本文共 4156 字，大约阅读时间需要 13 分钟。
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。
Horizontal Pod Autoscaler 被实现作为Kubernetes API资源和控制器。该资源决定控制器的行为。控制器会定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 是如何工作的
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）。
在每个周期内，controller manager都会根据每个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（针对每个pod资源指标）或自定义指标API（针对所有其他指标）获取指标。
对于每个Pod资源指标（比如：CPU），控制器会从资源指标API中获取相应的指标。然后，如果设置了目标利用率值，则控制器计算利用率值作为容器上等效的资源请求百分比。如果设置了目标原始值，则直接使用原始指标值。然后，控制器将所有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。
如果某些Pod的容器未设置相关资源请求，则不会定义Pod的CPU使用率，并且自动缩放器不会对该指标采取任何措施。
2. 算法细节
desiredReplicas = ceil[currentReplicas * ( currentMetricValue / desiredMetricValue )] 直译为：(当前指标值 ➗ 期望指标值) ✖️ 当前副本数 ，结果再向上取整，最终结果就是期望的副本数量
例如，假设当前指标值是200m ，期望指标值是100m，期望的副本数量就是双倍。因为，200.0 / 100.0 == 2.0
如果当前值是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
如果该比率足够接近1.0，则会跳过伸缩
当targetAverageValue或者targetAverageUtilization被指定的时候，currentMetricValue取HorizontalPodAutoscaler伸缩目标中所有Pod的给定指标的平均值。
所有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，如果有尚未准备好的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autoscalerkubectl delete hpa# 示例：以下命名将会为副本集foo创建一个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. 创建Dockerfile，并构建镜像
FROM java:8COPY ./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 创建 Horizontal Pod Autoscaler
HPA将增加和减少副本数量，以将所有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 增加负载
接下来，利用压测工具持续请求，以增加负载，再查看
kubectl get deployment hello-world-example 通过使用autoscaling/v2beta2版本，你可以定义更多的指标
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
第一个可以替换的指标类型是Pod指标。这些指标在各个容器中平均在一起，并且和目标值进行比较，已确定副本数。例如：
type: Podspods: metric: name: packets-per-second target: type: AverageValue averageValue: 1k 第二个可以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: Objectobject: 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文件如下：
apiVersion: autoscaling/v2beta2kind: HorizontalPodAutoscaler metadata: name:hello-world-example namespace:defaultspec: 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: 10kstatus: observedGeneration: 1 lastScaleTime: 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
转载地址：http://wmqkz.baihongyu.com/