基于Heapster的HPA

基于Heapster的HPA

概述

Horizontal Pod Autoscaling，简称HPA，是Kubernetes中实现POD水平自动伸缩的功能。自动扩展主要分为两种:

• 水平扩展(scale out)，针对于实例数目的增减
• 垂直扩展(scal up)，即单个实例可使用的资源的增减, 好比增长cpu和增大内存

HPA属于前者。它能够根据CPU使用率或应用自定义metrics自动扩展Pod数量(支持 replication controller、deployment 和 replica set)

节点扩缩容层面，k8s集群的Cluster Autoscaler持续监控Pods，一旦发现Pods没法被schedule，则基于PodConditoin进行扩展，即node节点的自动扩缩容，具体内容在后续文章中介绍。

监控数据获取

• Heapster: heapster收集Node节点上的cAdvisor数据，并按照kubernetes的资源类型来集合资源。可是在v1.11中已经被废弃（heapster监控数据可用，但HPA再也不从heapster拿数据）
• metric-server: 在v1.8版本中引入，官方将其做为heapster的替代者。metric-server依赖于kube-aggregator，所以须要在apiserver中开启相关参数。v1.11中HPA从metric-server获取监控数据

工做流程

• 1.建立HPA资源，设定目标CPU使用率限额，以及最大、最小实例数, 必定要设置Pod的资源限制参数: request, 不然HPA不会工做。
• 2.控制管理器每隔30s(能够经过–horizontal-pod-autoscaler-sync-period修改)查询metrics的资源使用状况
• 3.而后与建立时设定的值和指标作对比(平均值之和/限额)，求出目标调整的实例个数
• 4.目标调整的实例数不能超过1中设定的最大、最小实例数，若是没有超过，则扩容；超过，则扩容至最大的实例个数

如何部署：

• 1.6-1.8版本默认使用heapster
• 1.11版本及以上默认使用metric-server（需单独安装，并开启参数）

1.部署和运行php-apache并将其暴露成为服务

2.建立HPA

若是为1.8及如下的k8s集群，指标正常，若是为1.11集群，须要执行以下操做。

4.向php-apache服务增长负载，验证自动扩缩容

启动一个容器，并经过一个循环向php-apache服务器发送无限的查询请求（请在另外一个终端中运行如下命令）

5.观察HPA是否生效

用yaml建立HPA的方式为：

实现细节

HPA由一个控制循环实现，循环周期由--horizontal-pod-autoscaler-sync-period 标志指定，默认是30秒，每一个周期内，controller-manager会查询HPA中定义的metric的资源利用率。

如上例子，pod的request定义为200M，而HPA定义的target为50%，即HPA将经过增长或者减小Pod副本的数量（经过Deployment）以保持全部Pod的平均CPU利用率在50%之内(即200*0.5=100M之内），循环周期到达时，获取pod的1分钟内的平均cpu利用率（从heaspter),发现超过了100M，为332M，因而经过下面的公式，决定最终的pod数量

TargetNumOfPods = ceil(sum(CurrentPodsCPUUtilization) / Target)

即 332/50 =6.xxx ceil为向上取整，获得7。若是获得的结果大于10，则为10

由于每次HPA生效都会建立或者删除pod，而这些操做其实会影响到metric监控值，如建立pod会暂时性的升高cpu，所以每次扩容都要间隔3分钟，缩容须要间隔5分钟。且须要知足：avg（CurrentPodsConsumption）/ Target降低9%，进行缩容，增长至10%才进行扩容

这样作好处是：
一、判断的精度高，不会频繁的扩缩pod，形成集群压力大。
二、避免频繁的扩缩pod，防止应用访问不稳定

实现hpa的条件：
一、hpa不能autoscale daemonset类型control
二、要实现autoscale，pod必须设置request

参考：https://github.com/kubernetes...

本文为容器监控实践系列文章，完整内容见：container-monitor-book