怎么為Kubernetes配置Pod水平自動擴展

這篇文章主要介紹了怎么為Kubernetes配置Pod水平自動擴展，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

介 紹

Kubernetes有一個強大的功能，它能在運行的服務(wù)上進行編碼并配置彈性伸縮。如果沒有彈性伸縮功能，就很難適應(yīng)部署的擴展和滿足SLAs。這一功能稱為Horizontal Pod Autoscaler (HPA)。

為什么使用HPA

使用HPA，您可以根據(jù)資源的使用情況或者自定義的指標(biāo)，實現(xiàn)部署的自動擴展和縮減，讓部署的規(guī)模接近于實際服務(wù)的負載。

HPA可以為您的服務(wù)帶來兩個直接的幫助：

1. 在需要計算和內(nèi)存資源時提供資源，在不需要時釋放它們

2. 按需增加/降低性能以實現(xiàn)SLA

HPA工作原理

HPA會根據(jù)監(jiān)測到的CPU/內(nèi)存利用率（資源指標(biāo)），或基于第三方指標(biāo)應(yīng)用程序（如Prometheus、Datadog等）提供的自定義指標(biāo)，自動調(diào)整副本控制器、部署或者副本集合的pods數(shù)量（定義最小和最大pods數(shù)）。HPA是一種控制回路，它的周期由Kubernetes的controller manager –horizontal-pod-autoscaler-sync-period標(biāo)志控制（默認值是30s）。

HPA定義

HPA是Kubernetes中彈性伸縮API組下的一個API資源。當(dāng)前穩(wěn)定的版本是autoscaling/v1，它只提供了對CPU自動縮放的支持。如果您想額外獲得對內(nèi)存和自定義指標(biāo)的支持，可以使用Beta版本autoscaling/v2beta1。

您可以在HPA API對象中看到更多信息：https://git.k8s.io/community/contributors/design-proposals/autoscaling/horizontal-pod-autoscaler.md#horizontalpodautoscaler-object

在一般情況下HPA是由kubectl來提供支持的?？梢允褂胟ubectl進行創(chuàng)建、管理和刪除：

創(chuàng)建HPA：

• 帶有manifest: kubectl create -f <HPA_MANIFEST>

• 沒有manifest(只支持CPU)：kubectl autoscale deployment hello-world –min=2 --man=5 –-cpu-percent=50

獲取hpa信息:

• 基本信息: kubectl get hpa hello-world

• 細節(jié)描述: kubectl describe hpa hello-world

刪除hpa:

• kubectl delete hpa hello-world

下面是一個HPA manifest定義的例子：

這里使用了autoscaling/v2beta1版本，用到了cpu和內(nèi)存指標(biāo)

• 控制hello-world項目部署的自動縮放

• 定義了副本的最小值1

• 定義了副本的最大值10

• 當(dāng)滿足時調(diào)整大?。?/p>

  CPU使用率超過50%

  內(nèi)存使用超過100Mi

安 裝

在HPA可以在Kubernetes集群上使用之前，有一些元素需要在系統(tǒng)中安裝和配置。

需 求

檢查確定Kubernetes集群服務(wù)正在運行并且至少包含了這些標(biāo)志:

• kube-api: requestheader-client-ca-file

• kubelet: read-only-port 在端口10255

• kube-controller: 可選，只在需要和默認值不同時使用

• horizontal-pod-autoscaler-downscale-delay:”5m0s”

• horizontal-pod-autoscaler-upscale-delay:”3m0s”

• horizontal-pod-autoscaler-sync-period: “30s”

對于RKE，Kubernetes集群定義，請確定您已經(jīng)在服務(wù)部分添加了這些行。如果要在Rancher v2.0.X UI中執(zhí)行此操作，請打開”Cluster options”- “Edit as YAML”并添加下面的定義：

要部署指標(biāo)服務(wù)，您的Kubernetes集群必須要正確配置和部署。

注意：在部署和測試示例時，本文使用的是Rancher v2.0.6以及k8s v1.10.1集群

資源指標(biāo)

如果HPA想要使用資源指標(biāo)，那么就需要用到metrics-server包了，它在Kubernetes集群中的kube-system命名空間里。

按照下面的步驟實現(xiàn)：

1. 配置kubectl連接到正確的Kubernetes集群

2. 克隆metrics-server的Github倉庫：git clone https://github.com/kubernetes-incubator/metrics-server

3. 安裝metrics-server包（假設(shè)Kubernetes升級到了1.8）:kubectl create -f metrics-server/deply/1.8+/

4. 檢查metrics-server是否運行正常。在命名空間kube-system可以檢查服務(wù)pod以及日志

5. 檢查是否可以從kubectl訪問指標(biāo)API：如果您要直接訪問Kubernetes集群，請使用kubectl config的服務(wù)器URL，比如‘https://:6443’

如果您想通過Rancher訪問Kubernetes集群，那么kubectl config的服務(wù)器URL就要像：https://<RANCHER_URL>/k8s/clusters/<CLUSTER_ID>，即你還要在原本的

API路徑后面加上/k8s/clusters/<CLUSTER_ID>

自定義指標(biāo)（Prometheus）

自定義指標(biāo)作為一種資源，可以由許多第三方應(yīng)用程序提供。我們準(zhǔn)備在演示中使用Prometheus。假設(shè)Prometheus已經(jīng)部署在您的Kubernetes集群中了，它可以從pods、節(jié)點、命名空間等等地方獲得正確的指標(biāo)，我們將使用Prometheus url，http://prometheus.mycompany.io，它公開于端口80。

Prometheus可以在Rancher v2.0目錄中部署。如果在Kubernetes集群上沒有運行，那么就在Rancher目錄中部署它。

如果HPA想要使用Prometheus中的自定義指標(biāo)，那么Kubernetes集群上的kube-system命名空間則需要用到k8s-prometheus-adapter。為了方便k8s-prometheus-adapter的安裝，我們將使用banzai-charts提供的Helm chart。

通過下面的步驟可以使用這一chart：

1. 在k8s集群上初始化helm

2. 從Github倉庫克隆banzai-charts：

3. 安裝prometheus-adapter，指定具體的Prometheus URL和端口

4. 檢查prometheus-adapter是否運行正常。檢查服務(wù)pod和日志是在kube-system命名空間下

5. 檢查指標(biāo)API是否可以從kubectl進行訪問：直接訪問Kubernetes集群，那么kubectl config的服務(wù)器URL就比如https://<K8s_URL>:6443

如果是從Rancher進行訪問，那么kubectl config的服務(wù)器URL就是https://<RANCHER_URL>/k8s/clusters/<CLUSTER_ID>，需要加上后綴/k8s/clusters/<CLUSTER_ID>

ClusterRole和ClusterRoleBinding

默認情況下，HPA將嘗試通過用戶的system:anonymous讀?。ㄏ到y(tǒng)的和自定義的）指標(biāo)。用戶需要定義view-resource-metrics以及view-custom-metrics，而ClusterRole和ClusterRoleBinding將它們分配給system:anonymous來打開對指標(biāo)的讀取訪問。

要實現(xiàn)這一點，需要下面的步驟：

1. 配置kubectl正確連接到k8s集群

2. 復(fù)制ClusterRole和ClusterRoleBinding文件：

在Kubernetes集群上創(chuàng)建它們（如果你想使用自定義指標(biāo)的話）：

服務(wù)部署

為了讓HPA正常工作，服務(wù)部署應(yīng)該要有容器的資源請求定義。

我們用一個hello-world的例子來測試一下HPA是否正常工作。

我們根據(jù)下面步驟進行，第一步，正確配置kubectl連接到k8s集群，第二步，復(fù)制hello-world的部署文件。

1. 在k8s集群上部署它

2. 為資源或者自定義指標(biāo)復(fù)制HPA

3. 資源指標(biāo)：

``` apiVersion: autoscaling/v2beta1 kind: HorizontalPodAutoscaler metadata: name: hello-world namespace: default spec: scaleTargetRef: apiVersion: extensions/v1beta1 kind: Deployment name: hello-world minReplicas: 1 maxReplicas: 10 metrics:

• type: Resource resource:name: cpu targetAverageUtilization: 50

• type: Resource resource: name: memory targetAverageValue: 1000Mi

• 自定義指標(biāo)（和資源指標(biāo)一樣，不過需要添加自定義的cpu_system指標(biāo)）

4. 獲得HPA信息和描述，并且檢查資源指標(biāo)是否已經(jīng)顯示出來：

資源指標(biāo)：

自定義指標(biāo)：

5. 給我們的服務(wù)產(chǎn)生負載，進行彈性伸縮的測試。這里可以使用各種各樣的工具（產(chǎn)生負載），不過這里我們使用https://github.com/rakyll/hey 向hello-world服務(wù)發(fā)出http請求，并觀察彈性伸縮是否正常工作

6. 觀察自動的擴縮容

• 資源指標(biāo)：

• 當(dāng)cpu利用率達到目標(biāo)比例時，自動擴展到2個pods

當(dāng)cpu使用率達到目標(biāo)值horizontal-pod-autoscaler-upscale-delay默認超過3分鐘時，擴展到3個pods：

當(dāng)cpu使用率降到目標(biāo)值horizontal-pod-autoscaler-downscale-delay默認超過5分鐘時，縮小到1個pods：

自定義指標(biāo)：

• 當(dāng)cpu利用率達到目標(biāo)時擴展到2個pods：

當(dāng)cpu_system利用率限制達到目標(biāo)值，擴展到3個pods：

當(dāng)cpu利用率限制達到目標(biāo)值horizontal-pod-autoscaler-upscale-delay超過3分鐘（默認），擴展到4個pods：

當(dāng)所有的指標(biāo)都低于目標(biāo)值horizontal-pod-autoscaler-downscale-delay 超過5分鐘，自動縮小到1個pods：

感謝你能夠認真閱讀完這篇文章，希望小編分享的“怎么為Kubernetes配置Pod水平自動擴展”這篇文章對大家有幫助，同時也希望大家多多支持億速云，關(guān)注億速云行業(yè)資訊頻道，更多相關(guān)知識等著你來學(xué)習(xí)!