HPA原理

成都创新互联公司服务项目包括富拉尔基网站建设、富拉尔基网站制作、富拉尔基网页制作以及富拉尔基网络营销策划等。多年来，我们专注于互联网行业，利用自身积累的技术优势、行业经验、深度合作伙伴关系等，向广大中小型企业、政府机构等提供互联网行业的解决方案，富拉尔基网站推广取得了明显的社会效益与经济效益。目前，我们服务的客户以成都为中心已经辐射到富拉尔基省份的部分城市，未来相信会继续扩大服务区域并继续获得客户的支持与信任！

K8S弹性伸缩，指在大业务量情况下，当前容器资源如cpu，内存，自定义指标等，已超出正常设定的范围时进行的自动扩容操作，将业务负载到扩容后的容器上，降低容器压力，直到达到HPA设定的容器数量上限，当业务量降低后，实现自动缩容操作。Kubernetes 中的 Metrics Server 持续采集所有 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。

HPA的具有扩缩容冷却周期，防止因网络抖动而造成的不必要扩缩容操作

扩容冷却时间默认值：3分钟

缩容冷却时间默认值：5分钟

可以通过调整kube-controller-manager组件启动参数设置冷却时间：

--horizontal-pod-autoscaler-downscale-delay ：扩容冷却

--horizontal-pod-autoscaler-upscale-delay ：缩容冷却

HPA发展初期只支持内存，cpu的自动扩缩容操作，不支持自定义指标，发展至今，已经可以通过第三方插件与Prometheus等监控服务进行交互，获取到自定义指标，并转换成apiserver能够理解的内容，供HPA进行自动化扩缩容操作。如下图

HPA发展历程

目前 HPA 已经支持了 autoscaling/v1、autoscaling/v2beta1和autoscaling/v2beta2  三个大版本 。

目前大多数人比较熟悉是autoscaling/v1，这个版本只支持CPU一个指标的弹性伸缩。

而autoscaling/v2beta1增加了支持自定义指标，autoscaling/v2beta2又额外增加了外部指标支持。

而产生这些变化不得不提的是Kubernetes社区对监控与监控指标的认识与转变。从早期Heapster到Metrics Server再到将指标边界进行划分，一直在丰富监控生态。

传统HPA，只针对cpu，内存进行扩缩容编写方式也很简单，可以通过yaml，也可以通过kubectl 命令行形式设定阀值。

v1版本：

apiVersion: autoscaling/v1

kind: HorizontalPodAutoscaler

metadata:

name: php-apache

namespace: default

spec:

scaleTargetRef:

  apiVersion: apps/v1

  kind: Deployment

  name: php-apache

minReplicas: 1

maxReplicas: 10

targetCPUUtilizationPercentage: 50

v2beta2版本：

apiVersion: autoscaling/v2beta2

kind: HorizontalPodAutoscaler

metadata:

name: php-apache

namespace: default

spec:

scaleTargetRef:

  apiVersion: apps/v1

  kind: Deployment

  name: php-apache

minReplicas: 1

maxReplicas: 10

metrics:

- type: Resource

  resource:

    name: cpu

    target:

      type: Utilization

      averageUtilization: 50

- type: Pods

  pods:

    metric:

      name: packets-per-second

    target:

      type: AverageValue

      averageValue: 1k

- type: Object

  object:

    metric:

      name: requests-per-second

    describedObject:

      apiVersion: networking.k8s.io/v1beta1

      kind: Ingress

      name: main-route

    target:

      type: Value

      value: 10k

- type: External

  external:

    metric:

      name: queue_messages_ready

      selector: "queue=worker_tasks"

    target:

      type: AverageValue

      averageValue: 30

metrics中的type字段有四种类型的值：Object、Pods、Resource、External。

Resource：指的是当前伸缩对象下的pod的cpu和memory指标，只支持Utilization和AverageValue类型的目标值。

Object：指的是指定k8s内部对象的指标，数据需要第三方adapter提供，只支持Value和AverageValue类型的目标值。

Pods：指的是伸缩对象Pods的指标，数据需要第三方的adapter提供，只允许AverageValue类型的目标值。

External：指的是k8s外部的指标，数据同样需要第三方的adapter提供，只支持Value和AverageValue类型的目标值。

基于Prometheus自定义指标缩放

1.部署Prometheus

参考我之前的博客部署即可

2.部署Prometheus Adapter

但是prometheus采集到的metrics并不能直接给k8s用，因为两者数据格式不兼容，还需要另外一个组件(k8s-prometheus-adpater)，将prometheus的metrics 数据格式转换成k8s API接口能识别的格式，转换以后，因为是自定义    API，所以还需要用Kubernetes aggregator在主APIServer中注册，以便直接通过/apis/来访问。

直接使用Helm Charts安装

    

 # wget https://get.helm.sh/helm-v3.0.0-linux-amd64.tar.gz

 # tar zxvf helm-v3.0.0-linux-amd64.tar.gz 

 # mv linux-amd64/helm /usr/bin/

 # helm repo add stable http://mirror.azure.cn/kubernetes/charts

 # helm repo update

 # helm repo list

# helm install prometheus-adapter stable/prometheus-adapter --namespace kube-system --set prometheus.url=http://prometheus.kube-system,prometheus.port=9090

# helm list -n kube-system

 确保适配器adapter注册到apiserver

# kubectl get apiservices |grep custom 

 

# kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1"

3.创建metrics deployment

容器需要暴露出让prometheus获取数据的端口，metrics路径，需要和开发商量好，服务暴露在外的需要监控的指标放在/metrics路径下

注意：镜像为私人镜像，需要实验的话，需要进行替换

apiVersion: apps/v1

kind: Deployment

metadata:

labels:

  app: metrics-app

name: metrics-app

spec:

replicas: 3

selector:

  matchLabels:

    app: metrics-app

template:

  metadata:

    labels:

      app: metrics-app

    annotations:

      prometheus.io/scrape: "true"

      prometheus.io/port: "80"

      prometheus.io/path: "/metrics"

  spec:

    containers:

    - image: 172.30.0.109/metrics-app

      name: metrics-app

      ports:

      - name: web

        containerPort: 80

      resources:

        requests:

          cpu: 200m

          memory: 256Mi

      readinessProbe:

        httpGet:

          path: /

          port: 80

        initialDelaySeconds: 3

        periodSeconds: 5

      livenessProbe:

        httpGet:

          path: /

          port: 80

        initialDelaySeconds: 3

        periodSeconds: 5

---

apiVersion: v1

kind: Service

metadata:

name: metrics-app

labels:

  app: metrics-app

spec:

ports:

- name: web

  port: 80

  targetPort: 80

selector:

  app: metrics-app    

访问容器/metrics路径，得到总共http访问量，经过prometheus指标转换为QPS

4.创建HPA规则

针对容器QPS进行扩缩容操作，Pods类型只支持averageValue，deployment大扩容数设为10。

HPA yaml：

apiVersion: autoscaling/v2beta2

kind: HorizontalPodAutoscaler

metadata:

name: metrics-app-hpa 

namespace: default

spec:

scaleTargetRef:

  apiVersion: apps/v1

  kind: Deployment

  name: metrics-app

minReplicas: 1

maxReplicas: 10

metrics:

- type: Pods

  pods:

    metric:

      name: http_requests_per_second

    target:

      type: AverageValue

      averageValue: 800m   # 800m 即0.8个/秒

配置好HPA后，hpa还不能获取到http_requests_per_second的数据，kubetcl get hpa看到的获取指标是unknown，需要在prometheus adapter适配器中配置http_requests_per_second

相当于白名单，去获取prometheus中的指标数据。

修改prometheus adapter configmap

# kubectl edit cm -n kube-system prometheus-adapter

新增：

- seriesQuery: 'http_requests_total{kubernetes_namespace!="",kubernetes_pod_name!=""}'

resources:

overrides:

kubernetes_namespace: {resource: "namespace"}

kubernetes_pod_name: {resource: "pod"}

name:

matches: "^(.*)_total"

as: "${1}_per_second"

metricsQuery: 'sum(rate(<<.Series>>{<<.LabelMatchers>>}[2m])) by (<<.GroupBy>>)'

这里主要是利用promSQL的形式通过将http_requests_total转换成一个区间的平均访问量，如上两分钟，求容器所有的和，即为QPS

注意：将/metrics中的http_requests_total名称替换为http_requests_per_second，HPA根据http_requests_per_second去获取指标数据进行扩缩容操作

prometheus-adapter配置修改后，需要重启容器加载新的配置

到这一步，指标已经获取到了

# kubectl get hpa

5.测试HPA

进行压测

# yum install -y httpd-tools

使用ab命令对metrics-app service进行压力测试

查看HPA，指标数据已经打满，deployment下的容器已经扩容到了10个，等压力测试结束，就会自动缩容

另外有需要云服务器可以了解下创新互联cdcxhl.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。

网页题目：Kubernetes1.16基于Prometheus自定义指标弹性伸缩-创新互联
网页链接：http://ybzwz.com/article/ceiddi.html