K8s HPA的常用功能介绍

news2024/12/20 20:05:41

Kubernetes 的 Horizontal Pod Autoscaler (HPA) 是一种自动扩展功能，用于根据资源使用情况（如 CPU、内存等）或自定义指标，动态调整 Pod 的副本数量，从而保证应用的性能和资源利用率。

以下是 HPA 的常用功能介绍：

1. 自动伸缩 (Auto Scaling)

HPA 的核心功能是根据指标动态调整应用的 Pod 副本数。其伸缩规则基于设定的目标指标，自动增加或减少 Pod 数量，从而满足应用负载的变化需求。

扩容：当资源使用量超出设定的目标时，HPA 增加 Pod 副本数。
缩容：当资源使用量低于目标时，HPA 减少 Pod 副本数，节省资源。

2. 基于 CPU/内存的扩缩容

HPA 最常见的应用场景是基于 CPU 或内存的使用率：

CPU 使用率：例如，将目标 CPU 使用率设为 50%，当实际使用率超过 50% 时，HPA 会扩容，直到使用率恢复到目标值以下。
内存使用率：类似的，基于内存使用率调整 Pod 的副本数。

配置示例：

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: my-app-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: my-app
  minReplicas: 2
  maxReplicas: 10
  metrics:
    - type: Resource
      resource:
        name: cpu
        target:
          type: Utilization
          averageUtilization: 50

3. 基于自定义指标 (Custom Metrics)

除了 CPU 和内存，HPA 还可以使用自定义指标（Custom Metrics）作为扩缩容的依据。例如：

请求速率（如 QPS 或 RPS）。
消息队列长度（如 Kafka、RabbitMQ 中的未处理消息数）。
业务指标（如订单数量、活跃用户数）。

配置示例：

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: custom-metrics-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: custom-app
  minReplicas: 3
  maxReplicas: 15
  metrics:
    - type: Pods
      pods:
        metric:
          name: custom_metric_requests
        target:
          type: AverageValue
          averageValue: 100

要实现自定义指标，需要使用 Kubernetes 的 Custom Metrics API，并配置监控工具（如 Prometheus + Adapter）。

4. 多指标扩缩容 (Multiple Metrics)

HPA 支持使用多个指标进行扩缩容决策。例如，基于 CPU 和自定义业务指标同时监控，满足任何一个条件都会触发扩缩容。

配置示例：

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: multi-metrics-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: multi-app
  minReplicas: 1
  maxReplicas: 20
  metrics:
    - type: Resource
      resource:
        name: cpu
        target:
          type: Utilization
          averageUtilization: 60
    - type: Pods
      pods:
        metric:
          name: custom_metric_latency
        target:
          type: AverageValue
          averageValue: 200