Kubernetes 作为一款高效的容器编排工具，在现代云计算领域得到了广泛应用。其中，HPA（Horizontal Pod Autoscaler）是 Kubernetes 内置的一个自动伸缩的控制器。它可以根据应用负载的变化来动态地调整容器的数量，确保应用能够健康运行。
本文将介绍 Kubernetes 中 HPA 的使用方法，并结合实际场景进行详细讲解。
HPA 的基本概念
在 Kubernetes 中，Pod 是最小的调度单元，它可以包含一个或多个容器，用于运行应用程序。HPA 的本质就是对 Pod 的水平扩展或收缩，以满足负载需求。
HPA 的工作原理如下：
- 通过 Kubernetes API Server，HPA 监控应用程序的指标（如 CPU 占用率、内存占用率等）。
- HPA 计算出当前应用程序的负载，并与用户设置的目标负载作比较。
- 如果当前负载超出了目标负载的上限，HPA 将自动增加 Pod 的数量，以提供更多的容量。
- 如果当前负载低于目标负载的下限，HPA 将自动减少 Pod 的数量，以节省资源。
配置 HPA
使用 HPA 时，需要以下配置：
- 应用程序必须支持自动扩展，在 POD 描述文件中明确声明自动扩展服务的监控指标（如
cpu、memory）。 - 开启 K8S 集群的 metrics-server 插件，以收集应用的监控数据。
- 安装 HPA 控制器，并配置目标负载值。
配置应用程序
我们以一个简单的 nginx 镜像为例，来演示如何配置应用程序：
-- -------------------- ---- -------
----------- -------
----- ----------
---------
----- ----------------
-------
---- -----
-----
--------- -
---------
------------
---- -----
---------
---------
-------
---- -----
-----
-----------
- ----- -----
------ -----
------
- -------------- --
----------
---------
---- ---- - -- --- -------
---------------
--------
----- -----------
----- --在 resources 字段中，我们声明了 cpu 的请求为 100m。这意味着，当 Pod 对 CPU 的请求量超过 100m 时，HPA 将会启动自动扩展服务。
开启 metrics-server
metrics-server 是 Kubernetes 用于收集 Pod 监控数据的插件。要开启 metrics-server，我们需要执行以下命令：
$ kubectl apply -f https://github.com/kubernetes-sigs/metrics-server/releases/latest/download/components.yaml
安装 HPA
安装 HPA 控制器非常简单，只需要执行以下命令：
$ kubectl apply autoscaling deployment nginx-deployment --min=1 --max=10 --cpu-percent=50
这将会创建一个名为 nginx-deployment 的 HPA 控制器，并设置最小 Pod 数量为 1，最大 Pod 数量为 10，目标 CPU 占用率为 50%。当 CPU 占用率超过 50% 时，HPA 会自动扩展 nginx 实例数量。
示例场景
现在，我们可以通过一个示例场景，来演示 HPA 的自动伸缩功能。假设我们有一个基于 node.js 构建的 web 应用，需要支持高并发访问。以下是相关的 yaml 配置文件：
-- -------------------- ---- -------
----------- -------
----- ----------
---------
----- ------------------
-------
---- -------
-----
--------- -
---------
------------
---- -------
---------
---------
-------
---- -------
-----
-----------
- ----- -------
------ --------------
------
- -------------- ----
---------------
----------
----- ----
-------------------- -
-------------- --
--------------
--------
----- -
----- ----
-------------------- -
-------------- --
-----------------
- ----- ------------
---
----------- --
----- -------
---------
----- ---------------
-----
---------
---- -------
----- --------
------
- ----- ----
--------- ---
----- ----
----------- ----这里我们需要说明的是，我们的 node 后端程序定义了两个探针，分别为 readinessProbe 和 livenessProbe，用于监控程序运行状态。
启动应用
首先，我们需要使用下面的命令来启动应用：
$ kubectl apply -f nodeapp.yaml
这会创建一个名为 nodeapp-deployment 的 deployment，ok！
开启 HPA
由于这个 web 应用具有高并发的特点，如果我们不手动增加容器，那么很容易出现请求超时的问题。为了解决这个问题，我们可以使用 HPA 自动伸缩功能。
下面是相应的命令：
$ kubectl autoscale deployment nodeapp-deployment --cpu-percent=50 --min=1 --max=10
这会创建一个名为 nodeapp-deployment 的 HPA 控制器，并设置 CPU 占用率上限为 50%，最小 Pod 数量为 1，最大 Pod 数量为 10。
测试应用
现在我们可以开始测试我们的应用程序了。使用以下命令来获取应用程序的服务地址：
$ kubectl get service nodeapp-service --output=jsonpath='{.status.loadBalancer.ingress[0].ip}'访问该地址，我们可以通过 web 浏览器对应用进行压力测试。
增加负载
当我们模拟多用户同时访问应用程序时，可以看到 CPU 占用率已经超过了 50%。此时，HPA 会自动增加 Pod 数量，以扩展应用的容量。
使用以下命令监控 HPA 的变化：
$ kubectl get hpa
可以看到，当 CPU 占用率超过了 50% 时，HPA 在 5 秒内自动增加了一个 Pod 实例。
缩减负载
当负载降低时，HPA 会自动缩减容器数量，以节省资源。
使用以下命令，将 CPU 占用率降低至 30%：
$ kubectl exec -it nodeapp-deployment-XXX -- stress --cpu 1 --timeout 150
这里，我们使用 stress 工具，模拟一个短时长的 CPU 占用率高峰。
使用以下命令检查 Pod 数量：
$ kubectl get pods
可以看到，当 CPU 占用率降低至 30% 时，HPA 在 5 秒内自动缩减了一个 Pod 的数量。
总结
通过本文，我们深度学习了 Kubernetes 中 HPA 的使用方法，并针对实际服务器部署情况给出了详细的指导和展示。它可以帮助我们避免由于负载过重而导致的应用程序崩溃，从而确保应用程序可以持续运行。如果你打算构建一个可伸缩的应用程序，那么 HPA 将会是一个不错的选择。
来源：JavaScript中文网 ，转载请注明来源 https://www.javascriptcn.com/post/64d4b07eb5eee0b525c829e0