K8S：HPA pod水平自动伸缩

news2024/12/24 8:35:16

文章目录

  • 一.HPA概念
    • 1.什么是HPA
    • 2.HPA原理
  • 二.部署 metrics-server
    • 1.node节点上传镜像包
    • 2.master节点安装metrics-server
  • 三.部署 HPA
    • 1.所有节点安装镜像
    • 2.master创建测试的 Pod 资源
    • 3.创建 HPA 控制器
    • 4.创建测试客户端容器
    • 5.弹性缩容
  • 四.扩展
    • 1.资源限制 - Pod
      • ①资源限制的原理
      • ②格式示例
    • 2.资源限制 - 命名空间
      • ①计算资源配额
      • ②配置对象数量配额限制
    • 3.单独对某个资源进行限制（Container、Pod、PVC）
  • 总
    • 1.HPA
      • ①概念
      • ②原理
    • 2.k8s 资源限制

一.HPA概念

1.什么是HPA

HPA（Horizontal Pod Autoscaling）Pod 水平自动伸缩，Kubernetes 有一个 HPA 的资源，HPA 可以根据 CPU 利用率自动伸缩一个 Replication Controller、Deployment 或者Replica Set 中的 Pod 数量。

2.HPA原理

（1）HPA 基于 Master 上的 kube-controller-manager 服务启动参数 horizontal-pod-autoscaler-sync-period 定义的时长（默认为30秒），周期性的检测 Pod 的 CPU 使用率。

（2）HPA 与之前的 RC、Deployment 一样，也属于一种 Kubernetes 资源对象。通过追踪分析 RC 控制的所有目标 Pod 的负载变化情况，来确定是否需要针对性地调整目标Pod的副本数，这是HPA的实现原理。

（3）metrics-server 也需要部署到集群中， 它可以通过 resource metrics API 对外提供度量数据。

二.部署 metrics-server

●metrics-server：是kubernetes集群资源使用情况的聚合器，收集数据给kubernetes集群内使用，如kubectl、hpa、scheduler等。

1.node节点上传镜像包

//在所有 Node 节点上传 metrics-server.tar 镜像包到 /opt 目录
cd /opt/
docker load -i metrics-server.tar

2.master节点安装metrics-server

//使用 helm install 安装 metrics-server
mkdir /opt/metrics
cd /opt/metrics

helm repo remove stable

helm repo add stable https://charts.helm.sh/stable
或
helm repo add stable http://mirror.azure.cn/kubernetes/charts

helm repo update

helm pull stable/metrics-server

vim metrics-server.yaml
args:
- --logtostderr
- --kubelet-insecure-tls
- --kubelet-preferred-address-types=InternalIP
image:
  repository: k8s.gcr.io/metrics-server-amd64
  tag: v0.3.2

//使用 helm install 安装 metrics-server
helm install metrics-server stable/metrics-server -n kube-system -f metrics-server.yaml

kubectl get pods -n kube-system | grep metrics-server

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

#需要多等一会儿
kubectl top node

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

kubectl top pods --all-namespaces

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

三.部署 HPA

1.所有节点安装镜像

//在所有节点上传 hpa-example.tar 镜像文件到 /opt 目录
hpa-example.tar 是谷歌基于 PHP 语言开发的用于测试 HPA 的镜像，其中包含了一些可以运行 CPU 密集计算任务的代码。

cd /opt
docker load -i hpa-example.tar

docker images | grep hpa-example

gcr.io/google_containers/hpa-example                              latest                          4ca4c13a6d7c   7 years ago    481MB

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

2.master创建测试的 Pod 资源

//创建用于测试的 Pod 资源，并设置请求资源为 cpu=200m
mkdir /opt/HPA
cd /opt/HPA
vim hpa-pod.yaml

apiVersion: apps/v1
kind: Deployment
metadata:
  labels:
    run: php-apache
  name: php-apache
spec:
  replicas: 1
  selector:
    matchLabels:
      run: php-apache
  template:
    metadata:
      labels:
        run: php-apache
    spec:
      containers:
      - image: gcr.io/google_containers/hpa-example
        name: php-apache
        imagePullPolicy: IfNotPresent
        ports:
        - containerPort: 80
        resources:
          requests:
            cpu: 200m
---
apiVersion: v1
kind: Service
metadata:
  name: php-apache
spec:
  ports:
  - port: 80
    protocol: TCP
    targetPort: 80
  selector:
    run: php-apache

kubectl apply -f hpa-pod.yaml

kubectl get pods
NAME                          READY   STATUS    RESTARTS   AGE
php-apache-6c64bcf88b-n5fhc               1/1     Running             0          6s

3.创建 HPA 控制器

//使用 kubectl autoscale 命令创建 HPA 控制器，设置 cpu 负载阈值为请求资源的 50%，指定最少负载节点数量为 1 个，最大负载节点数量为 10 个
kubectl autoscale deployment php-apache --cpu-percent=50 --min=1 --max=10

//需要等一会儿，才能获取到指标信息 TARGETS
kubectl get hpa

NAME         REFERENCE               TARGETS   MINPODS   MAXPODS   REPLICAS   AGE
php-apache   Deployment/php-apache   0%/50%    1         10        1          70m

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

kubectl top pods

NAME                                CPU(cores)   MEMORY(bytes) 
php-apache-6c64bcf88b-n5fhc         1m           6Mi

4.创建测试客户端容器

//创建一个测试客户端容器
kubectl run -it load-generator --image=busybox /bin/sh

//增加之前提前再开一个终端，实施查看负载效果
kubectl get hpa -w

//增加之前提前再另开一个终端，实施查看pod创建效果
kubectl get pod |grep php-apache

//增加负载,（弹性扩容）
# while true; do wget -q -O- http://php-apache.default.svc.cluster.local; done

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

#查看负载节点数目
 kubectl get hpa -w
NAME         REFERENCE               TARGETS   MINPODS   MAXPODS   REPLICAS   AGE
php-apache   Deployment/php-apache   0%/50%    1         10        1          87m
php-apache   Deployment/php-apache   196%/50%   1         10        1          89m
php-apache   Deployment/php-apache   196%/50%   1         10        4          89m
php-apache   Deployment/php-apache   122%/50%   1         10        4          90m
php-apache   Deployment/php-apache   122%/50%   1         10        8          90m
php-apache   Deployment/php-apache   122%/50%   1         10        10         90m
php-apache   Deployment/php-apache   49%/50%    1         10        10         91m
php-apache   Deployment/php-apache   48%/50%    1         10        10         93m

#以上可以看到经过压测，负载节点数量最大上升到 10 个，并且 cpu 负载也随之下降。

#查看 Pod 状态，也发现已经创建了 10 个 Pod 资源
kubectl get pod |grep php-apache
kubectl get pod |grep php-apache|wc -l

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

#HPA 扩容的时候，负载节点数量上升速度会比较快；但回收的时候，负载节点数量下降速度会比较慢。
原因是防止在业务高峰期时因为网络波动等原因的场景下，如果回收策略比较积极的话，K8S集群可能会认为访问流量变小而快速收缩负载节点数量，而仅剩的负载节点又承受不了高负载的压力导致崩溃，从而影响业务。

#查看node节点的状态
kubectl top node

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

//如果 cpu 性能较好导致负载节点上升不到 10 个，可再创建一个测试客户端同时测试：
kubectl run -i --tty load-generator1 --image=busybox /bin/sh
# while true; do wget -q -O- http://php-apache.default.svc.cluster.local; done

5.弹性缩容

#结束增加负载之后，pod的数量会逐渐缩减为一个
kubectl get hpa -w
kubectl get pod |grep php-apache

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

四.扩展

1.资源限制 - Pod

①资源限制的原理

Kubernetes对资源的限制实际上是通过cgroup来控制的，cgroup是容器的一组用来控制内核如何运行进程的相关属性集合。针对内存、CPU 和各种设备都有对应的 cgroup。
默认情况下，Pod 运行没有 CPU 和内存的限额。这意味着系统中的任何 Pod 将能够像执行该 Pod 所在的节点一样， 消耗足够多的 CPU 和内存。一般会针对某些应用的 pod 资源进行资源限制，这个资源限制是通过 resources 的 requests 和 limits 来实现。requests 为创建 Pod 时初始要分配的资源，limits 为 Pod 最高请求的资源值。

②格式示例

spec:
  containers:
  - image: xxxx
    imagePullPolicy: IfNotPresent
    name: auth
    ports:
    - containerPort: 8080
      protocol: TCP
    resources:
      limits:
        cpu: "2"
        memory: 1Gi
      requests:
        cpu: 250m
        memory: 250Mi

2.资源限制 - 命名空间

①计算资源配额

apiVersion: v1
kind: ResourceQuota        #使用 ResourceQuota 资源类型
metadata:
  name: compute-resources
  namespace: spark-cluster  #指定命令空间
spec:
  hard:
    pods: "20"    #设置 Pod 数量最大值
    requests.cpu: "2"
    requests.memory: 1Gi
    limits.cpu: "4"
    limits.memory: 2Gi

②配置对象数量配额限制

apiVersion: v1
kind: ResourceQuota
metadata:
  name: object-counts
  namespace: spark-cluster
spec:
  hard:
    configmaps: "10"
    persistentvolumeclaims: "4"		#设置 pvc 数量最大值
    replicationcontrollers: "20"    #设置 rc 数量最大值
    secrets: "10"
    services: "10"
    services.loadbalancers: "2"

#如果Pod没有设置requests和limits，则会使用当前命名空间的最大资源；如果命名空间也没设置，则会使用集群的最大资源。
K8S 会根据 limits 限制 Pod 使用资源，当内存超过 limits 时 cgruops 会触发 OOM。

3.单独对某个资源进行限制（Container、Pod、PVC）

这里就需要创建 LimitRange 资源来设置 Pod 或其中的 Container 能够使用资源的最大默认值
apiVersion: v1
kind: LimitRange     #使用 LimitRange 资源类型
metadata:
  name: mem-limit-range
  namespace: test    #可以给指定的 namespace 增加一个资源限制
spec:
  limits:
  - default:         #default 即 limit 的值
      memory: 512Mi
      cpu: 500m     
    defaultRequest:   #defaultRequest 即 request 的值
      memory: 256Mi
      cpu: 100m
    type: Container  #类型支持 Container、Pod、PVC

总

1.HPA

①概念

为控制器管理的pod 资源的副本数量实现自动伸缩

②原理

追踪控制器管理的Pod 的负载情况， 来根据设置的阀值动态的调整Pod的副本数量

metrics-server 收集k8s中的node、pod等资源的使用情况 kubectl top node/pod

kubectl autoscale 控制器 --cpu-percent --min --maX

2.k8s 资源限制

resource ,requests/limits——限制pod 中的容器的资源量

ResourceQuota——资源类型命名空间中的资源对象或者资源量进行配额限制

LimitRanger——资源类型设置命名空间中的 Pod/容器的默认的

limits/requests——资源量的限制

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1085196.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

快速排序详解（递归实现与非递归实现）

快速排序详解（递归实现与非递归实现）

目录 一、快速排序的基本思想 二、将序列划分成左右区间的常见方法 2.1hoare版本（动图解释代码实现） 2.2挖坑法 2.3前后指针法 三、快速排序的初步实现 四、快速排序的优化实现 4.1快排的特殊情况 4.2对区间划分代码的优化 4.3小区间优化 五、…
阅读更多...
邮政编码，格式校验：@ZipCode（自定义注解）

邮政编码，格式校验：@ZipCode（自定义注解）

目标 自定义一个用于校验邮政编码格式的注解ZipCode，能够和现有的 Validation 兼容，使用方式和其他校验注解保持一致（使用 Valid 注解接口参数）。 校验逻辑 有效格式 不能包含空格；应为6位数字； 不校验…
阅读更多...
5G安卓核心板-MT6833/MT6853核心板规格参数

5G安卓核心板-MT6833/MT6853核心板规格参数

随着智能手机的不断发展，芯片技术在推动手机性能和功能方面发挥着关键作用。MT6833和MT6853安卓核心板是两款高度集成的基带平台，为LTE/5G/NR和C2K智能手机应用提供强大的处理能力和多样化的接口。 这两款安卓核心板都集成了蓝牙、FM、WLAN和GPS模块&…
阅读更多...
CSS网页标题图案和LOGO SEO优化

CSS网页标题图案和LOGO SEO优化

favicon图标 将网页的头名字旁边放入一个图案 想将想要的图案切成png图片 然后把png图片转换成ico图案可以借助进行访问 将语法引用到head里面 SEO译为搜索引擎优化。是一种利用搜索引擎的规则提高网站有关搜索引擎的自然排名的方式 SEO的目的是对网站进行深度的优化&…
阅读更多...
SQL Server 创建表

SQL Server 创建表

切换数据库，判断是否存在 --切换数据库 use DBTEST--判断表是否存在 --创建的所有表都可以在sys.boject中找到，所以这里在sys.objects中查找是否有名字为department的表并且type为U 即用户生成的表 if exists(select * from sys.objects where namedepa…
阅读更多...
轻松制作SOP作业指导书：掌握流程，节省时间

轻松制作SOP作业指导书：掌握流程，节省时间

企业启用标准作业程序sop能够将企业生产作业的操作步骤、技术经验以及要求用统一的格式描述记录下来，以此规范和指导日常的工作，sop这种形式对企业的长远发展和精益化生产有能够带来巨大的帮助。 制作sop作业指导书其一，能够把企业的技术、经…
阅读更多...
uniapp +vue3 练习 首页页面展示 我的页面展示 登录展示 拨打固定的电话 页面跳转

uniapp +vue3 练习 首页页面展示 我的页面展示 登录展示 拨打固定的电话 页面跳转

uniapp拨打固定的电话 function Hotline() {// 拨打电话uni.makePhoneCall({phoneNumber: 19969547693})}页面跳转 //普通跳转function homepage() {uni.navigateTo({url: /pages/homepage/homepage});}//二、uni.redirectTo关闭当前页面，跳转到应用内的某个页面。…
阅读更多...
图像滤波总结

图像滤波总结

中值滤波器 中值滤波器是一种常用的非线性滤波器，其基本原理是：选择待处理像素的一个邻域中各像素值的中值来代替待处理的像素。主要功能使某像素的灰度值与周围领域内的像素比较接近，从而消除一些孤立的噪声点，所以中值滤波器能够…
阅读更多...
使用clip-path来画不同的形状，三角形，多边形，菱形，六边形等等

使用clip-path来画不同的形状，三角形，多边形，菱形，六边形等等

介绍 单词"clip path"的直译过来就是：裁剪路径 clip-path CSS 属性可以创建一个只有元素的部分区域可以显示的剪切区域。区域内的部分显示，区域外的隐藏。剪切区域是被引用内嵌的 URL 定义的路径或者外部 SVG 的路径。 也就是说&#xff0c…
阅读更多...
LeetCode【11】 盛水最多的容器

LeetCode【11】 盛水最多的容器

题目： 分析： 1、双指针，储水为（R-L ）* 二者较小高度，如题目，(9-2)* 7 49 2、双指针向中间靠，每次移动较矮的指针。 代码： public int maxArea(int[] height) {int l…
阅读更多...
STC89C51基础及项目第15天：小车测速、添加语言识别控制

STC89C51基础及项目第15天：小车测速、添加语言识别控制

1. 小车测速的原理（281.126） 测速模块 用途： 广泛用于电机转速检测，脉冲计数,位置限位等。 逻辑： 有遮挡，输出高电平；无遮挡，输出低电平 接线 VCC 接电源正极 3.3 - 5VGND 接电源负…
阅读更多...
YOLOv7改进：极简的神经网络模型 VanillaNet---VanillaBlock助力检测，实现暴力涨点 | 华为诺亚2023

YOLOv7改进：极简的神经网络模型 VanillaNet---VanillaBlock助力检测，实现暴力涨点 | 华为诺亚2023

💡💡💡本文属于原创独家改进：极简模块VanillaBlock，以极简主义的设计为理念，网络中仅仅包含最简单的卷积计算，去掉了残差和注意力模块，二次创新引入到YOLOv7中取得了不俗的效果。 极简模块VanillaBlock | 亲测在多个数据集实现涨点； 收录： YOLOv7高阶自研专…
阅读更多...
【JAVA】最容易忽视的数据类型——枚举

【JAVA】最容易忽视的数据类型——枚举

个人主页：【😊个人主页】 系列专栏：【❤️初识JAVA】 前言 Java枚举是一个特殊的类一般表示一组常量,比如一年的 4个季节,一年的 12 个月份,一个星期的7天,方向有东南西北等。今天就让我们来学习一下在JAVA中这个特殊的类。 枚举 枚举是一…
阅读更多...
LeetCode: 1395. 统计作战单位数

LeetCode: 1395. 统计作战单位数

目录 1. 解法一：枚举中点 2. 解法二：树状数组 离散化 优化解法一 原题链接：1395. 统计作战单位数 - 力扣（LeetCode） 题目描述： n 名士兵站成一排。每个士兵都有一个 独一无二 的评分 rating 。 每 3 个士…
阅读更多...
【JWT】快速了解什么是jwt及如何使用jwt

【JWT】快速了解什么是jwt及如何使用jwt

一、导言 1、什么是jwt及组成部分 JWT（JSON Web Token）是一种用于在网络应用间安全传递声明（claim）的开放标准。它由三部分组成：头部（Header）、载荷（Payload）和签名&…
阅读更多...
ARM 按键控制 LED灯，蜂鸣器，风扇

ARM 按键控制 LED灯，蜂鸣器，风扇

main.c: #include "uart.h" #include "key_it.h" int main() {all_led_init();uart4_init();//串口初始化//中断初始化key_it_config();key3_it_config();buzzer_init();fan_init();while(1){//保证主程序不结束}return 0; }src/key_it.c: #include"…
阅读更多...
嵌入式面试常见问题（一）

嵌入式面试常见问题（一）

目录 1.什么情况下会出现段错误？ 2.swap() 函数为什么不能交换两个变量的值 3.一个函数有六个参数 分别放在哪个区？ 4.定义一个变量，赋初值和不赋初值分别保存在哪个区？ 5.linux查看端口状态的命令 6.结构体中->和.的区…
阅读更多...
简单多状态dp【动态规划】

简单多状态dp【动态规划】

目录 一、按摩师 二、打家劫舍 三、删除并获得点数 四、粉刷房子 五、买卖股票的最佳时机 六、买卖股票的最佳时机&#xff08;含手续费&#xff09; 七、买卖股票的最佳时机III 八、买卖股票的最佳时机IV 一、按摩师 class Solution { public:int massage(vector<int>…
阅读更多...
Avalonia如何更改全局背景色

Avalonia如何更改全局背景色

1.项目下载地址&#xff1a;https://gitee.com/confusedkitten/avalonia-demo 2.UI库Semi.Avalonia&#xff0c;项目地址 https://github.com/irihitech/Semi.Avalonia 3.ColorView&#xff0c;使用Semi.Avalonia.ColorPicker&#xff0c;Nuget获取就行 4.样式预览 以下是…
阅读更多...
MyCat实战

MyCat实战

概念介绍 在 MyCat 的整体结构中&#xff0c;分为两个部分&#xff1a;上面的逻辑结构、下面的物理结构。 在 MyCat 的逻辑结构主要负责逻辑库、逻辑表、分片规则、分片节点等逻辑结构的处理&#xff0c;而具体的数据存储还是在物理结构&#xff0c;也就是数据库服务器中存储的…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023