学习Kubernetes基础

任务

Kubernetes v1.16 文档不再得到积极维护。您当前正在查看的版本是静态快照。有关最新文档，请参见 最新版本。

Edit This Page

水平荚自动缩放器

水平荚自动缩放器可自动缩放荚的数量 在复制控制器中，根据观察到的CPU利用率（或 自定义指标 支持，以及其他一些应用程序提供的指标）。注意水平 Pod自动缩放不适用于可以’不能缩放，例如DaemonSets。

Horizo​​ntal Pod Autoscaler被实现为Kubernetes API资源和控制器。 该资源确定控制器的行为。 控制器会定期调整复制控制器或部署中的副本数 使观察到的平均CPU利用率与用户指定的目标相匹配。

Horizo​​ntal Pod Autoscaler如何工作？

水平Pod自动缩放器图

Horizo​​ntal Pod Autoscaler被实现为一个控制回路，周期受控 由控制经理’s --horizontal-pod-autoscaler-sync-period flag (with a default 值15秒）。

在每个期间，控制器管理器都会根据 每个Horizo​​ntalPodAutoscaler定义中指定的指标。控制器管理员 从资源指标API（针对每个单元资源指标）获取指标， 或自定义指标API（用于所有其他指标）。

  • 对于按单元资源指标（例如CPU），控制器将获取指标 从资源指标API中获取Horizo​​ntalPodAutoscaler定位的每个Pod。 然后，如果设置了目标利用率值，则控制器将计算利用率 值占容器中等效资源请求的百分比 每个吊舱。如果设置了目标原始值，则直接使用原始指标值。 然后，控制器获取利用率或原始值的平均值（取决于类型 在所有目标广告连播中定位的目标），并生成用于缩放的比例 所需副本的数量。

请注意，如果某些吊舱’的容器没有相关的资源请求集， 不会定义pod的CPU使用率，并且自动缩放器将 对该指标不采取任何措施。见 算法 details 以下部分以获取更多有关的信息 自动缩放算法的工作原理。

  • 对于按荚自定义指标，控制器的功能类似于按荚资源指标， 除了它适用于原始值，而不适用于利用率值。

  • 对于对象指标和外部指标，将获取单个指标，该指标描述了 有问题的对象。将该指标与目标进行比较 value, to produce a ratio as above. In the autoscaling/v2beta2 API 版本，此值可以除以除以 comparison is made.

这 HorizontalPodAutoscaler normally fetches metrics from a series of aggregated APIs (metrics.k8s.io, custom.metrics.k8s.io, and external.metrics.k8s.io). The metrics.k8s.io API is usually provided by metrics-server，需要单独启动。看 指标服务器 有关说明。 Horizo​​ntalPodAutoscaler也可以直接从Heapster获取指标。

笔记：
功能状态： Kubernetes 1.11 不推荐使用
此功能是 不推荐使用 。有关此状态的更多信息，请参见 Kubernetes 弃用政策.

从Kubernetes 1.11开始，不推荐从Heapster获取指标。

看到 支持指标API for more details.

自动缩放器访问相应的可缩放控制器（例如复制控制器，部署和副本集） 通过使用scale子资源。 Scale是一个界面，可让您动态设置副本数并检查 他们的每个当前状态。可以找到有关规模子资源的更多详细信息 这里 .

算法细节

从最基本的角度来看，Horizo​​ntal Pod Autoscaler控制器 根据所需指标值和当前指标之间的比率进行操作 value:

desiredReplicas = ceil[currentReplicas * ( currentMetricValue / desiredMetricValue )]

For example, if the current metric value is 200m, and the desired value is 100m, the number of replicas will be doubled, since 200.0 / 100.0 == 2.0 If the current value is instead 50m, we’将数量减半 replicas, since 50.0 / 100.0 == 0.5. We’如果比率为 足够接近1.0（在全局可配置的公差范围内， the --horizontal-pod-autoscaler-tolerance flag, which defaults to 0.1).

When a targetAverageValue 或者 targetAverageUtilization is specified, the currentMetricValue is computed by taking the average of the given Horizo​​ntalPodAutoscaler中所有Pod的指标’s scale target. 在检查公差并确定最终值之前，我们采用 但是，必须考虑吊舱准备情况和缺少的指标。

设置了删除时间戳记的所有Pod（即处于 关闭），所有失败的Pod都将被丢弃。

如果某个特定的Pod缺少指标，则将其保留以备后用。豆荚 指标缺失的情况将用于调整最终缩放比例。

在CPU上扩展时，是否有任何Pod尚未准备好（即’s still initializing) 或者 吊舱的最新度量标准点位于该吊舱之前 准备好了，那个吊舱也放在一边。

由于技术限制，Horizo​​ntalPodAutoscaler控制器 无法确切确定豆荚第一次准备就绪的时间 确定是否预留某些CPU指标。相反，它 considers a Pod “not yet ready” if it’尚未准备好并过渡到 自启动以来在很短的可配置时间内未准备就绪。 This value is configured with the --horizontal-pod-autoscaler-initial-readiness-delay flag, and its default is 30 秒。吊舱准备就绪后，它将考虑过渡到 如果在更长的可配置时间内发生，则准备成为第一个 since it started. This value is configured with the --horizontal-pod-autoscaler-cpu-initialization-period flag, and its 默认值为5分钟。

这 currentMetricValue / desiredMetricValue base scale ratio is then 使用未从上方放置或丢弃的剩余豆荚计算得出。

如果缺少任何指标，我们将重新计算平均值 保守地假设这些豆荚消耗了100％的所需 如果缩小，则值为0；如果缩小，则值为0％。这抑制了 任何潜在规模的大小。

此外，如果存在尚未准备就绪的豆荚，我们将拥有 在不考虑缺少指标或尚未准备就绪的广告连播的情况下进行了扩展，我们 保守地假设尚未准备就绪的广告连播正在消耗0％的广告连播 所需的指标，进一步抑制放大的幅度。

考虑到尚未准备就绪的广告连播和缺少的指标后，我们 重新计算使用率。如果新比例使比例倒转 方向或在公差范围内，我们跳过缩放。否则，我们使用 新的比例比例。

请注意 原版的 报告平均利用率的值 通过Horizo​​ntalPodAutoscaler状态返回，而无需考虑 尚未使用的广告连播或缺少指标，即使新的使用率是 used.

如果在Horizo​​ntalPodAutoscaler中指定了多个指标，则此 计算每个指标，然后计算最大的指标 选择副本计数。如果这些指标中的任何一个无法转换 放入所需的副本数量（例如，由于获取指标时出错） 从指标API中），然后按指标建议缩小规模 可以获取，跳过缩放。这意味着HPA仍然能够 of scaling up if one or more metrics give a desiredReplicas greater than the current value.

最后，在HPA缩放目标之前，就记录了缩放建议。这 控制器会在可配置窗口中考虑所有建议，然后选择 highest recommendation from within that window. This value can be configured using the --horizontal-pod-autoscaler-downscale-stabilization flag, which defaults to 5 minutes. 这意味着缩减将逐渐发生，以消除迅速的影响。 度量标准值波动。

API对象

这 水平荚自动缩放器 is an API resource in the Kubernetes autoscaling API group. 当前的稳定版本，仅包括对CPU自动缩放的支持， can be found in the autoscaling/v1 API version.

测试版包含对内存和自定义指标的扩展支持， can be found in autoscaling/v2beta2. The new fields introduced in autoscaling/v2beta2 are preserved as annotations when working with autoscaling/v1.

有关API对象的更多详细信息，请参见 Horizo​​ntalPodAutoscaler对象.

在Kubectl中支持水平Pod自动缩放器

水平荚自动缩放器, like every API resource, is supported in a standard way by kubectl. We can create a new autoscaler using kubectl create command. We can list autoscalers by kubectl get hpa 和 get detailed description by kubectl describe hpa. Finally, we can delete an autoscaler using kubectl delete hpa.

In addition, there is a special kubectl自动缩放 command for easy creation of a 水平荚自动缩放器. 例如，执行 kubectl自动缩放 rs foo --min=2 --max=5 --cpu-percent=80 将为复制集创建一个自动缩放器 富 ，并将目标CPU使用率设置为 80% 副本数在2到5之间。 The detailed documentation of kubectl自动缩放 can be found 这里 .

滚动更新期间自动缩放

目前在Kubernetes中，可以执行 滚动更新 通过直接管理复制控制器， 或通过使用部署对象为您管理基础副本集。 Horizo​​ntal Pod Autoscaler仅支持后一种方法：Horizo​​ntal Pod Autoscaler绑定到部署对象， 它设置部署对象的大小，并且部署负责设置基础副本集的大小。

Horizo​​ntal Pod Autoscaler不适用于直接操作复制控制器的滚动更新， i.e. you cannot bind a 水平荚自动缩放器 to a replication controller and do rolling update (e.g. using kubectl rolling-update). 这样做的原因’所做的工作是，滚动更新创建新的复制控制器时， Horizo​​ntal Pod Autoscaler将不会绑定到新的复制控制器。

支持冷却/延迟

使用Horizo​​ntal Pod Autoscaler管理一组副本的规模时， 副本的数量可能会由于 评估指标的动态性质。有时称为 撞 .

从v1.6开始，集群运营商可以通过调整来减轻此问题 the global HPA settings exposed as flags for the kube-controller-manager component:

从v1.12开始，新的算法更新消除了对 upscale delay.

  • --horizontal-pod-autoscaler-downscale-stabilization：此选项的值为a 持续时间，指定自动定标器必须等待多长时间 当前操作完成后，即可执行降级操作。 The default value is 5 minutes (5m0s).
笔记： 调整这些参数值时，集群操作员应了解可能的情况。 结果。如果延迟（冷却时间）值设置得太长，则可能会有投诉 Horizo​​ntal Pod Autoscaler无法响应工作负载更改。但是，如果 延迟值设置得太短，副本集的规模可能会持续波动，因为 usual.

支持多种指标

Kubernetes 1.6 adds support for scaling based on multiple metrics. You can use the autoscaling/v2beta2 API 版本以指定要扩展的水平Pod自动缩放器的多个指标。然后，水平吊舱 Autoscaler控制器将评估每个指标，并根据该指标提出新的指标。最大的 建议的量表将用作新的量表。

支持自定义指标

笔记： Kubernetes 1.2添加了alpha支持，可使用特殊注释基于特定于应用程序的指标进行缩放。 为了支持新的自动缩放API，在Kubernetes 1.6中删除了对这些注释的支持。而旧的收集方法 自定义指标仍然可用，这些指标将无法用于Horizo​​ntal Pod Autoscaler，而前者 Horizo​​ntal Pod Autoscaler控制器不再支持用于指定要缩放的自定义指标的注释。

Kubernetes 1.6增加了对在Horizo​​ntal Pod Autoscaler中使用自定义指标的支持。 You can add custom metrics for the 水平荚自动缩放器 to use in the autoscaling/v2beta2 API. 然后Kubernetes查询新的自定义指标API，以获取适当的自定义指标的值。

看到 支持指标API 对于要求。

支持指标API

默认情况下，Horizo​​ntalPodAutoscaler控制器从一系列API中检索指标。为了使其能够访问这些 API，集群管理员必须确保：

  • 这 API汇聚层 is enabled.

  • 相应的API已注册：

    • For resource metrics, this is the metrics.k8s.io API, generally provided by 指标服务器 . 它可以作为集群附件启动。

    • For custom metrics, this is the custom.metrics.k8s.io API. It’s provided by “adapter”指标解决方案供应商提供的API服务器。 检查指标管道，或者 已知解决方案列表. 如果您想自己写，请查看 样板 to get started.

    • For external metrics, this is the external.metrics.k8s.io API. It may be provided by the custom metrics adapters provided above.

  • 这 --horizontal-pod-autoscaler-use-rest-clients is true 或者 unset. Setting this to false switches to Heapster-based autoscaling, which is deprecated.

有关这些不同度量标准路径以及它们如何不同的更多信息，请参见有关的设计建议。 HPA V2 , custom.metrics.k8s.io 和 external.metrics.k8s.io.

有关如何使用它们的示例，请参见 使用自定义指标的演练 和 使用外部指标的演练.

什么 's next

回馈