Heat-AutoScaling

• 首先定义一个Auto Scaling Group，该Group 定义了可以持有资源的类型以及的最大、最小资源数
  
• 根据需求定义Alarm的触发条件，例如当CPU利用率在一分钟内平均值超过50%时触发警报
• 针对某个具体的Alarm，定义Policy,例如CPU利用率长时间偏高时，就在AutoScalingGroup中重新初始化一个相同实例,该Policy需要与 1中定义的Group绑定
  
• 为了更好的提高资源利用率，在定义自动收缩机制的同时可以定义负载均衡（Neutron LBAAS）。
  

 

• Ceilometer通过获取实例的监控参数，发现实例的监控项的统计信息在阈值范围内，且符合已经定义的Alarm触发规则
  
• 触发Policy.在生成Policy和Alarm时，Alarm会设置其alarm_actions属性，该属性的值可以理解为调用特定Policy服务的URL,此时该URL被调用
  
• Policy被调用，根据配置，决定增加还是减少实例
  

• 该模板中的Alarm创建出来后，查看alarm 列表可以发现Continues属性都是false（ 如果查看明细该属性对应的是repeat_actions属性）该属性的为false代表alarm_action只会被执行一次，所以为了达到更好的演示效果，需要将其修改为True
  
• 为了达到演示的效果，可以将Alarm的Period设置的短一点，比如说10s
• 如果Alarm的状态长时间为insufficent_data,说明ceilometer长时间没有采集到监控指标的数据，为了达到更好的演示效果可以调整/etc/ceilometer/pipeline.yaml文件中采集指标的间隔。默认的间隔是600秒，可以将其设置为小于CoolDown或是Alarm Period   的时间
• 对于执行的过程，主要可以参考heat-engine.log, heat-api-cfn.log, alarm-evaluator.log等日志
• 当前的版本执行过程中有以下错误产生，可以参考https://review.openstack.org/#/c/92887/进行解决
  
  2014-08-0105:38:08.410 3834 ERROR heat.engine.service[req-96a84baa-6b6f-4a4e-a2f3-90c0a02612e7 None] Unable to retrieve stack40e7560e-848e-4d78-bac0-8eb4f26ac22f for periodic task
• 
  
  

 

 

 

Heat-AutoScaling

原文：http://blog.csdn.net/panfengyun12345/article/details/41055295