Kubernetes之HPA动态伸缩

古城微笑少年丶 2023-07-04 04:52 63阅读 0赞

> 一直以来，系统的自动弹性扩展是一个重点话题，希望系统可根据应用负载的变化而自动增加或者减少计算资源。  
> 自动弹性扩展一般包括两种方式：  
> 　水平扩展：针对实例数目的增减；  
> 　垂直扩展：对单个实例可用资源的增减；

我们知道，通过Replication Controller可以非常方便地实现Pod的弹性伸缩，如果在此基础上，获取并分析Kubernetes平台所监控的Pod各项资源监控指标，就可以实现自动伸缩的功能，即基于Pod的资源使用情况，根据配置的策略自动调整Pod的副本数。

Horizontal Pod Autoscaler（HPA)属于水平扩展。在Kubernetes中通过Horizontal Pod Autoscaler来实现Pod的自动伸缩。

**Horizontal Pod Autoscaler的操作对象是Replication Controller、Deployment/Replica Set对应的Pod**，根据监测到各关联Pod的CPU实际平均使用率与用户的期望值进行比对，从而做出是否需要增减Pod实例数量的决策，并通过Replication Controller来调整Pod的副本数，实现自动伸缩。目前使用heapSter来检测Pod的CPU使用量，**检测周期默认是30s。**

举例说明通过创建Horizontal Pod Autoscaler来实现Nginx Pod的自动弹性伸缩，HorizontalPod Autoscaler定义文件deployment.yaml如下：

apiVersion: apps/v1   
    kind: HorizontalPodAutoscaler
    metadata:
      name: mydeployment
      namespace: default
    spec:
    	scaleRef: 
    	kind: ReplicationController
    	name: mydeployment
    	subresource: scale	
    minReplicas: 1
    maxReplicas:        
    cpuUtilization:
      targetPercentage: 60

在此Horizontal Pod Autoscaler中通过．spec.scaleRef指定对应的Replication Controller,.spec.minReplicas和．spec.maxReplicas分别设定Pod可伸缩的最小和最大副本数。另外，其设置了自动伸缩策略：当所有关联Pod的CPU平均使用率超过60%的时候进行扩容，而少于60%的时候进行缩容。

在Horizontal Pod Autoscaler Controller检测到CPU的实际使用量之后，会求出当前的CPU使用率（**实际使用量与Pod请求量的比率**）。然后，Horizontal Pod Autoscaler Controller会通过调整副本数量使得CPU使用率尽量向期望值靠近。

另外，由于自动扩展的决策一般需要一段时间后才会显现，而且在短期内还会引入一些新的CPU负荷（如创建或者删除Pod等）。比如，当Pod所需要的CPU负荷过大，经过分析判断需要运行一个新的Pod进行分流，在新建Pod的过程中系统的CPU使用量可能会有一个攀升的过程。**因此，在每次决策后的一段时间内将不再进行扩展决策。对于水平扩容（ScaleUp）而言，这个时间段为3分钟；对于水平收缩（ScaleDown）而言，这个时间段为5分钟**。再者，Horizontal Pod Autoscaler Controller允许一定范围内的CPU使用量的不稳定，也就是说，出于维护系统稳定性的考虑，只有当CurrentPodConsumption/Target的比值低于0.9或者高于1.1时才进行实例调整。

> 参考书籍：《基于Kubernetes的容器云平台实战》
> 
> 个人github账号：[https://github.com/SpecialAll][https_github.com_SpecialAll]

[https_github.com_SpecialAll]: https://github.com/SpecialAll