k8s之HPA梳理与实践

HPA理论知识

1. HPA介绍

HPA（Horizontal Pod Autoscaler），就是Pod根据一定的指标条件，实现水平横向自动扩缩容。

2. HPA的工作原理

Kubernetes中的某个Metrics Server（Heapster或自定义Metrics Server）持续采集所有的pod副本的指标数据。HPA控制器通过Metrics Server的API（Heapster的API或聚合API）获取这些数据，基于用户定义的扩缩容规则进行计算，得到目标Pod副本数量。

当目标Pod副本数量与当前副本数量不同时，HPA控制器就向Pod的副本控制器（Deployment、RC或ReplicaSet）发起scale操作，调整Pod的副本数量，完成扩缩容操作。下图描述了HPA体系中的关键组件和工作流程。 k8s之HPA梳理与实践

HPA算法：

desiredReplicas =ceil[currentReplicas * ( currentMetricValue / desiredMetricValue )] ###即既往副本数 = 当前副本数×（当前指标值/期望的指标值），将结果向上取整。

例：一个app应用设置了根据cpu使用量扩缩容。假如cpu期望指标值设置为100m，当前cpu使用的指标值为200m，则计算得到的pod副本数应该为2个（200 ÷100 = 2）；如果当前cpu使用值为150，则pod数量也为2（150 ÷100 = 1.5，向上取整，结果为2）

3. HPA的指标类型

Master的kube-controller-manager服务持续监测目标Pod的某种性能指标，以计算是否需要调整副本数量。目前Kubernetes支持的指标类型有：

Pod资源使用率：Pod级别的性能指标，通常是一个比率值，例如CPU使用率。 Pod自定义指标：Pod级别的性能指标，通常是一个数值，例如接收的请求数量。 Object自定义指标或外部自定义指标：通常是一个数值，需要容器应用以某种方式提供，例如通过HTTP URL“/metrics”提供，或者使用外部服务提供的指标采集URL。

4. HPA的几个值

探测周期—默认15s

HPA控制器基于Master的kube-controller-manager服务启动参数--horizontal-pod-autoscaler-sync-period定义的探测周期（默认值为15s），周期性地监测目标Pod的资源性能指标，并与HPA资源对象中的扩缩容条件进行对比，在满足条件时对Pod副本数量进行调整。

首次探测pod是否Ready的延时时间—默认30s

可以通过kubecontroller-manager服务的启动参数--horizontal-pod-autoscaler-initialreadiness-delay设置首次探测Pod是否Ready的延时时间，默认值为30s。另一个启动参数--horizontal-pod-autoscaler-cpuinitialization-period设置首次采集Pod的CPU使用率的延时时间。

容忍度—默认值10%

当计算结果与1非常接近时，可以设置一个容忍度让系统不做扩缩容操作。容忍度通过kube-controller-manager服务的启动参数--horizontalpod-autoscaler-tolerance进行设置，默认值为0.1（即10%），表示基于HPA算法得到的结果在[-10%-+10%]区间内，即[0.9-1.1]，控制器都不会进行扩缩容操作。

扩缩容操作执行等待时长—默认5min

这个值可通过kube-controller-manager服务的启动参数--horizontal-podautoscaler-downscale-stabilization-window进行配置，默认值为5min（例如：cpu减小后至少需要等 5 分钟才会缩容）。

HPA实践

配置HPA一般有2种方式： 1）界面可视化创建HPA(rancher为例) 2）编写yaml文件，使用kubectl创建HPA 但前提是都需要配置资源 Reservation，以CPU为例，部署一个redis实例，记录两种HPA的配置方式

1. Rancher界面配置HPA

1.1 先给需要配置HPA的redis配置CPU Reservation（如果在rancher界面上设置，则在应用的“安全/主机设置”模块里设置） k8s之HPA梳理与实践

1.2 进入rancher的Resources HPA界面添加新的HPA Resources—>HPA—>Add HPA，创建HPA: k8s之HPA梳理与实践

创建好之后： k8s之HPA梳理与实践

redis压测语句：

redis-benchmark -h redis -p 6379 -c 100 -n 10000

用以上压测语句压测redis实例，就会看到pod数量在达到条件后，开始扩容。

2. yaml文件创建HPA

2.1 修改yaml文件，在spec模块给redis应用配置资源信息：

resources:
  limits:
    cpu: 256m
    memory: 256Mi
  requests:
    cpu: 128m
    memory: 128Mi

2.2 编写创建HPA的yaml文件，并执行命令 kubectl create -f redis.yaml 创建HPA：

apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
  labels:
    app: redis
  name: redis-hpa
  namespace: test
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: redis
  maxReplicas: 3
  minReplicas: 1
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 20

yaml文件创建好之后： k8s之HPA梳理与实践

同样，压测redis，就能看到HPA已经在起作用了

秒客网