k8s-hpa自动横向扩容
目录
- hpa自动扩容
- 官方文档
- HPA是什么
- Horizontal Pod Autoscaler 演练
- 参数
- 案例:监控cpu,内存,每秒数据包自动扩容
- 度量指标
- pod清单案例-pod定义cup内存指标
- cpu度量指标
- memory内存度量指标
- pod度量指标
- Object度量指标
- 基于更特别的度量值来扩缩
- 查看hpa状态详情
hpa自动扩容 官方文档
https://kubernetes.io/zh/docs/tasks/run-application/horizontal-pod-autoscale-walkthrough/
HPA是什么 Kubernetes有一个HPA(Horizontal Pod Autoscaler)的资源,可以实现基于CPU使用率的Pod自动伸缩的功能。
(1)HPA基于Master Node上的kube-controller-manager服务启动参数horizontal-pod-autoscaler-sync-period定义的时长(默认为30秒),周期性的检测Pod的CPU使用率。
如果需要设置horizontal-pod-autoscaler-sync-period可以在Master Node上的/etc/default/kube-controller-manager中修改。
(2)HPA 与之前的 RC、Deployment 一样,也属于一种 Kubernetes 资源对象。通过追踪分析 RC 控制的所有目标 Pod 的负载变化情况,来确定是否需要针对性地调整目标Pod的副本数,这是HPA的实现原理。
(3)metrics-server 也需要部署到集群中, 它可以通过 resource metrics API 对外提供度量数据。
Horizontal Pod Autoscaler 演练 Horizontal Pod Autoscaler 可以根据 CPU 利用率自动扩缩 ReplicationController、 Deployment、ReplicaSet 或 StatefulSet 中的 Pod 数量 (也可以基于其他应用程序提供的度量指标,目前这一功能处于 beta 版本)。
本文将引领你了解如何为 php-apache 服务器配置和使用 Horizontal Pod Autoscaler。 与 Horizontal Pod Autoscaler 相关的更多信息请参阅 Horizontal Pod Autoscaler 用户指南。
参数
minReplicas: 最小pod实例数maxReplicas: 最大pod实例数metrics: 用于计算所需的Pod副本数量的指标列表resource: 核心指标,包含cpu和内存两种(被弹性伸缩的pod对象中容器的requests和limits中定义的指标。)object: k8s内置对象的特定指标(需自己实现适配器)pods: 应用被弹性伸缩的pod对象的特定指标(例如,每个pod每秒处理的事务数)(需自己实现适配器)external: 非k8s内置对象的自定义指标(需自己实现适配器)
案例:监控cpu,内存,每秒数据包自动扩容
apiVersion: autoscaling/v2beta1 #(支持cpu,memory,及自定义)
kind: HorizontalPodAutoscaler
metadata:
name: bikesvc
namespace: sg-bs
spec:
minReplicas: 1
maxReplicas: 10
scaleTargetRef:
apiVersion: apps/v1
kind: Deployment
name: bikesvc
metrics:
- type: Resource
resource:
name: memory# 内存占用率(百分比)
targetAverageUtilization: 80
- type: Resource
resource:
name: cpu# cpu占用率(百分比)
targetAverageUtilization: 80
#- type: Pods
#pods:
#metricName: packets-per-second # (每秒数据包)
#targetAverageValue: 1
- type: Object
object:
metricName: packets-per-second # (每秒数据包)
target:
kind: Deployment
name: bikesvc
targetValue: 1000
度量指标 pod清单案例-pod定义cup内存指标
apiVersion: apps/v1
kind: Deployment
metadata:
name: test
spec:
selector:
matchLabels:
app: nginx
template:
metadata:
labels:
app: nginx
spec:
nodeName: sg-15
containers:
- name: nginx
image: nginx
resources:
requests:
cpu: 125m# 向集群申请cpu
memory: 1024Mi # 向集群申请内存
cpu度量指标
- type: Resource
resource:
name: cpu# cpu占用率(百分比)
targetAverageUtilization: 80
memory内存度量指标
- type: Resource
resource:
name: memory# 内存占用率(百分比)
targetAverageUtilization: 80
pod度量指标
第一种可选的度量指标类型是 Pod 度量指标。这些指标从某一方面描述了 Pod, 在不同 Pod 之间进行平均,并通过与一个目标值比对来确定副本的数量。 它们的工作方式与资源度量指标非常相像,只是它们仅支持 target 类型为 AverageValue。- type: Pods
pods:
metricName: packets-per-second # (每秒数据包)
targetAverageValue: 1000
Object度量指标
第二种可选的度量指标类型是对象(Object)度量指标。这些度量指标用于描述 在相同名字空间中的别的对象,而非 Pods。 请注意这些度量指标不一定来自某对象,它们仅用于描述这些对象。 对象度量指标支持的 target 类型包括 Value 和 AverageValue。 如果是 Value 类型,target 值将直接与 API 返回的度量指标比较, 而对于 AverageValue 类型,API 返回的度量值将按照 Pod 数量拆分, 然后再与 target 值比较。 下面的 YAML 文件展示了一个表示 requests-per-second 的度量指标。- type: Object
object:
metricName: packets-per-second # (每秒数据包)
target:
kind: Deployment
name: bikesvc
targetValue: 1000
基于更特别的度量值来扩缩 【k8s-hpa自动横向扩容】? 许多度量流水线允许你通过名称或附加的 标签 来描述度量指标。 对于所有非资源类型度量指标(Pod、Object 和后面将介绍的 External), 可以额外指定一个标签选择算符。例如,如果你希望收集包含
verb
标签的 http_requests
度量指标,可以按如下所示设置度量指标块,使得扩缩操作仅针对 GET 请求执行:type: Object
object:
metric:
name: `http_requests` # http请求
selector: `verb=GET`# 标签筛选
查看hpa状态详情
> kubectl describe hpa -n sg-bs
Name:bikesvc
Namespace:sg-bs
Labels:
Annotations:CreationTimestamp:Fri, 03 Dec 2021 03:35:20 +0000
Reference:Deployment/bikesvc
Metrics:( current / target )
resource memory on pods(as a percentage of request):31% (42299392) / 80%
"packets-per-second" on Deployment/bikesvc (target value): / 1
resource cpu on pods(as a percentage of request):34% (87m) / 80%
Min replicas:1
Max replicas:10
Deployment pods:1 current / 1 desired
Conditions:
TypeStatusReasonMessage
-----------------------
AbleToScaleTrueReadyForNewScalerecommended size matches current size
ScalingActiveTrueValidMetricFoundthe HPA was able to successfully calculate a replica count from memory resource utilization (percentage of request)
ScalingLimitedFalseDesiredWithinRangethe desired count is within the acceptable range
Events:
TypeReasonAgeFromMessage
-------------------------
WarningFailedGetObjectMetric106s (x80 over 21m)horizontal-pod-autoscalerunable to get metric packets-per-second: Deployment on sg-bs bikesvc/unable to fetch metrics from custom metrics API: no custom metrics API (custom.metrics.k8s.io) registered
对于上面展示的这个 HorizontalPodAutoscaler,我们可以看出有若干状态条件处于健康状态。 首先,AbleToScale 表明 HPA 是否可以获取和更新扩缩信息,以及是否存在阻止扩缩的各种回退条件。 其次,ScalingActive 表明 HPA 是否被启用(即目标的副本数量不为零) 以及是否能够完成扩缩计算。 当这一状态为 False 时,通常表明获取度量指标存在问题。 最后一个条件 ScalingLimitted 表明所需扩缩的值被 HorizontalPodAutoscaler 所定义的最大或者最小值所限制(即已经达到最大或者最小扩缩值)。 这通常表明你可能需要调整 HorizontalPodAutoscaler 所定义的最大或者最小副本数量的限制了。
推荐阅读
- python学习之|python学习之 实现QQ自动发送消息
- 使用composer自动加载类文件
- 人脸识别|【人脸识别系列】| 实现自动化妆
- Spring|Spring Boot 自动配置的原理、核心注解以及利用自动配置实现了自定义 Starter 组件
- win7删除新建不自动刷新
- 浅析(成人情趣用品智能无人自动售货机是新零售的下一个风口吗())
- Java代码辅助效率工具Lombok(注解|Java代码辅助效率工具Lombok(注解,自动生成代码)
- Java+Selenium|Java+Selenium Web UI自动化测试的一些小总结
- 关于自动程序的思考
- Jenkins自动化部署-前端篇|Jenkins自动化部署-前端篇 (四)