我们知道，当访问量或资源需求过高时，使用：kubectl scale命令可以实现对pod的快速伸缩功能

但是我们平时工作中我们并不能提前预知访问量有多少，资源需求多少。

这就很麻烦了，总不能为了需求总是把pod设置为最多状态，这样太浪费资源；也不能当请求量上来以后再去伸缩pod，这样会有好多请求不成功。

k8s既然是云原生时代的产品，当然得有智能，自动这些特性。

所以现在引入一个新的概念：

HPA（Horizontal Pod Autoscaler ）

pod的自动水平伸缩

有了HPA，我们就不用为上面的问题而烦恼，HPA会帮我们自动完成pod的扩缩容。

当资源需求过高时，会自动创建出pod副本；当资源需求低时，会自动收缩pod副本数。

注意：首先必须确保集群中已经安装metrics-server的组件，否则无法获取集群内资源数据，无法进行以下操作。

原理：

通过集群内的资源监控系统（metrics-server），来获取集群中资源的使用状态。

根据CPU、内存、以及用户自定义的资源指标数据的使用量或连接数为参考依据，来制定一个临界点，一旦超出这个点，HPA就会自动创建出pod副本。

 

版本：

通过kubectl api-versions可以看到，目前有3个版本：

autoscaling/v1                 #只支持通过cpu为参考依据，来改变pod副本数
autoscaling/v2beta1       #支持通过cpu、内存、连接数以及用户自定义的资源指标数据为参考依据。
autoscaling/v2beta2       #同上，小的变动

 

查询：



1 kubectl explain hpa   ##默认查询到的是autoscaling/v1版本2 
3



部署HPA：

哪个资源最多几个最少几个通过什么判断伸缩

例如：我有个deployment叫myapp现在只有一个副本数，最多只能8个副本数，当pod的cpu平均利用率超过百分之50或内存平均值超过百分之50时，pod将自动增加副本数以提供服务。

SVC、Deployment资源清单：

 


1 apiVersion: v1
 2 kind: Service
 3 metadata:
 4   name: svc-hpa
 5   namespace: default
 6 spec:
 7   selector:
 8     app: myapp
 9   type: NodePort  ##注意这里是NodePort，下面压力测试要用到。
10   ports:
11   - name: http
12     port: 80
13 ---
14 apiVersion: apps/v1
15 kind: Deployment
16 metadata:
17   name: myapp
18   namespace: default
19 spec:
20   replicas: 1
21   selector:
22     matchLabels:
23       app: myapp
24   template:
25     metadata:
26       name: myapp-demo
27       namespace: default
28       labels:
29         app: myapp
30     spec:
31       containers:
32       - name: myapp
33         image: ikubernetes/myapp:v1
34         imagePullPolicy: IfNotPresent
35         ports:
36         - name: http
37           containerPort: 80
38         resources:
39           requests:
40             cpu: 50m
41             memory: 50Mi
42           limits:
43             cpu: 50m
44


 

HPA资源清单如下：

 

1 apiVersion: autoscaling/v2beta1
 2 kind: HorizontalPodAutoscaler
 3 metadata:
 4   name: myapp-hpa-v2
 5   namespace: default
 6 spec:
 7   minReplicas: 1         ##至少1个副本
 8   maxReplicas: 8         ##最多8个副本
 9   scaleTargetRef:
10     apiVersion: apps/v1
11     kind: Deployment
12     name: myapp
13   metrics:
14   - type: Resource
15     resource:
16       name: cpu
17       targetAverageUtilization: 50  ##注意此时是根据使用率，也可以根据使用量：targetAverageValue
18   - type: Resource
19     resource:
20       name: memory
21       targetAverageUtilization: 50  ##注意此时是根据使用率，也可以根据使用量：targetAverageValue


 

使用ab工具模拟压力测试：


1 ab -c 1000 -n 5000000 http://192.168.1.103:31727/index.html


等待数分钟后，查看hpa及pod数量：


1 [root@K8s-master ~]# kubectl get hpa
2 NAME           REFERENCE          TARGETS           MINPODS   MAXPODS   REPLICAS   AGE
3 myapp-hpa-v2   Deployment/myapp   5%/50%, 72%/50%   1         8         2          44m
4 [root@K8s-master ~]# kubectl get pods
5 NAME                     READY   STATUS    RESTARTS   AGE
6 myapp-558db64459-pwzsd   1/1     Running   0          16m
7 myapp-558db64459-x9c4k   1/1     Running   0