本文目录#

引言#

Sidecar 是 Service Mesh 数据面的核心，资源消耗直接影响集群成本。本文总结 Sidecar（以 Envoy 为例）的 CPU/内存调优、连接管理与监控策略。

资源模型#

  • Envoy 需要 CPU 处理请求、TLS、过滤器；
  • 内存用于连接、缓冲、统计；
  • 与业务容器共享资源，需设定合理 Requests/Limits。

调优手段#

  • 调整 concurrency（线程数，一般与 vCPU 相等）；
  • 控制连接池大小、超时时间；
  • 启用 SO_REUSEPORT 提升吞吐；
  • 使用 envoy.filters.http.router 与轻量过滤器，避免复杂逻辑；
  • 关闭不必要的 Telemetry；
  • 使用 proxy.istio.io/config 注入自定义参数。

监控指标#

  • Envoy /stats：server.memory_allocated, http.ingress_downstream_rq_active;
  • Prometheus: istio_proxy_process_virtual_memory;
  • 观察 P99 延迟、连接数；
  • 使用 Kiali/Prometheus Dashboard 可视化。

成本优化#

  • 对低流量服务使用 Sidecar 资源配置压缩；
  • 对高流量服务使用 HBONE/ambient mesh；
  • 利用 HPA 根据 Envoy 指标伸缩；
  • 定期审计 Sidecar 配置。

总结#

Sidecar 资源治理需要结合指标监控、配置调优与架构演进。合理分配资源可以降低成本并保持性能稳定。

参考资料#

本作品系原创，采用知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议进行许可，转载请注明出处。