Kubernetes 自动伸缩 Horizontal Pod Autoscaler 实现方式

近年来，随着云计算和微服务的流行，Kubernetes 作为一个高效、强大的容器管理系统已经成为了不可或缺的一部分。在 Kubernetes 中，分布式应用程序的水平伸缩是非常重要的，Horizontal Pod Autoscaler（HPA）应运而生。HPA 可以自动扩大/缩小pod数量，以便应对流量的变化。本文将详细介绍 Kubernetes 自动伸缩Horizontal Pod Autoscaler 的实现方式。

HPA 原理

HPA 基于 Kubernetes 的控制器架构，它可以自动检测到指标，例如 CPU 使用率、内存使用率、网络吞吐量等，并根据这些指标自动调整Pod数量，以实现负载均衡和性能优化。HPA 使用 metrics-server 获取指标数据，并与 Kubernetes API 交互，自动伸缩和缩小 Pod 数量。

以下是 HPA 工作的关键步骤：

1. 假设一个 Deployment 中运行了 3 个 Pod，HPA 会定期检查应用的指标并计算应该启动的 Pod 数量。
2. 根据指标数据和 HPA 定义的控制策略，HPA 会决定应该启动多少 Pod。
3. HPA 与 Kubernetes API 交互，并通过修改 Deployment 对象的副本数字段来扩大或缩小 Pod 数量。
4. Kubernetes 处理 Deployment 对象更改，向集群中的 Node 调度新 Pod 或删除旧 Pod。

HPA 的实现方式

HPA 的实现方式分为两种：基于 Deployment 和基于 Custom Metrics API。

基于 Deployment

基于 Deployment 的 HPA 需要使用 kubectl autoscale 命令创建水平扩展器。例如，以下命令将 nginx Deployment 的HPA最小 Pod 数量和最大 Pod 数量分别设置为 1 和 10。

kubectl autoscale deployment nginx --cpu-percent=50 --min=1 --max=10

HPA 使用 Metrics Server 从 Kubernetes 集群监视服务/容器的 CPU 和内存使用情况。当一个服务的 CPU 使用率达到阈值，Kubernetes 调整副本数量以适应负载变化。HPA 可以使用 kubectl get hpa 命令查看水平扩展器：

NAME     REFERENCE         TARGETS   MINPODS   MAXPODS   REPLICAS   AGE
nginx   Deployment/nginx   0% / 50%    1         10        1         90m

基于 Custom Metrics API

基于 Custom Metrics API 的 HPA 是衡量应用程序的自定义指标（如请求数、错误率等）来动态伸缩 Pod 数量。以下是基于 Custom Metrics API 平台的 HPA 的工作原理：

1. 满足 Custom Metrics API 页面的度量契约
2. 对度量契约执行查询并提取相关信息
3. 此信息将呈现在 Kubernetes API 中，并用于垂直或水平自动伸缩操作

以下是如何在 Kubernetes 中实现 Custom Metrics API：

1. 在 Kubernetes 中安装一个支持 Custom Metrics API 的指标解析器（例如 Prometheus）
2. 将指标解析器连接到 Kubernetes 控制平面
3. 创建一个 HPA 资源，并自定义指标查询

以下是度量契约示例：

kind: Service
apiVersion: v1
metadata:
  name: my-service
  labels:
    app: my-app
spec:
  ports:
    - name: http
      port: 80
      targetPort: 8080
  selector:
    app: my-app

---

apiVersion: v1
kind: Pod
metadata:
  labels:
    app: my-app
  name: my-app-pod
spec:
  containers:
    - name: my-app
      image: xyz/myimage:latest
      ports:
        - containerPort: 8080

---

apiVersion: custom.metrics.k8s.io/v1beta1
kind: MetricValueList
metadata:
  name: myapp-requests-per-second
  namespace: default
spec:
  metrics:
    - name: requests-per-second
      timestamp: ""
      value: 2134
      selector:
        matchLabels:
          app: my-app
      metricName: requests-per-second
      valueType: Value

上面的例子是为了跟踪请求数并在 HPA 中使用它，用于动态调整 Pod 数。 这在水平自动缩放方面非常有用，因为它确保您可以动态地添加或删除 Pod 来应对变化的负载。

代码示例

如下是一个基于 Deployment 的 HPA 示例代码：

apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
  name: my-app-hpa
  namespace: default
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: my-app
  minReplicas: 3
  maxReplicas: 8
  metrics:
    - type: Resource
      resource:
        name: cpu
        targetAverageUtilization: 50

上面的配置文件中，HPA 最小 Pod 数量为 3，最大 Pod 数量为 8。当 CPU 使用率超过 50% 时，HPA 会自动添加更多的 Pod，当 CPU 使用率少于 50% 时，HPA 会自动删除一些 Pod。

总结

Kubernetes 自动伸缩 Horizontal Pod Autoscaler 是 Kubernetes 的核心特性之一，可以帮助您更好地管理容器化应用程序的负载。本文介绍了 HPA 工作原理、实现方式以及示例代码，希望对您有所帮助，让您在实际应用中更好地运用 HPA 功能，实现负载均衡和性能优化，提高应用系统的可靠性和可扩展性。

来源：JavaScript中文网 ，转载请注明来源 本文地址：https://www.javascriptcn.com/post/659ee267add4f0e0ff7a74b9