds: 60
        value: 4
      selectPolicy: Min
      stabilizationWindowSeconds: 120
    scaleUp:
      percent:
        periodSeconds: 60
        value: 30
      pods:
        periodSeconds: 60
        value: 5
      selectPolicy: Max
      stabilizationWindowSeconds: 30

在上述範例中，scaleDown.pods.value 會增加至 5，scaleUp.percent.value 會增加至 30，scaleUp.pods.value 則會增加至 5。

注意：periodSeconds 的值不得低於 30。

設定較不積極的資源調度

您也可以調降 hpaBehavior 設定值，以便實施較溫和的縮放政策。例如：

runtime:
  # ...
  hpaMetrics:
    serverMainTaskWaitTime: 400M
    serverNioTaskWaitTime: 400M
    targetCPUUtilizationPercentage: 75
  hpaBehavior:
    scaleDown:
      percent:
        periodSeconds: 60
        value: 10
      pods:
        periodSeconds: 60
        value: 1
      selectPolicy: Min
      stabilizationWindowSeconds: 180
    scaleUp:
      percent:
        periodSeconds: 60
        value: 20
      pods:
        periodSeconds: 60
        value: 4
      selectPolicy: Max
      stabilizationWindowSeconds: 30

在上例中，scaleDown.percent.value 會減少至 10，scaleDown.pods.value 會減少至 1，而 scaleUp.stablizationWindowSeconds 會增加至 180。

如要進一步瞭解如何使用 hpaBehavior 欄位以指標為基礎執行資源調度，請參閱資源調度政策。

疑難排解

本節將說明設定調整和自動調整功能時可能遇到的常見錯誤，以及如何排解這些錯誤。

HPA 會顯示指標值 `unknown`

如果以指標為依據的資源調度功能無法運作，且 HPA 顯示指標值為 unknown，請使用下列指令檢查 HPA 輸出內容：

kubectl describe hpa HPA_NAME

執行指令時，請將 HPA_NAME 替換為要查看的水平 Pod 自動配置器名稱。

輸出結果會顯示服務的 CPU 目標和使用率，表示在沒有以指標為依據的調整功能時，CPU 調整功能會運作。如要瞭解使用多個參數的 HPA 行為，請參閱「根據多個指標進行調度」。