hpa自动伸缩

2024-01-23 16:28

文章标签 自动伸缩 hpa

本文主要是介绍hpa自动伸缩，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1、定义：hpa全称horizontal pod autoscaling（pod的水平自动伸缩），这是k8s自带的模块。pod占用CPU的比率到达一定阀值会触发伸缩机制（根据CPU使用率自动伸缩）

replication controller副本控制器，控制pod的副本数

deployment controller节点控制器，部署pod

hpa控制副本的数量以及控制部署pod

（1）hpa基于kube-controll-manager服务，周期性的检测pod的CPU使用率，默认30秒检测一次

（2）hpa和replication controller、deployment controller都属于k8s的资源对象，通过跟踪分析副本控制器和deployment的pod的负载变化，针对性的调整目标pod的副本数（针对性：有一个阀值，正常情况下，pod的副本数，以及达到阀值后pod的扩容最大数量）

（3）metrics-server部署到集群中去，对外提供度量的数据

2、hpa规则【面试】

（1）定义pod时必须要有资源限制，否则hpa无法进行监控

（2）扩容是即时的，只要超过阀值会立刻扩容，但不是立刻扩容到最大副本数，会在最小值和最大值之间波动。若扩容数量满足需求，不会再扩容

（3）缩容是缓慢的，若业务峰值较高，回收策略太积极可能对业务产生崩溃。周期行的获取数据，缩容的机制问题

3、pod的副本数扩缩容有两种方式

（1）手动方式，修改控制器的副本数

方式1：命令行通过kubectl scale deployment nginx --replicas=3

方式2：edit修改控制器

方式3：修改yaml文件，使用apply -f部署更新

（2）hpa自动扩缩容

监控指标是cpu

hpa自动扩缩容实验

1、安装镜像包（每个节点）

docker load -i metrics-server.tar

2、安装yaml文件（master节点）查看pod以及node节点占用cpu情况

3、实现hpa

4、模拟cpu负载，压力测试

下降原因：每个pod部署在不同节点上

5、再做压力测试观察数据

结论：一旦超过阀值，立刻扩容

6、缩容：关闭压力测试

4、资源限制

（1）pod的资源限制limit

（2）命名空间资源限制★★★

lucky-cloud项目部署在test1的命名空间，若pod不做限制，或命名空间不做限制，依然会占满所有集群资源

①ResourceQuata可以对命名空间进行资源限制

②LimitRange直接声明在命名空间中创建的pod或容器的资源限制（这是一个统一限制，所有在这个命名空间中的pod都受这个条件的限制）

• ResourceQuata

创建命名空间test1

对命名空间进行资源限制

测试

①调整pod副本数

结论：在此命名空间只能创建3个有效的pod

②缩容

③命名空间其他限制条件

configmaps: "10"	在当前名命名空间创建最大的configmap的数量10个
persistentvolumeclaims: "4"	在当前命名空间只能使用4个pvc
secrets: "5"	创建加密的secret只能5个
services: "5"	创建service的个数只能5个
services.nodeports: "2"	创建service的nodeport类型的svc只能2个