概述

　　Horizontal Pod Autoscaler(HPA，Pod水平自动伸缩)，根据平均 CPU 利用率、平均内存利用率或你指定的任何其他自定义指标自动调整 Deployment 、ReplicaSet 或 StatefulSet 或其他类似资源，实现部署的自动扩展和缩减，让部署的规模接近于实际服务的负载。HPA不适用于无法缩放的对象，例如DaemonSet。

　　官方文档：https://kubernetes.io/zh-cn/docs/tasks/run-application/horizontal-pod-autoscale/

　　实际生产中，一般使用这四类指标：

　　Resource metrics——CPU核 和 内存利用率指标。

　　Pod metrics——例如网络利用率和流量。

　　Object metrics——特定对象的指标，比如Ingress, 可以按每秒使用请求数来扩展容器。

　　Custom metrics——自定义监控，比如通过定义服务响应时间，当响应时间达到一定指标时自动扩容。

　　安装 metrics-server

　　HAP 前提条件

　　默认情况下，Horizontal Pod Autoscaler 控制器会从一系列的 API 中检索度量值。集群管理员需要确保下述条件，以保证 HPA 控制器能够访问这些 API：

　　对于资源指标，将使用 metrics.k8s.io API，一般由 metrics-server 提供。它可以作为集群插件启动。

　　对于自定义指标，将使用 custom.metrics.k8s.io API。它由其他度量指标方案厂商的“适配器(Adapter)” API 服务器提供。检查你的指标管道以查看是否有可用的 Kubernetes 指标适配器。

　　对于外部指标，将使用 external.metrics.k8s.io API。可能由上面的自定义指标适配器提供。

　　Kubernetes Metrics Server：

　　Kubernetes Metrics Server 是 Cluster 的核心监控数据的聚合器，kubeadm 默认是不部署的。

　　Metrics Server 供 Dashboard 等其他组件使用，是一个扩展的 APIServer，依赖于 API Aggregator。所以，在安装 Metrics Server 之前需要先在 kube-apiserver 中开启 API Aggregator。

　　Metrics API 只可以查询当前的度量数据，并不保存历史数据。

　　Metrics API URI 为 /apis/metrics.k8s.io/，在 k8s.io/metrics 下维护。

　　必须部署 metrics-server 才能使用该 API，metrics-server 通过调用 kubelet Summary API 获取数据。

　　开启 API Aggregator

　　开始安装 metrics-server

　　下载

　　修改

　　解决方法：在metrics-server中添加--kubelet-insecure-tls参数跳过证书校验

　　开始安装

　　Horizontal Pod Autoscaler 工作原理

　　原理架构图

　　自动检测周期由 kube-controller-manager 的 --horizontal-pod-autoscaler-sync-period 参数设置(默认间隔为 15 秒)。

　　metrics-server 提供 metrics.k8s.io API 为pod资源的使用提供支持。

　　15s/周期 -> 查询metrics.k8s.io API -> 算法计算 -> 调用scale 调度 -> 特定的扩缩容策略执行。

　　HPA扩缩容算法

　　从最基本的角度来看，Pod 水平自动扩缩控制器根据当前指标和期望指标来计算扩缩比例。

　　扩容

　　如果计算出的扩缩比例接近 1.0, 将会放弃本次扩缩, 度量指标 / 期望指标接近1.0。

　　缩容

　　冷却/延迟: 如果延迟(冷却)时间设置的太短，那么副本数量有可能跟以前一样出现抖动。默认值是 5 分钟(5m0s)--horizontal-pod-autoscaler-downscale-stabilization

　　特殊处理

　　丢失度量值：缩小时假设这些 Pod 消耗了目标值的 100%， 在需要放大时假设这些 Pod 消耗了 0% 目标值。这可以在一定程度上抑制扩缩的幅度。

　　存在未就绪的pod的时候：我们保守地假设尚未就绪的 Pod 消耗了期望指标的 0%，从而进一步降低了扩缩的幅度。

　　未就绪的 Pod 和缺少指标的 Pod 考虑进来再次计算使用率。如果新的比率与扩缩方向相反，或者在容忍范围内，则跳过扩缩。否则，我们使用新的扩缩比例。指定了多个指标， 那么会按照每个指标分别计算扩缩副本数，取最大值进行扩缩。

　　HPA 对象定义

　　HPA对象默认行为

　　示例演示

　　编排yaml

　　主要参数解释如下：

　　scaleTargetRef：目标作用对象，可以是Deployment、ReplicationController或ReplicaSet。

　　minReplicas和maxReplicas：Pod副本数量的最小值和最大值，系统将在这个范围内进行自动扩缩容操作，并维持每个Pod的内存使用率为40%，这个值就是上面设置的阈值averageUtilization。

　　metrics：目标指标值。在metrics中通过参数type定义指标的类型;通过参数target定义相应的指标目标值，系统将在指标数据达到目标值时(考虑容忍度的区间，见前面算法部分的说明)触发扩缩容操作。

　　对于CPU使用率，在target参数中设置averageUtilization定义目标平均CPU使用率。

　　对于内存资源，在target参数中设置AverageValue定义目标平均内存使用值。

　　执行

　　使用 ab 工具进行压测

　　进入apache官网 下载apache即可，或者直接通过yum安装apache都行，这里选择最简单的方式yum安装

　　开始压测

　　从上图发现已经实现了根据CPU 动态扩容了。