Datadog Kubernetes Autoscaling monitoriza de forma continua tus recursos de Kubernetes para proporcionar recomendaciones inmediatas de escalado y escalado automático multidimensional de tus cargas de trabajo de Kubernetes. Puedes desplegar el escalado automático a través de la interfaz web de Datadog o con un recurso DatadogPodAutoscaler personalizado.

Cómo funciona

Datadog utiliza métricas de uso en tiempo real e históricas y señales de eventos de tus Datadog Agents existentes para hacer recomendaciones. De esta forma, puedes examinar estas recomendaciones y optar por desplegarlas.

Por defecto, Datadog Kubernetes Autoscaling utiliza valores estimados de coste de CPU y memoria para mostrar oportunidades de ahorro y cálculos del impacto. También puedes utilizar Kubernetes Autoscaling junto con Cloud Cost Management para obtener informes basados en los costes exactos de tu tipo de instancia.

El escalado automático de cargas de trabajo se realiza mediante un recurso DatadogPodAutoscaler personalizado que define el comportamiento del escalado a nivel de carga de trabajo individual. El Datadog Cluster Agent actúa como controlador de este recurso personalizado.

Cada clúster puede tener un máximo de 1000 cargas de trabajo optimizadas con Datadog Kubernetes Autoscaler.

Compatibilidad

• Distribuciones: Esta función es compatible con todas las distribuciones Kubernetes compatibles de Datadog.
• Escalado automático de cargas de trabajo: Esta función es una alternativa a Horizontal Pod Autoscaler (HPA) y a Vertical Pod Autoscaler (VPA). Datadog recomienda que elimines cualquier HPA o VPA de una carga de trabajo antes de utilizar Datadog Kubernetes Autoscaling para optimizarla. Estas cargas de trabajo se identifican en la aplicación en tu nombre.

Requisitos

• La configuración remota debe estar activada para tu organización. Consulta Activación de la configuración remota.
• Helm, para actualizar tu Datadog Agent.
• (Para usuarios del Datadog Operator) CLI kubectl, para actualizar el Datadog Agent.
• Los siguientes permisos de usuario:
  • Gestión de organización (necesario para la configuración remota)
  • Escritura de claves de API (necesario para la configuración remota)
  • Lectura del escalado de la carga de trabajo
  • Escritura del escalado de la carga de trabajo
  • Gestión del escalado automático

Configuración

helm upgrade datadog-operator datadog/datadog-operator 

spec:
  features:
    orchestratorExplorer:
      customResources:
      - datadoghq.com/v1alpha2/datadogpodautoscalers
    autoscaling:
      workload:
        enabled: true
    eventCollection:
      unbundleEvents: true
  override:
    clusterAgent:
      image:
        tag: 7.66.1
      env:
        - name: DD_AUTOSCALING_FAILOVER_ENABLED
          value: "true"
    nodeAgent:
      image:
        tag: 7.66.1 # or 7.66.1-jmx
      env:
        - name: DD_AUTOSCALING_FAILOVER_ENABLED
          value: "true"
        - name: DD_AUTOSCALING_FAILOVER_METRICS
          value: container.memory.usage container.cpu.usage
    clusterChecksRunner:
      image:
        tag: 7.66.1 # or 7.66.1-jmx

...
spec:
  features:
    admissionController:
      enabled: true
...

kubectl apply -n $DD_NAMESPACE -f datadog-agent.yaml

datadog:
  autoscaling:
    workload:
      enabled: true
  kubernetesEvents:
    unbundleEvents: true

...
clusterAgent:
  image:
    tag: 7.66.1
  admissionController:
    enabled: true
...

helm repo update

helm upgrade -f datadog-values.yaml <RELEASE_NAME> datadog/datadog

Estimaciones de costes y ahorros por inactividad

Utilización

Identificar recursos para redimensionar

La página de Resumen de Autoscaling proporciona un punto de partida para que los equipos de plataforma comprendan todas las oportunidades de ahorro de recursos Kubernetes en toda una organización y filtren por clústeres y espacios de nombres clave. La vista de Escalado de clústeres proporciona información de cada clúster sobre la totalidad de CPU inactiva, el total de memoria inactiva y los costes. Haz clic en un clúster para obtener información detallada y una tabla de las cargas de trabajo del clúster. Si eres propietario de una aplicación o servicio individual, también puedes filtrar por el nombre de tu equipo o servicio directamente desde la vista de la lista de Escalado de cargas de trabajo.

Haz clic en Optimize (Optimizar) en cualquier carga de trabajo para ver su recomendación de escalado.

Activar Autoscaling para una carga de trabajo

Después de identificar una carga de trabajo para optimizar, Datadog recomienda inspeccionar su recomendación de escalado. También puedes hacer clic en Configure Recommendation (Configurar recomendación) para añadir restricciones o ajustar los niveles de uso objetivo.

Cuando estés listo para activar Autoscaling para una carga de trabajo, tienes dos opciones de despliegue:

• Haz clic en Enable Autoscaling (Activar Autoscaling). (Requiere permiso de escritura del escalado de cargas de trabajo).

  Datadog instala y configura automáticamente el escalado automático de esta carga de trabajo.

• Despliega un recurso personalizado DatadogPodAutoscaler.

  Utiliza tu proceso de despliegue existente para orientar y configurar Autoscaling para tu carga de trabajo.

  Example DatadogPodAutoscaler CRD

  apiVersion: datadoghq.com/v1alpha2
  kind: DatadogPodAutoscaler
  metadata:
    name: <name, usually same as Deployment object name>
  spec:
    targetRef:
      apiVersion: apps/v1
      kind: Deployment
      name: <your Deployment name>
    constraints:
      # Adjust constraints as safeguards
      maxReplicas: 50
      minReplicas: 1
    owner: Local
    applyPolicy:
      mode: Apply
    objectives:
      - type: PodResource
        podResource:
          name: cpu
          value:
            type: Utilization
            utilization: 75
  

Desplegar recomendaciones manualmente

Como alternativa al Autoscaling, también puedes desplegar manualmente las recomendaciones de escalado de Datadog. Cuando configures recursos para tus despliegues de Kubernetes, utiliza los valores sugeridos en las recomendaciones de escalado. También puedes hacer clic en Export Recommendation (Exportar recomendación) para ver un comando kubectl patch generado.

Referencias adicionales

Más enlaces, artículos y documentación útiles:

Redimensionar cargas de trabajo y reducir costes con Datadog Kubernetes AutoscalingBLOG Uso de recursos de KubernetesDOCUMENTACIÓN Permisos de roles en DatadogDOCUMENTACIÓN Configuración remotaDOCUMENTACIÓN