k8s学习--kubernetes服务自动伸缩之水平收缩(pod副本收缩)HPA详细解释与案例应用

---

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

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