Pod控制器详解-Horizontal Pod Autoscaler(HPA)

最新推荐文章于 2024-12-23 00:15:00 发布
最新推荐文章于 2024-12-23 00:15:00 发布
阅读量1.9k 收藏 7
点赞数
分类专栏： Kubernetes 文章标签： kubernetes docker java HPA
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43193386/article/details/125605396
版权

Pod控制器介绍

Pod是kubernetes的最小管理单元，在kubernetes中，按照pod的创建方式可以将其分为两类：

  • 自主式pod：kubernetes直接创建出来的Pod，这种pod删除后就没有了，也不会重建
  • 控制器创建的pod：kubernetes通过控制器创建的pod，这种pod删除了之后还会自动重建

什么是Pod控制器？
Pod控制器是管理pod的中间层，使用Pod控制器之后，只需要告诉Pod控制器，想要多少个什么样的Pod就可以了，它会创建出满足条件的Pod并确保每一个Pod资源处于用户期望的目标状态。如果Pod资源在运行中出现故障，它会基于指定策略重新编排Pod。

在kubernetes中，有很多类型的pod控制器，每种都有自己的适合的场景，常见的有下面这些：

ReplicationController：比较原始的pod控制器，已经被废弃，由ReplicaSet替代
ReplicaSet：保证副本数量一直维持在期望值，并支持pod数量扩缩容，镜像版本升级
Deployment：通过控制ReplicaSet来控制Pod，并支持滚动升级、回退版本
Horizontal Pod Autoscaler：可以根据集群负载自动水平调整Pod的数量，实现削峰填谷
DaemonSet：在集群中的指定Node上运行且仅运行一个副本，一般用于守护进程类的任务
Job：它创建出来的pod只要完成任务就立即退出，不需要重启或重建，用于执行一次性任务
Cronjob：它创建的Pod负责周期性任务控制，不需要持续后台运行
StatefulSet：管理有状态应用

Horizontal Pod Autoscaler(HPA)

在前面的课程中，我们已经可以实现通过手工执行kubectl scale命令实现Pod扩容或缩容，但是这显然不符合Kubernetes的定位目标–自动化、智能化。 Kubernetes期望可以实现通过监测Pod的使用情况，实现pod数量的自动调整，于是就产生了Horizontal Pod Autoscaler（HPA）这种控制器。

HPA可以获取每个Pod利用率，然后和HPA中定义的指标进行对比，同时计算出需要伸缩的具体值，最后实现Pod的数量的调整。其实HPA与之前的Deployment一样，也属于一种Kubernetes资源对象，它通过追踪分析RC控制的所有目标Pod的负载变化情况，来确定是否需要针对性地调整目标Pod的副本数，这是HPA的实现原理。

在这里插入图片描述
接下来，我们来做一个实验

安装metrics-server

metrics-server可以用来收集集群中的资源使用情况

# 安装git
[root@k8s-master01 ~]# yum install git -y
# 获取metrics-server, 注意使用的版本
[root@k8s-master01 ~]# git clone -b v0.3.6 https://github.com/kubernetes-incubator/metrics-server
# 修改deployment, 注意修改的是镜像和初始化参数
[root@k8s-master01 ~]# cd /root/metrics-server/deploy/1.8+/
[root@k8s-master01 1.8+]# vim metrics-server-deployment.yaml
按图中添加下面选项
hostNetwork: true
image: registry.cn-hangzhou.aliyuncs.com/google_containers/metrics-server-amd64:v0.3.6
args:
- --kubelet-insecure-tls
- --kubelet-preferred-address-types=InternalIP,Hostname,InternalDNS,ExternalDNS,ExternalIP

在这里插入图片描述

# 安装metrics-server
[root@k8s-master01 1.8+]# kubectl apply -f ./

# 查看pod运行情况
[root@k8s-master01 1.8+]# kubectl get pod -n kube-system
metrics-server-6b976979db-2xwbj   1/1     Running   0          90s

# 使用kubectl top node 查看资源使用情况
[root@k8s-master01 1.8+]# kubectl top node
NAME           CPU(cores)   CPU%   MEMORY(bytes)   MEMORY%
k8s-master01   289m         14%    1582Mi          54%       
k8s-node01     81m          4%     1195Mi          40%       
k8s-node02     72m          3%     1211Mi          41%  
[root@k8s-master01 1.8+]# kubectl top pod -n kube-system
NAME                              CPU(cores)   MEMORY(bytes)
coredns-6955765f44-7ptsb          3m           9Mi
coredns-6955765f44-vcwr5          3m           8Mi
etcd-master                       14m          145Mi
...
# 至此,metrics-server安装完成

准备deployment和servie

创建pc-hpa-pod.yaml文件，内容如下：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: nginx
  namespace: dev
spec:
  strategy: # 策略
    type: RollingUpdate # 滚动更新策略
  replicas: 1
  selector:
    matchLabels:
      app: nginx-pod
  template:
    metadata:
      labels:
        app: nginx-pod
    spec:
      containers:
      - name: nginx
        image: nginx:1.17.1
        resources: # 资源配额
          limits:  # 限制资源（上限）
            cpu: "1" # CPU限制，单位是core数
          requests: # 请求资源（下限）
            cpu: "100m"  # CPU限制，单位是core数

# 创建deployment
[root@k8s-master01 1.8+]# kubectl run nginx --image=nginx:1.17.1 --requests=cpu=100m -n dev
# 创建service
[root@k8s-master01 1.8+]# kubectl expose deployment nginx --type=NodePort --port=80 -n dev

# 查看
[root@k8s-master01 1.8+]# kubectl get deployment,pod,svc -n dev
NAME                    READY   UP-TO-DATE   AVAILABLE   AGE
deployment.apps/nginx   1/1     1            1           47s

NAME                         READY   STATUS    RESTARTS   AGE
pod/nginx-7df9756ccc-bh8dr   1/1     Running   0          47s

NAME            TYPE       CLUSTER-IP      EXTERNAL-IP   PORT(S)        AGE
service/nginx   NodePort   10.101.18.29   <none>        80:31830/TCP   35s

部署HPA

创建pc-hpa.yaml文件，内容如下：

apiVersion: autoscaling/v1
kind: HorizontalPodAutoscaler
metadata:
  name: pc-hpa
  namespace: dev
spec:
  minReplicas: 1  #最小pod数量
  maxReplicas: 10 #最大pod数量
  targetCPUUtilizationPercentage: 3 # CPU使用率指标
  scaleTargetRef:   # 指定要控制的nginx信息
    apiVersion:  /v1
    kind: Deployment
    name: nginx

# 创建hpa
[root@k8s-master01 1.8+]# kubectl create -f pc-hpa.yaml
horizontalpodautoscaler.autoscaling/pc-hpa created

# 查看hpa
    [root@k8s-master01 1.8+]# kubectl get hpa -n dev
NAME     REFERENCE          TARGETS   MINPODS   MAXPODS   REPLICAS   AGE
pc-hpa   Deployment/nginx   0%/3%     1         10        1          62s

测试

使用压测工具对service地址192.168.5.4:31830进行压测，然后通过控制台查看hpa和pod的变化
hpa变化

[root@k8s-master01 ~]# kubectl get hpa -n dev -w
NAME   REFERENCE      TARGETS  MINPODS  MAXPODS  REPLICAS  AGE
pc-hpa  Deployment/nginx  0%/3%   1     10     1      4m11s
pc-hpa  Deployment/nginx  0%/3%   1     10     1      5m19s
pc-hpa  Deployment/nginx  22%/3%   1     10     1      6m50s
pc-hpa  Deployment/nginx  22%/3%   1     10     4      7m5s
pc-hpa  Deployment/nginx  22%/3%   1     10     8      7m21s
pc-hpa  Deployment/nginx  6%/3%   1     10     8      7m51s
pc-hpa  Deployment/nginx  0%/3%   1     10     8      9m6s
pc-hpa  Deployment/nginx  0%/3%   1     10     8      13m
pc-hpa  Deployment/nginx  0%/3%   1     10     1      14m

deployment变化

[root@k8s-master01 ~]# kubectl get deployment -n dev -w
NAME    READY   UP-TO-DATE   AVAILABLE   AGE
nginx   1/1     1            1           11m
nginx   1/4     1            1           13m
nginx   1/4     1            1           13m
nginx   1/4     1            1           13m
nginx   1/4     4            1           13m
nginx   1/8     4            1           14m
nginx   1/8     4            1           14m
nginx   1/8     4            1           14m
nginx   1/8     8            1           14m
nginx   2/8     8            2           14m
nginx   3/8     8            3           14m
nginx   4/8     8            4           14m
nginx   5/8     8            5           14m
nginx   6/8     8            6           14m
nginx   7/8     8            7           14m
nginx   8/8     8            8           15m
nginx   8/1     8            8           20m
nginx   8/1     8            8           20m
nginx   1/1     1            1           20m

pod变化

[root@k8s-master01 ~]# kubectl get pods -n dev -w
NAME                     READY   STATUS    RESTARTS   AGE
nginx-7df9756ccc-bh8dr   1/1     Running   0          11m
nginx-7df9756ccc-cpgrv   0/1     Pending   0          0s
nginx-7df9756ccc-8zhwk   0/1     Pending   0          0s
nginx-7df9756ccc-rr9bn   0/1     Pending   0          0s
nginx-7df9756ccc-cpgrv   0/1     ContainerCreating   0          0s
nginx-7df9756ccc-8zhwk   0/1     ContainerCreating   0          0s
nginx-7df9756ccc-rr9bn   0/1     ContainerCreating   0          0s
nginx-7df9756ccc-m9gsj   0/1     Pending             0          0s
nginx-7df9756ccc-g56qb   0/1     Pending             0          0s
nginx-7df9756ccc-sl9c6   0/1     Pending             0          0s
nginx-7df9756ccc-fgst7   0/1     Pending             0          0s
nginx-7df9756ccc-g56qb   0/1     ContainerCreating   0          0s
nginx-7df9756ccc-m9gsj   0/1     ContainerCreating   0          0s
nginx-7df9756ccc-sl9c6   0/1     ContainerCreating   0          0s
nginx-7df9756ccc-fgst7   0/1     ContainerCreating   0          0s
nginx-7df9756ccc-8zhwk   1/1     Running             0          19s
nginx-7df9756ccc-rr9bn   1/1     Running             0          30s
nginx-7df9756ccc-m9gsj   1/1     Running             0          21s
nginx-7df9756ccc-cpgrv   1/1     Running             0          47s
nginx-7df9756ccc-sl9c6   1/1     Running             0          33s
nginx-7df9756ccc-g56qb   1/1     Running             0          48s
nginx-7df9756ccc-fgst7   1/1     Running             0          66s
nginx-7df9756ccc-fgst7   1/1     Terminating         0          6m50s
nginx-7df9756ccc-8zhwk   1/1     Terminating         0          7m5s
nginx-7df9756ccc-cpgrv   1/1     Terminating         0          7m5s
nginx-7df9756ccc-g56qb   1/1     Terminating         0          6m50s
nginx-7df9756ccc-rr9bn   1/1     Terminating         0          7m5s
nginx-7df9756ccc-m9gsj   1/1     Terminating         0          6m50s
nginx-7df9756ccc-sl9c6   1/1     Terminating         0          6m50s

本文摘抄或总结其他笔记，笔记不涉及任何商业用途，如果侵权请及时联系处理

参考：

k8s官方文档
yooome / LearningNotes

七、HorizontalPodAutoscaler（HPA）
爱吃西红柿的博客
01-14 1555
Horizontal Pod Autoscaler，中文就是水平自动伸缩可以基于CPU利用率自动扩缩，Replicationcontroller、Deployment、ReplicaSet、和StatefulSet中的pod 的数量除了CPU利用率、内存占用外，也可以积极与其他应用程序提供的自定义度量指标来执行自动扩缩Pod 自动扩缩不适用于无法扩缩的对象，比如 DaemonSet。Pod 水平自动扩缩特性由 Kubernetes API 资源和控制器实现。资源决定了控制器的行为。
pod控制器详解
qq_58733916的博客
12-01 670
pod控制器详解
（二十四）Kubernetes集群Pod控制器之Horizontal Pod Autoscaler控制器
11
02-12 692
HPA即Horizontal Pod Autoscaler，之前都是手动执行kubectlscale来实现判断的扩容，不太符合k8s的设定，k8s可以通过HPA自动监测pod的负载情况，实现pod数量的自动调整。HPA可以获得每隔pod的资源利用率，然后和HPA中定义的指标进行比对，同时计算出需要伸缩的具体值，最后实现pod数量的调整，当pod的负载比较高时，自动扩容pod的数量，当pod的负载比较小时，自动收缩pod的数量，收缩的pod数量不会低于期望的pod数量。
GKE的自动扩展Horizontal Pod Autoscaler (HPA)+Cluster Autoscaler
最新发布
★【World Of Moshow 郑锴】★
12-23 1735
让我们通过简单的类比和示例来更好地理解 GKE（Google Kubernetes Engine）的自动扩展和自愈功能。了解如何配置 Horizontal Pod Autoscaler (HPA) 和 Cluster Autoscaler。 学习 Kubernetes 的自愈功能，如重启失败的 Pod。
Horizontal Pod Autoscaler（Pod水平自动伸缩）
Addisoni
02-09 1854
Horizontal Pod Autoscaler 根据观察到的CPU利用率（或在支持自定义指标的情况下，根据其他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不适用于无法伸缩的对象，例如DaemonSets。 ...
Kubernetes -- Horizontal Pod Autoscaler
dl71181的博客
09-10 1025
前言 在kubernetes中，我们使用pod对外提供服务。这时候，我们需要以下两种情形需要关注： pod因为不明原因挂掉，导致服务不可用 Pod在高负荷的情况下，不能支撑我们的服务 如果我们人工监控pods，人工进行调整副本那么这个工作量无疑是巨大的，但kubernetes已经有了相应的机制来应对了。 那么今天就来介绍一下在k8s 1.6中的弹性伸缩的...
k8s之Horizontal Pod Autoscaler（Pod水平自动伸缩）
weixin_50801368的博客
02-15 1522
官方文档：Pod 水平自动扩缩 | Kuberneteshttps://kubernetes.io/zh/docs/tasks/run-application/horizontal-pod-autoscale/ Pod 水平自动扩缩（Horizontal Pod Autoscaler） 可以基于 CPU 利用率自动扩缩 ReplicationController、Deployment、ReplicaSet 和 StatefulSet 中的 Pod 数量。 除了 CPU 利用率，也可以基于其他应程序提供
kubernetes-Pod控制器详解
m0_56681539的博客
12-01 527
自主式pod：kubernetes直接创建出来的Pod，这种pod删除后就没有了，也不会重建控制器创建的pod：kubernetes通过控制器创建的pod，这种pod删除了之后还会自动重建什么是Pod控制器Pod控制器是管理pod的中间层，使用Pod控制器之后，只需要告诉Pod控制器，想要多少个什么样的Pod就可以了，它会创建出满足条件的Pod并确保每一个Pod资源处于用户期望的目标状态。如果Pod资源在运行中出现故障，它会基于指定策略重新编排Pod。
十二、Pod的扩缩容-手动/自动-HPA
Cyan_Jiang的博客
11-29 1008
水平Pod自动缩放器HPA-Horizontal Pod AutoscalerKubernetes从1.1版本开始，新增了名为。
hpa原理详解
zxyuliwuzhognzx11的博客
07-07 2779
从源码角度分析hpa的计算逻辑
Kubernetes的pod控制器详解
时羽天的博客
12-01 273
Kubernetesde的Pod控制器详解，k8s的Pod控制器详解
vertical-pod-autoscaler-app:Kubernetes的垂直Pod自动缩放器（VPA）组件
03-30
Vertical-Pod-Autoscaler-app图表 Giant Swarm提供了一个垂直容器自动缩放器托管应用程序，可以将其安装在租户群集中。 在这里，我们使用模板和默认配置定义了垂直吊舱自动定标器图表。 信用
二十六、Kubernetes中Horizontal Pod Autoscaler(HPA)控制器详解
全栈行动派的博客
01-14 880
Kubernetes中Horizontal Pod Autoscaler(HPA)控制器详解
k8s —— pod 水平自动扩缩 HPA (Horizontal Pod Autoscaler)
毕加索的忧伤
03-23 399
hpa: kubectl apply -f hpa-apache.yaml kubectl apply -f hpa-apache.yaml kubectl get hpa kubectl get deployments.apps kubectl get svc curl 10.104.244.49 kubectl autoscale deployment php-apache --cpu-percent=50 --min=1 --max=10 kubectl get hpa wat..
【kubernetes系列】Kubernetes之自动扩容Horizontal Pod Autoscaling（HPA）
margu_168的博客
05-10 1844
然后，通过现有pods的CPU使用率的平均值（计算方式是最近的pod使用量（最近一分钟的平均值，从heapster中获得）除以设定的每个Pod的CPU使用率限额）跟目标使用率进行比较，并且在扩容时，还要遵循预先设定的副本数限制：MinReplicas
Kubernetes-pod控制器-Horizontal Pod Autoscaler
咸鱼很闲
12-14 479
Horizontal Pod Autoscaler （HPA） 在前面的课程中，我们可以通过手工执行kubectl scale命令实现Pod扩容，但是这显然不符合Kubernetes的定位目标–自动化、智能化。Kubernetes期望可以通过监测Pod的使用情况，实现pod数量的自动调整，于是就产生了HPA这种控制器。 HPA可以获取每个pod利用率，然后和HPA中定义的指标进行对比，同时计算出需要伸缩的具体值，最后实现pod的数量的调整。其实HPA与之前的Deployment一样，也属于一种Kuberne
Horizo​​ntal Pod Autoscaler （HPA） 根据资源横向扩展
全栈工程师开发手册（原创）https://github.com/tencentmusic/cube-studio
12-13 1791
Horizo​​ntal Pod Autoscaler根据观察到的CPU利用率自动调整复制控制器，部署或副本集中的容器数量（或者，通过 自定义指标 支持，根据其他一些应用程序提供的指标）。请注意，Horizo​​ntal Pod Autoscaling不适用于无法缩放的对象，例如DaemonSet。 Horizo​​ntal Pod Autoscaler实现为Kubernetes API资源和控制...
kubernetes——HPA（Horizontal Pod Autoscaler水平自动缩放控制器）实例
Aimee_c的博客
07-08 1152
文章目录1.根据CPU进行HPA伸缩过程1.1 运行 php-apache 服务器并暴露服务1.2 创建 Horizontal Pod Autoscaler1.3 增加负载2.根据HPAv2HPA伸缩 官网参考：https://kubernetes.io/zh/docs/tasks/run-application/horizontal-pod-autoscale-walkthrough/ Horizontal Pod Autoscaler根据观察到的CPU使用率（或使用自定义指标支持，基于某些其他应用程序提
Kubernetes(k8s)的Pod控制器Horizontal Pod Autoscaler(HPA)详细讲解
Bulut0907
08-01 1137
目录1. 概述2. kubernetes-sigs/metrics-server的介绍和安装2.1 metrics-server安装2.2 查看资源使用情况3. 准备Deployment和Service3.1 准备Deployment3.2 准备Service4. 部署HPA5. 测试 1. 概述 kubectl scale命令实现Pod的扩缩容需要人工操作。kubernetes可以通过监测Pod的使用情况，实现Pod数量的自动调整，这就是HPA控制器 HPA可以获取每个Pod的利用率，然后和HPA中定义的
K8S资源监控与HPA控制器详解：Heapster变迁与新一代架构
Kubernetes (K8s) 是一个强大的容器编排系统，其核心组成部分之一就是资源监控与自动扩展（Horizontal Pod Autoscaler, HPA）。本文档深入探讨了K8s系统的资源监控体系以及HPA控制器的作用。 首先，资源监控是K8s不...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

GC-757

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值