Kubernetes计算管理

在摩尔定律的影响下，数据基础设施升级已经成为定期操作。根据摩尔定律，计算能力每18个月翻一番。如果需求也每18个月翻一番，那么可以通过更换硬件满足所需的增速。但最终，原始计算能力还是会趋于稳定。于是，供应商开始提高处理器和内核的性能，希望跟上摩尔定律的步伐，最终虚拟机和容器开始共享单台服务器的资源。这样就能充分利用物理服务器集群提供的庞大算力池。Kubernetes将整个数据中心视为包含了多个实体设备的一体化大型资源池，在此基础上扩展了算力资源管理的范围。

在数据世界中，数据服务一直忌讳与其他服务共享计算资源。数据工作负载通常要消耗大量资源，而且可能出现一项服务影响另一项服务的情况（即嘈杂邻居问题），由此产生了将工作负载彼此隔离的策略。但这种“一刀切”的策略扼杀了获得更大收益的可能性。首先，假设所有数据服务的资源需求相同。Apache Pulsar代理的需求远低于Apache Spark人员的需求，并且二者都与用于OLAP报告的大型MySQL实例不同。其次，使用底层硬件与运行中的应用解耦的能力可以提升容易被运营商忽视的灵活性，但这一点一直被低估。如同云原生应用一样，数据也需要Kubernetes提供可扩展性、弹性和自愈性。