Robusta KRR（Kubernetes Resource Recommender）是一个用于优化 Kubernetes 集群中资源分配的命令行工具，它从 Prometheus 收集 pod 使用数据，并建议 CPU 和内存的 requests 和 limits 值，这可以大大降低成本并提高性能。

特征

• 无需代理：Robusta KRR 是一个在本地机器上运行的 CLI 工具，它不需要在你的集群中运行 Pods。
• Prometheus 集成：使用内置的 Prometheus 查询收集资源使用数据，自定义查询支持也即将推出。
• 可扩展策略：轻松创建和使用你自己的策略来计算资源推荐。
• 未来支持：即将推出的版本将支持自定义资源（例如 GPU）和自定义指标。

根据 Sysdig 最近的一项研究(https://sysdig.com/blog/millions-wasted-kubernetes/)，平均而言，Kubernetes 集群有：

• 69％未使用的 CPU
• 18％未使用内存

通过使用 KRR 调整容器大小，你可以平均节省 69% 的云成本。

如果你使用 Robusta SaaS，从 v0.10.15 开始回集成 KRR，你可以查看所有建议（也包括以前的建议），按集群、命名空间或名称过滤和排序它们。

工作原理

指标收集

Robusta KRR 使用以下 Prometheus 查询来收集使用数据：

• CPU 使用：sum(irate(container_cpu_usage_seconds_total{{namespace="{object.namespace}", pod="{pod}", cnotallow="{object.container}"}}[{step}]))。
• 内存使用：sum(container_memory_working_set_bytes{job="kubelet", metrics_path="/metrics/cadvisor", image!="", namespace="{object.namespace}", pod="{pod}", cnotallow="{object.container}"})。

算法

默认情况下，KRR 使用一个简单的策略来计算资源推荐。它的计算方法如下（确切的数字可以在 CLI 参数中自定义）：

• 对于 CPU，将请求设置为第 99 个百分位数，并且没有限制。这意味着，在 99%的情况下，您的 CPU 请求是足够的。对于剩余的 1％，我们没有设置限制。这意味着您的 Pod 可以突发并使用节点上可用的任何 CPU - 例如其他 Pod 请求但现在未使用的 CPU。
• 对于内存，使用过去一周内最大值并添加 5％缓冲区。

参考文档

Linux下做性能分析：perf

Google-Wide Profiling: A Continuous Profiling Infrastructure for Data Centers

Profiling concepts bookmark_border

What is continuous profiling?