k8s水平扩缩容

发表于 阅读次数： Waline： 本文字数： 576 阅读时长 ≈ 2 分钟
介绍k8s HPA（水平扩缩容）的配置

这篇文章的内容其实是很早以前就会一个k8s 资源，但是最近又用到了，就做个笔记。

关于水平扩容和缩容不在这里做解释，有兴趣看这篇文章的人应该都已经知道了。
最好的教程其实还是官网，这里放上相关的链接：

HPA配置方法

在k8s中配置HPA有两种方式：

  1. 通过命令行的方式直接创建，如下， 
    1
    kubectl autoscale deployment <deployment-name> --cpu-percent=75 --min=l --max=5
  2. 通过yaml配置文件
    把详细的配置写在yaml文件中，通过kubectl apply来创建hpa。

比较推荐第二种方法，尤其是在生产环境中。如果使用第一种方法，过了一段时间之后可能就不知道曾经创建过这么个东西，或者及时记不清具体的细节了；第二种方法可以把yaml文件通过git存储，并且通过一些方法（比如：PR触发CICD）来始终保持repo中的yaml文件和生产环境保持一致。

HPA配置说明

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
  name: <hpa-name>
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    # 这里选择Deployment资源作为展示，但是可以支持
    #  ReplicationController、Deployment、ReplicaSet 和 StatefulSet 这些类型
    kind: Deployment
    name: <打算进行自动扩缩配置的资源的名字>
  # 定义最小和最大副本数量
  minReplicas: 1
  maxReplicas: 4
  # 针对多种资源进行监控来决定是否进行扩容
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 75
  - type: Resource
    resource:
      name: memory
      target:
        type: Utilization
        averageUtilization: 75

配置HPA的依赖

在上面的配置文件中可以看到我设置的两个指标是Pods CPU和Memory的利用率，也就意味着k8s要提供个接口来采集这些信息， 也就是metric api， 不过这个是不是k8s默认部署的，需要自己部署，具体的部署过程，参见官网的介绍。