Horizontal Pod Autoscaler是K8s提供的一種可以自動伸縮(Auto Scaling)的工具, 它可以從資源指標API和自定義指標API中獲取指標數據再依照Pod的負載進行Deployment的伸縮擴展, 目的是為了讓觀察到的CPU利用率和用戶期望的目標相近;HPA是一個control loop的實現, 預設的週期為30秒, 可由controller-manager的 horizontal-pod-autoscaler-sync-period來定義。
HPA Controller 透過metrics-server請求查看核心指標, 像是CPU和Memory的資源相關數據, 也透過k9s-prometheus-adapter等自定義API指標來取得相關的指標數據。

HPA 部署

HPA YAML由 apiVersion, kind, metadata, spec組成
spec包含以下字段:
* minReplicas : 自動伸縮仍須保有的最小Pod數
* maxReplicas : 自動伸縮可以擴展的的最大Pod數
* scaleTargetRef : 要縮放的目標, 目標的spec只少會包含apiVersopn, kind, spec
* metrics <[]object>: 用來計算所需Pod數的指標列表
* external: 引用不屬於任何對象的全局指標
* object: 引用描述cluster中單一對象的特定指標
* pods: 引用當前被自動伸縮的Pod對象的特定指標
* resource: 引用資源指標, 即當前被自動伸縮的Pod對象容器中的requests 和 limits 定義的指標
* type: 指標的類型, 可選Objects, Pods 或 Resource

• 部署YAML

  apiVersion: autoscaling/v2beta1
  kind: HorizontalPodAutoscaler
  metadata:
    name: myapp
  spec:
    scaleTargetRef:
      apiVersion: apps/v1
      kind: Deployment
      name: myapp
    minReplicas: 2
    maxReplicas: 10
    metrics:
    - type: Resource
      resource:
        name: cpu
        targetAverageUtilization: 50
    - type: Resource
      resource:
        name: memory
        targetAverageValue: 50Mi
  

• 查看結果

  -> % kubectl get hpa
  NAME    REFERENCE          TARGETS                         MINPODS   MAXPODS   REPLICAS   AGE
  myapp   Deployment/myapp   <unknown>/50Mi, <unknown>/50%   2         10        0          13s
  

為了避免忽大忽小的流量造成Pod會重複開關,HPA在異動Pod的時候都很慢。

今日小結

中秋連假，吃肉喝酒之前要記得先準備好文章再喝醉喔！