Kubernetes autoscaling 自动扩缩容

很多时候需要对线上应用进行扩容和缩容，扩容以提高应用处理能力，缩容以节约成本；而以往的系统对在线扩缩容支持的并不是很好，或多或少都需要开发或运维人员介入；

Kubernetes提供的HPA - Horizontal Pod Autoscaler - Pod水平扩缩容，则解决了这个问题，只需要定义扩缩容的阈值，之后就交给Kubernetes处理即可。

基本概念

HPA默认 15s 执行一次 (当然也可以修改 --horizontal-pod-autoscaler-sync-period XXs)，每次执行会查询资源的利用率(如果有多个pod则会计算平均值)，之后与预先定义的指标/阈值进行比较，进而计算出目标 副本数量；

关于如何收集度量值，可通过一系列的聚合API进行，比如 metrics.k8s.io，custom.metrics.k8s.io，external.metrics.k8s.io

算法细节

期望的副本数量 = 当前副本数量 * (当前指标 / 期望指标)

举个例子，假设当前的 副本数量为1，当前指标比如CPU使用率是 80%，而期望的CPU使用率是 40%，那么 1 * (80/40) = 2，也就是说副本数量需要翻倍；而假设当前副本数量为2，当前指标比如CPU使用率是 20%，而期望的CPU使用率是 40%，那么2 * (20/40) = 1，则当前副本数量需要减半；

当然上面的当前指标值是个平均值(正在terminating或fail的pod都不会被统计)；

同时，如果 当前指标/期望指标 的比例等于1，或者说在一个容忍范围内(--horizontal-pod-autoscaler-tolerance 默认0.1)，则会放弃扩容活缩容；

配置HPA

kubectl 的 HPA 设置，kubectl autoscale rs rsname --min=2 --max=5 --cpu-percent=80，则会对名为rsname的replicationset (除此之外还可以设置deployment) 设置一个 hpa 对象，副本数量介于2-5之间，目标CPU使用率为80%；

Java client fabric8的 HPA 设置，这里贴的是老版本的fabric8

HorizontalPodAutoscaler horizontalPodAutoscaler =