【云原生】K8s pod 動態彈性擴縮容 HPA

作者：liugp 2023-02-08 07:55:33

對于自定義指標，將使用 custom.metrics.k8s.io API。它由其他度量指標方案廠商的“適配器（Adapter）” API 服務器提供。檢查你的指標管道以查看是否有可用的 Kubernetes 指標適配器。

一、概述

Horizontal Pod Autoscaler（HPA?，Pod水平自動伸縮），根據平均 CPU 利用率、平均內存利用率或你指定的任何其他自定義指標自動調整 Deployment? 、ReplicaSet? 或 StatefulSet? 或其他類似資源，實現部署的自動擴展和縮減，讓部署的規模接近于實際服務的負載。HPA不適用于無法縮放的對象，例如DaemonSet。

官方文檔：https://kubernetes.io/zh-cn/docs/tasks/run-application/horizontal-pod-autoscale/

實際生產中，一般使用這四類指標：

Resource metrics——CPU核和內存利用率指標。
Pod metrics——例如網絡利用率和流量。
Object metrics——特定對象的指標，比如Ingress, 可以按每秒使用請求數來擴展容器。
Custom metrics——自定義監控，比如通過定義服務響應時間，當響應時間達到一定指標時自動擴容。

二、安裝 metrics-server

1）HPA 前提條件

默認情況下，Horizontal Pod Autoscaler 控制器會從一系列的 API 中檢索度量值。集群管理員需要確保下述條件，以保證 HPA 控制器能夠訪問這些 API：

對于資源指標，將使用 metrics.k8s.io API，一般由 metrics-server 提供。它可以作為集群插件啟動。
對于自定義指標，將使用 custom.metrics.k8s.io API。它由其他度量指標方案廠商的“適配器（Adapter）” API 服務器提供。檢查你的指標管道以查看是否有可用的 Kubernetes 指標適配器。
對于外部指標，將使用 external.metrics.k8s.io API。可能由上面的自定義指標適配器提供。

Kubernetes Metrics Server：

Kubernetes Metrics Server 是 Cluster 的核心監控數據的聚合器，kubeadm 默認是不部署的。
Metrics Server 供 Dashboard 等其他組件使用，是一個擴展的 APIServer，依賴于 API Aggregator。所以，在安裝 Metrics Server 之前需要先在 kube-apiserver 中開啟 API Aggregator。
Metrics API 只可以查詢當前的度量數據，并不保存歷史數據。
Metrics API URI 為 /apis/metrics.k8s.io/，在 k8s.io/metrics 下維護。
必須部署 metrics-server 才能使用該 API，metrics-server 通過調用 kubelet Summary API 獲取數據。

2）開啟 API Aggregator

# 添加這行
# --enable-aggregator-routing=true
### 修改每個 API Server 的 kube-apiserver.yaml 配置開啟 Aggregator Routing：修改 manifests 配置后 API Server 會自動重啟生效。
cat /etc/kubernetes/manifests/kube-apiserver.yaml

3）開始安裝 metrics-server

GitHub地址：https://github.com/kubernetes-sigs/metrics-server/releases下載

wget https://github.com/kubernetes-sigs/metrics-server/releases/download/metrics-server-helm-chart-3.8.2/components.yaml

修改

...
  template:
    metadata:
      labels:
        k8s-app: metrics-server
    spec:
      containers:
      - args:
        - --cert-dir=/tmp
        - --secure-port=4443
        - --kubelet-preferred-address-types=InternalIP,ExternalIP,Hostname
        - --kubelet-use-node-status-port
        - --kubelet-insecure-tls                    #   加上該啟動參數，不加可能會報錯
        image: registry.aliyuncs.com/google_containers/metrics-server:v0.6.1   # 鏡像地址根據情況修改
        imagePullPolicy: IfNotPresent
...

metrics-server pod無法啟動，出現日志unable to fully collect metrics: ... x509: cannot validate certificate for because ... it doesn't contain any IP SANs ...?解決方法：在metrics-server中添加--kubelet-insecure-tls參數跳過證書校驗

開始安裝

kubectl apply -f components.yaml
kubectl get pod -n kube-system | grep metrics-server
# 查看
kubectl get pod -n kube-system | grep metrics-server
# 查看node和pod資源使用情況
kubectl top nodes
kubectl top pods

三、Horizontal Pod Autoscaler 工作原理

1）原理架構圖

自動檢測周期由 kube-controller-manager 的 --horizontal-pod-autoscaler-sync-period 參數設置（默認間隔為 15 秒）。
metrics-server 提供 metrics.k8s.io API 為pod資源的使用提供支持。
15s/周期 -> 查詢metrics.k8s.io API -> 算法計算 -> 調用scale 調度 -> 特定的擴縮容策略執行。

2）HPA擴縮容算法

從最基本的角度來看，Pod 水平自動擴縮控制器根據當前指標和期望指標來計算擴縮比例。

期望副本數 = ceil[當前副本數 * (當前指標 / 期望指標)]

1、擴容

如果計算出的擴縮比例接近 1.0, 將會放棄本次擴縮, 度量指標 / 期望指標接近1.0。

2、縮容

冷卻/延遲: 如果延遲（冷卻）時間設置的太短，那么副本數量有可能跟以前一樣出現抖動。默認值是 5 分鐘（5m0s）--horizontal-pod-autoscaler-downscale-stabilization

3、特殊處理

丟失度量值：縮小時假設這些 Pod 消耗了目標值的 100%，在需要放大時假設這些 Pod 消耗了 0% 目標值。這可以在一定程度上抑制擴縮的幅度。
存在未就緒的pod的時候：我們保守地假設尚未就緒的 Pod 消耗了期望指標的 0%，從而進一步降低了擴縮的幅度。
未就緒的 Pod 和缺少指標的 Pod 考慮進來再次計算使用率。如果新的比率與擴縮方向相反，或者在容忍范圍內，則跳過擴縮。否則，我們使用新的擴縮比例。
指定了多個指標，那么會按照每個指標分別計算擴縮副本數，取最大值進行擴縮。

3）HPA 對象定義

apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
  name: nginx
spec:
  behavior:
  scaleDown:
    policies:
    - type: Pods
      value: 4
      periodSeconds: 60
    - type: Percent
      value: 10
      periodSeconds: 60
    stabilizationWindowSeconds: 300
  
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: nginx
  minReplicas: 1
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 50

HPA對象默認行為

behavior:
  scaleDown:
    stabilizationWindowSeconds: 300
    policies:
    - type: Percent
      value: 100
      periodSeconds: 15
  scaleUp:
    stabilizationWindowSeconds: 0
    policies:
    - type: Percent
      value: 100
      periodSeconds: 15
    - type: Pods
      value: 4
      periodSeconds: 15
    selectPolicy: Max

四、示例演示

1）編排yaml

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: hpa-nginx
spec:
  maxReplicas: 10 # 最大擴容到10個節點（pod）
  minReplicas: 1 # 最小擴容1個節點（pod）
  metrics:
  - resource:
      name: cpu
      target:
        averageUtilization: 40 # CPU 平局資源使用率達到40%就開始擴容，低于40%就是縮容
        # 設置內存
        # AverageValue：40
        type: Utilization
    type: Resource
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: hpa-nginx
---
apiVersion: v1
kind: Service
metadata:
  name: hpa-nginx
spec:
  type: NodePort
  ports:
    - name: "http"
      port: 80
      targetPort: 80
      nodePort: 30080
  selector:
    service: hpa-nginx
---
apiVersion: apps/v1
kind: Deployment
metadata:
  name: hpa-nginx
spec:
  replicas: 1
  selector:
    matchLabels:
      service: hpa-nginx
  template:
    metadata:
      labels:
        service: hpa-nginx
    spec:
      containers:
        - name: hpa-nginx
          image: nginx:latest
          resources:
            requests:
              cpu: 100m
              memory: 100Mi
            limits:
              cpu: 200m
              memory: 200Mi

主要參數解釋如下：

scaleTargetRef：目標作用對象，可以是Deployment、ReplicationController或ReplicaSet。
minReplicas和maxReplicas：Pod副本數量的最小值和最大值，系統將在這個范圍內進行自動擴縮容操作，并維持每個Pod的內存使用率為40%，這個值就是上面設置的閾值averageUtilization。
metrics：目標指標值。在metrics中通過參數type定義指標的類型；通過參數target定義相應的指標目標值，系統將在指標數據達到目標值時（考慮容忍度的區間，見前面算法部分的說明）觸發擴縮容操作。
對于CPU使用率，在target參數中設置averageUtilization定義目標平均CPU使用率。
對于內存資源，在target參數中設置AverageValue定義目標平均內存使用值。

執行

kubectl apply -f test.yaml

2）使用 ab 工具進行壓測

進入apache官網 http://httpd.apache.org/ 下載apache即可，或者直接通過yum安裝apache都行，這里選擇最簡單的方式yum安裝

yum install httpd -y

開始壓測

ab -n 100000 -c 800 http://local-168-182-112:30080/

#-c：并發數
#-n：總請求數

? ?

責任編輯：武曉燕來源：大數據與云原生技術分享

成人免费xxxxx在线视频软件_久久精品久久久_亚洲国产精品久久久_天天色天天色_亚洲人成一区_欧美一级欧美三级在线观看