mcpField
A
autoscaling-configuration

autoscaling-configuration

github.com/aj-geddes云与 DevOps373453 次安装34 周前更新
代码仓库

关于 autoscaling-configuration

autoscaling-configuration 是一项指导自动扩缩容配置的技能，面向需要根据需求调整资源容量的运维和开发人员。内容涵盖 Kubernetes、AWS、自定义指标及监控，并提供实施建议。

主要功能

  1. 01配置基于流量的扩缩容
  2. 02规划定时扩缩容
  3. 03参考 Kubernetes HPA 与 AWS Auto Scaling
  4. 04使用自定义指标扩缩容
  5. 05监控扩缩容并制定回退策略

适用场景

  1. 01按工作负载流量调整资源容量
  2. 02为高流量活动规划容量
  3. 03优化批处理和数据库连接池
  4. 04通过监控与冷却时间控制扩缩容行为

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/aj-geddes/useful-ai-prompts --skill autoscaling-configuration

安装后在 Claude Code 中输入/autoscaling-configuration确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

references/
autoscaling-script.md
aws-auto-scaling.md
custom-metrics-autoscaling.md
kubernetes-horizontal-pod-autoscaler.md
monitoring-autoscaling.md
scripts/
validate-config.sh
templates/
config-starter.yaml

详细介绍

自动扩缩配置

目录

概述

实施自动扩缩策略，根据需求自动调整资源容量，在保持性能和可用性的同时确保成本效益。

适用场景

  • 根据流量扩缩工作负载
  • 按时间安排扩缩
  • 优化资源利用率
  • 降低成本
  • 应对高流量事件
  • 优化批处理
  • 数据库连接池

快速开始

最简可运行示例：

# hpa-configuration.yaml
apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: myapp-hpa
  namespace: production
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: myapp
  minReplicas: 2
  maxReplicas: 20
  metrics:
    - type: Resource
      resource:
        name: cpu
        target:
          type: Utilization
          averageUtilization: 70
    - type: Resource
      resource:
        name: memory
        target:
          type: Utilization
// ... (see reference guides for full implementation)

参考指南

references/ 目录中的详细实现：

指南内容
Kubernetes 水平 Pod 自动扩缩器Kubernetes 水平 Pod 自动扩缩器
AWS Auto ScalingAWS Auto Scaling
自定义指标自动扩缩自定义指标自动扩缩
自动扩缩脚本自动扩缩脚本
自动扩缩监控自动扩缩监控

最佳实践

✅ 应该做
  • 设置适当的最小/最大副本数
  • 监控指标聚合窗口
  • 实施冷却时间
  • 使用多个指标
  • 测试扩缩行为
  • 监控扩缩事件
  • 为峰值负载做好规划
  • 实施回退策略
❌ 不应该做
  • 将最小副本数设为 1
  • 扩缩过于激进
  • 忽略冷却时间
  • 只使用单一指标
  • 忘记测试扩缩
  • 扩缩到低于资源需求的水平
  • 忽视监控
  • 未进行容量测试就部署

评论

支持 Markdown