k8s Horizontal Pod Autoscaler(HPA)

Kubernetes有一個HPA(Horizontal Pod Autoscaler)的資源倒慧,可以實現(xiàn)基于CPU使用率的Pod自動伸縮的功能
注意從kubernetes1.11開始Heapster被廢棄不在使用,metrics-server 替代了heapster
實現(xiàn)HPA首先需要部署metrics-server葫录,一個集群級別的資源利用率數(shù)據(jù)的聚合器
部署metrics-server步驟:
首先進入GitHub上進到kubernetes項目下的cluster下的addons文件路徑下反肋,把其中的yaml下載下來
然后對其中幾份yaml進行修改
metrics-server-deployment.yaml

  1. metrics-server的command中加上 - --kubelet-insecure-tls 表示不驗證客戶端的證書
  2. 注釋掉端口10255尼摹,注釋后會使用10250
  3. 因為某些不可描述的原因和措,可以將其中兩個鏡像更換為阿里云鏡像
  4. addon-resizer的command中寫上具體的cpu奴烙、memory助被、extra-memory的值
  5. 注釋掉minClusterSize={{ metrics_server_min_cluster_size }}
    resource-reader.yaml
  6. resource屬性添加- nodes/stats屬性

執(zhí)行 kubectl create -f 下載的yaml和修改后的yaml
等待資源創(chuàng)建后
查看api-versions剖张,會看到多出了metrics.k8s.io/v1beta1
使用 kubectl top nodes 或 kubectl top pods 可查看節(jié)點或某節(jié)點內(nèi)容器組的cpu資源和內(nèi)存資源的使用情況
參考文檔

部署metrics-server后,創(chuàng)建hpa

apiVersion: autoscaling/v1
kind: HorizontalPodAutoscaler
metadata:
  name: ms-wechat  # 名稱
  namespace: default #k8s命名空間
spec:
  maxReplicas: 10  # 最大副本數(shù)
  minReplicas: 1   # 最小副本數(shù)
  scaleTargetRef:   
    apiVersion: apps/v1beta1
    kind: Deployment  
    name: ms-wechat   # 監(jiān)控名為ms-wechat的Deployment
  targetCPUUtilizationPercentage: 80  # cpu 閾值

或者

apiVersion: autoscaling/v2beta1
kind: HorizontalPodAutoscaler
metadata:
  name: mynginx
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: mynginx
  minReplicas: 2
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      targetAverageUtilization: 50
  - type: Resource
    resource:
      name: memory
      targetAverageValue: 50Mi

spec中嵌套的個字段的說明如下:

  1. minReplicas:自動伸縮pod副本數(shù)下限
  2. maxReplicas:自動伸縮可擴展至Pod副本數(shù)的上限
  3. scaleTargetRef:要伸縮的目標資源
  4. metrics:用于計算所需的Pod副本數(shù)量的指標列表
  5. external:用于應(yīng)用非附屬于任何對象的全局指標
  6. object:應(yīng)用描述集群中某單一對象的特定指標
  7. pods:應(yīng)用被彈性伸縮的pod對象的特定指標
  8. resource:應(yīng)用資源指標揩环,即當前被彈性伸縮的pod對象中容器的requests和limits中定義的指標搔弄。
  9. type:標識指標源的類型

設(shè)置hpa后查看hpa資源

kubectl get hpa

假如targets字段有顯示unknown
原因

  1. 剛建立,等待一段時間再查看
  2. 需要自動伸縮的目標資源并沒有進行資源限制
    對目標資源加上
resources:
      requests:
        memory: "64Mi"
        cpu: "250m"
      limits:
        memory: "128Mi"
        cpu: "1"

再執(zhí)行

kubectl apply -f 對應(yīng)的資源yaml

然后重新查看

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末丰滑,一起剝皮案震驚了整個濱河市顾犹,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌褒墨,老刑警劉巖炫刷,帶你破解...
    沈念sama閱讀 222,681評論 6 517
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異郁妈,居然都是意外死亡浑玛,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,205評論 3 399
  • 文/潘曉璐 我一進店門噩咪,熙熙樓的掌柜王于貴愁眉苦臉地迎上來顾彰,“玉大人,你說我怎么就攤上這事胃碾≌窍恚” “怎么了?”我有些...
    開封第一講書人閱讀 169,421評論 0 362
  • 文/不壞的土叔 我叫張陵仆百,是天一觀的道長厕隧。 經(jīng)常有香客問我,道長儒旬,這世上最難降的妖魔是什么栏账? 我笑而不...
    開封第一講書人閱讀 60,114評論 1 300
  • 正文 為了忘掉前任,我火速辦了婚禮栈源,結(jié)果婚禮上挡爵,老公的妹妹穿的比我還像新娘。我一直安慰自己甚垦,他們只是感情好茶鹃,可當我...
    茶點故事閱讀 69,116評論 6 398
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著艰亮,像睡著了一般闭翩。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上迄埃,一...
    開封第一講書人閱讀 52,713評論 1 312
  • 那天疗韵,我揣著相機與錄音,去河邊找鬼侄非。 笑死蕉汪,一個胖子當著我的面吹牛流译,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播者疤,決...
    沈念sama閱讀 41,170評論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼福澡,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了驹马?” 一聲冷哼從身側(cè)響起革砸,我...
    開封第一講書人閱讀 40,116評論 0 277
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎糯累,沒想到半個月后算利,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,651評論 1 320
  • 正文 獨居荒郊野嶺守林人離奇死亡寇蚊,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,714評論 3 342
  • 正文 我和宋清朗相戀三年笔时,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片仗岸。...
    茶點故事閱讀 40,865評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖借笙,靈堂內(nèi)的尸體忽然破棺而出扒怖,到底是詐尸還是另有隱情,我是刑警寧澤业稼,帶...
    沈念sama閱讀 36,527評論 5 351
  • 正文 年R本政府宣布盗痒,位于F島的核電站,受9級特大地震影響低散,放射性物質(zhì)發(fā)生泄漏俯邓。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 42,211評論 3 336
  • 文/蒙蒙 一熔号、第九天 我趴在偏房一處隱蔽的房頂上張望稽鞭。 院中可真熱鬧,春花似錦引镊、人聲如沸朦蕴。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,699評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽吩抓。三九已至,卻和暖如春赴恨,著一層夾襖步出監(jiān)牢的瞬間疹娶,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,814評論 1 274
  • 我被黑心中介騙來泰國打工伦连, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留雨饺,地道東北人挣饥。 一個月前我還...
    沈念sama閱讀 49,299評論 3 379
  • 正文 我出身青樓,卻偏偏與公主長得像沛膳,于是被迫代替她去往敵國和親扔枫。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 45,870評論 2 361

推薦閱讀更多精彩內(nèi)容