Horizontal Pod Autoscaler（Pod水平自动伸缩）

Horizontal Pod Autoscaler 根据观察到的CPU利用率（或在支持自定义指标的状况下，根据其余一些应用程序提供的指标）自动伸缩 replication controller, deployment, replica set, stateful set 中的pod数量。注意，Horizontal Pod Autoscaling不适用于没法伸缩的对象，例如DaemonSets。

Horizontal Pod Autoscaler 被实现做为Kubernetes API资源和控制器。该资源决定控制器的行为。控制器会按期调整副本控制器或部署中副本的数量，以使观察到的平均CPU利用率与用户指定的目标相匹配。

1. Horizontal Pod Autoscaler 是如何工做的

Horizontal Pod Autoscaler 实现为一个控制循环，其周期由--horizontal-pod-autoscaler-sync-period选项指定（默认15秒）。

在每一个周期内，controller manager都会根据每一个HorizontalPodAutoscaler定义的指定的指标去查询资源利用率。 controller manager从资源指标API（针对每一个pod资源指标）或自定义指标API（针对全部其余指标）获取指标。

对于每一个Pod资源指标（好比：CPU），控制器会从资源指标API中获取相应的指标。而后，若是设置了目标利用率值，则控制器计算利用率值做为容器上等效的资源请求百分比。若是设置了目标原始值，则直接使用原始指标值。而后，控制器将全部目标容器的利用率或原始值（取决于指定的目标类型）取平均值，并产生一个用于缩放所需副本数量的比率。

若是某些Pod的容器未设置相关资源请求，则不会定义Pod的CPU使用率，而且自动缩放器不会对该指标采起任何措施。

2. 算法细节

desiredReplicas = ceil[currentReplicas * ( currentMetricValue / desiredMetricValue )]

直译为：(当前指标值 ➗ 指望指标值) ✖️ 当前副本数 ，结果再向上取整，最终结果就是指望的副本数量

例如，假设当前指标值是200m ，指望指标值是100m，指望的副本数量就是双倍。由于，200.0 / 100.0 == 2.0 

若是当前值是50m，则根据50.0 / 100.0 == 0.5，那么最终的副本数量就是当前副本数量的一半

若是该比率足够接近1.0，则会跳过伸缩

当targetAverageValue或者targetAverageUtilization被指定的时候，currentMetricValue取HorizontalPodAutoscaler伸缩目标中全部Pod的给定指标的平均值。

全部失败的和标记删除的Pod将被丢弃，即不参与指标计算

当基于CPU利用率来进行伸缩时，若是有还没有准备好的Pod（即它仍在初始化），那么该Pod将被放置到一边，即将被保留。

kubectl 也支持Horizontal Pod Autoscaler

# 查看autoscalers列表
kubectl get hpa
# 查看具体描述
kubectl describe hpa
# 删除autoscaler
kubectl delete hpa

# 示例：如下命名将会为副本集foo建立一个autoscaler，并设置目标CPU利用率为80%，副本数在2~5之间
kubectl autoscale rs foo --min=2 --max=5 --cpu-percent=80

3. 演示

Horizontal Pod Autoscaler automatically scales the number of pods in a replication controller, deployment, replica set or stateful set based on observed CPU utilization.

建立Dockerfile，并构建镜像

FROM java:8
COPY ./hello-world-0.0.1-SNAPSHOT.jar hello-world.jar 
CMD java -jar hello-world.jar 

在hello-world.jar中执行一些CPU密集型计算

运行镜像并暴露为服务

kubectl run hello-world-example \
     --image=registry.cn-hangzhou.aliyuncs.com/chengjs/hello-world:2.0 \
     --requests='cpu=200m' \
     --limits='cpu=500m' \
     --expose \
     --port=80 \
     --generator=run-pod/v1 

建立 Horizontal Pod Autoscaler

HPA将增长和减小副本数量，以将全部Pod的平均CPU利用率维持在50％ 

kubectl autoscale deployment hello-world-example --cpu-percent=50 --min=1 --max=10 

检查autoscaler的当前状态

kubectl get hpa 

增长负载

接下来，利用压测工具持续请求，以增长负载，再查看

kubectl get deployment hello-world-example

经过使用autoscaling/v2beta2版本，你能够定义更多的指标 

首先，以autoscaling/v2beta2格式获取HorizontalPodAutoscaler的YAML

kubectl get hpa.v2beta2.autoscaling -o yaml > /tmp/hpa-v2.yaml

在编辑器中打开/tmp/hpa-v2.yaml文件，接下来对其进行修改

第一个能够替换的指标类型是Pod指标。这些指标在各个容器中平均在一块儿，而且和目标值进行比较，已肯定副本数。例如：

type: Pods
pods:
 metric:
 name: packets-per-second
 target:
 type: AverageValue
 averageValue: 1k 

第二个能够替换的指标类型是对象指标。顾名思义，它描述的是Object，而不是Pod。例如：

type: Object
object:
 metric:
 name: requests-per-second
 describedObject:
 apiVersion: networking.k8s.io/v1beta1
 kind: Ingress
 name: main-route
 target:
 type: Value
 value: 2k 

修改后完整的/tmp/hpa-v2.yaml文件以下：

apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
 metadata:
 name:hello-world-example
 namespace:default
spec:
 scaleTargetRef:
 apiVersion: apps/v1
 kind: Deployment
 name: hello-world-example
 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
status:
 observedGeneration: 1
 lastScaleTime: <some-time>
 currentReplicas: 1
 desiredReplicas: 1
 currentMetrics:
 - type: Resource
 resource:
 name: cpu
 current:
 averageUtilization: 0
 averageValue: 0
 - type: Object
 object:
 metric:
 name: requests-per-second
 describedObject:
 apiVersion: networking.k8s.io/v1beta1
 kind: Ingress
 name: main-route
 current:
 value: 10k

4. Docs

https://kubernetes.io/docs/tasks/run-application/horizontal-pod-autoscale/

https://kubernetes.io/docs/tasks/run-application/horizontal-pod-autoscale-walkthrough/

https://kubernetes.io/docs/reference/generated/kubectl/kubectl-commands