文章目录
- 前言
- HPA简介
- 简单理解
- 详细解释
- HPA 的工作原理
- 监控系统
- 负载模式
- HPA 的优势
- 使用 HPA 的注意事项
- 应用类型
- 应用
- 环境
- 1.metircs-server部署
- 2.HPA演示示例
- (1)部署一个服务
- (2)创建HPA对象
- (3)执行压测
前言
有任何疑问或不懂的地方均可评论或私信,欢迎交流
HPA简介
简单理解
HAP,全称 Horizontal Pod Autoscaler
简单来说就是根据指标来对pod副本数量进行自动控制
比如说cpu和内存使用率
HPA 定期检查内存和 CPU
使用率高就会自动创建多个副本(上限取决于自定义的数量)
使用率低就会关闭多个副本(下限取决于自定义的数量)
实际生产中,广泛使用这四类指标:
1、Resource metrics - CPU和内存利用率指标
2、Pod metrics - 例如网络利用率和流量
3、Object metrics - 特定对象的指标,比如Ingress, 可以按每秒使用请求数来扩展容器
4、Custom metrics - 自定义监控,比如通过定义服务响应时间,当响应时间达到一定指标时自动扩容
详细解释
在 Kubernetes (k8s) 中,HPA 指的是 Horizontal Pod Autoscaler(水平 Pod 自动伸缩)。这是 Kubernetes 中用于自动调整 Pod 副本数量的机制,以应对负载的变化,确保应用程序的高可用性和资源的有效利用。
HPA 的工作原理
监控指标
HPA 通过 Kubernetes Metrics Server 或者其他自定义的指标(如 Prometheus),定期获取当前的负载情况。常见的指标包括 CPU 使用率、内存使用率、自定义指标(例如 QPS,查询每秒)等。
调整策略
根据定义的策略,HPA 会判断是否需要增加或减少 Pod 的数量。例如,如果 CPU 使用率超过预设的阈值,HPA 会增加 Pod 的数量;如果 CPU 使用率低于预设的阈值,HPA 会减少 Pod 的数量。
监控系统
HPA 依赖于监控系统提供的指标数据,常见的监控系统包括:
Kubernetes Metrics Server
提供基础的 CPU 和内存使用率数据。
Prometheus
一个更强大的监控系统,可以自定义多种指标,并与 Kubernetes 集成。
Datadog、New Relic 等第三方监控工具
可以提供更详细的应用监控数据。
负载模式
根据应用的负载模式配置 HPA 的策略:
周期性负载
如果应用负载有明显的周期性变化(如电商网站的流量在白天和晚上波动),可以根据历史数据调整 HPA 策略。
突发负载
对于突发性负载(如新闻网站在重大事件发生时流量激增),需要配置更灵活的伸缩策略,以快速响应负载变化。
持续增长负载
对于持续增长的负载(如新产品发布后的用户增长),需要确保 HPA 能够持续扩展并保持应用性能。
HPA 的优势
自动化伸缩
根据负载自动调整 Pod 数量,确保应用在高负载下能够提供足够的计算资源,而在低负载下又不浪费资源。
高可用性
通过及时增加 Pod 数量,防止应用因为资源不足而出现性能问题。
节约成本
通过在低负载时减少 Pod 数量,节省资源和成本。
使用 HPA 的注意事项
监控数据源
确保 Metrics Server 或者其他指标数据源的稳定性和准确性,否则 HPA 的调整可能不准确。
冷启动时间
在负载激增时,新增的 Pod 可能需要一些时间启动,应用需要考虑这一点,避免在短时间内出现资源不足的情况。
阈值设置
合理设置指标阈值,避免频繁的伸缩操作,造成系统的不稳定。
应用类型
HPA 适用于以下类型的应用:
Web 应用
具有高并发请求特点的应用,可以通过 HPA 在流量高峰时增加 Pod 数量,保证响应速度。
后台处理服务
如数据处理、消息队列消费者等,根据任务队列的长度或处理速度进行伸缩。
微服务架构
每个服务可以独立伸缩,HPA 可以根据每个服务的负载情况动态调整 Pod 数量
应用
虚拟机
环境
Ip | 主机名 | cpu | 内存 | 硬盘 |
---|---|---|---|---|
192.168.10.11 | master01 | 2cpu双核 | 4G | 100G |
192.168.10.12 | worker01 | 2cpu双核 | 4G | 100G |
192.168.10.13 | worker02 | 2cpu双核 | 4G | 100G |
版本 centos7.9
已部署k8s-1.27
1.metircs-server部署
master上操作
wget https://github.com/kubernetes-sigs/metrics-server/releases/latest/download/high-availability-1.21+.yaml
kubelet 证书需要由集群证书颁发机构签名
(或者通过向 Metrics Server 传递参数 --kubelet-insecure-tls 来禁用证书验证)。
更改文件
vim high-availability-1.21+.yaml
149行添加
解释
因为是虚拟机环境,这条命令是允许 kubelet 使用不安全的 TLS 连接,生产环境不建议使用,这里是便于快速部署和测试已看到效果。
kubectl apply -f high-availability-1.21+.yaml
watch kubectl get pods -n kube-system
耐心等待,如果一直起不来就先删除pod再重启个节点docker。
kubectl top nodes
kubectl top pods -n kube-system
这里就部署好了,让我们来演示一下
2.HPA演示示例
(1)部署一个服务
mkdir hpa
cd hpa/
vim 01-nginx.yaml
apiVersion: apps/v1
kind: Deployment
metadata:
labels:
app: nginx
name: nginx
namespace: default
spec:
replicas: 2
selector:
matchLabels:
app: nginx
template:
metadata:
labels:
app: nginx
spec:
containers:
- name: nginx
image: nginx:latest
imagePullPolicy: IfNotPresent
resources:
requests:
cpu: 200m
memory: 100Mi
---
apiVersion: v1
kind: Service
metadata:
name: nginx
namespace: default
spec:
type: NodePort
ports:
- port: 80
targetPort: 80
selector:
app: nginx
kubectl apply -f 01-nginx.yaml
kubectl get pods
如果没有镜像可能会慢点,耐心等待即可
这是不是报错,是再重新拉取镜像,再耐心等待一下即可
好了
(2)创建HPA对象
这是一个 HorizontalPodAutoscaler (HPA) 对象的配置,它将控制 Deployment “nginx” 的副本数量。当 CPU 使用率超过 50% 时,HPA 将自动增加 Pod 的副本数量,最高不超过 10 个。
vim 02-nginx-hpa.yaml
apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
name: nginx-hpa
namespace: default
spec:
scaleTargetRef:
apiVersion: apps/v1
kind: Deployment
name: nginx
minReplicas: 1
maxReplicas: 10
metrics:
- type: Resource
resource:
name: cpu
target:
type: Utilization
averageUtilization: 50
kubectl apply -f 02-nginx-hpa.yaml
kubectl get hpa
(3)执行压测
下载工具,查看服务ip
yum -y install httpd-tools
kubectl get svc
ab -c 1000 -n 100000000000 http://192.168.10.11:32435/
打开另一个终端查看
可以看到正在增加
kubectl get hpa
可以看到再不断变多
kubectl get hpa
指标会越来越小
10个是因为最高设置的10个
压力测试停止一段时间后查看
kubectl get pods
pod会越来越少
直到设置的最小数量
kubectl get hpa
大约5分钟以后
kubectl get hpa
kubectl get pods
可以看到pod数量已经到设置最小数量
至此
完成