资讯专栏INFORMATION COLUMN

上云采购季！| 2核2G4M爆款云服务器低至59元/年，更有多台、长期优惠，快来选购！

立即前往
首页/文章专栏/基于Heapster的HPA

基于Heapster的HPA

Forelax / 370人阅读

摘要：基于的概述，简称，是中实现水平自动伸缩的功能。它可以根据使用率或应用自定义自动扩展数量支持和节点扩缩容层面，集群的持续监控，一旦发现无法被，则基于进行扩展，即节点的自动扩缩容，具体内容在后续文章中介绍。

基于Heapster的HPA 概述

Horizontal Pod Autoscaling，简称HPA，是Kubernetes中实现POD水平自动伸缩的功能。自动扩展主要分为两种:

水平扩展(scale out)，针对于实例数目的增减

垂直扩展(scal up)，即单个实例可以使用的资源的增减, 比如增加cpu和增大内存

HPA属于前者。它可以根据CPU使用率或应用自定义metrics自动扩展Pod数量(支持 replication controller、deployment 和 replica set)

节点扩缩容层面，k8s集群的Cluster Autoscaler持续监控Pods，一旦发现Pods无法被schedule，则基于PodConditoin进行扩展，即node节点的自动扩缩容，具体内容在后续文章中介绍。

监控数据获取

Heapster: heapster收集Node节点上的cAdvisor数据，并按照kubernetes的资源类型来集合资源。但是在v1.11中已经被废弃（heapster监控数据可用，但HPA不再从heapster拿数据）

metric-server: 在v1.8版本中引入，官方将其作为heapster的替代者。metric-server依赖于kube-aggregator，因此需要在apiserver中开启相关参数。v1.11中HPA从metric-server获取监控数据

工作流程

1.创建HPA资源，设定目标CPU使用率限额，以及最大、最小实例数, 一定要设置Pod的资源限制参数: request, 否则HPA不会工作。

2.控制管理器每隔30s(可以通过–horizontal-pod-autoscaler-sync-period修改)查询metrics的资源使用情况

3.然后与创建时设定的值和指标做对比(平均值之和/限额)，求出目标调整的实例个数

4.目标调整的实例数不能超过1中设定的最大、最小实例数，如果没有超过，则扩容；超过，则扩容至最大的实例个数

如何部署：

1.6-1.8版本默认使用heapster

1.11版本及以上默认使用metric-server（需多带带安装，并开启参数）

1.部署和运行php-apache并将其暴露成为服务

2.创建HPA

如果为1.8及以下的k8s集群，指标正常，如果为1.11集群，需要执行如下操作。

4.向php-apache服务增加负载，验证自动扩缩容

启动一个容器，并通过一个循环向php-apache服务器发送无限的查询请求（请在另一个终端中运行以下命令）

5.观察HPA是否生效

用yaml创建HPA的方式为：

实现细节

HPA由一个控制循环实现，循环周期由--horizontal-pod-autoscaler-sync-period 标志指定，默认是30秒，每个周期内，controller-manager会查询HPA中定义的metric的资源利用率。

如上例子，pod的request定义为200M，而HPA定义的target为50%，即HPA将通过增加或者减少Pod副本的数量（通过Deployment）以保持所有Pod的平均CPU利用率在50%以内(即200*0.5=100M以内），循环周期到达时，获取pod的1分钟内的平均cpu利用率（从heaspter),发现超过了100M，为332M，于是通过下面的公式，决定最终的pod数量

TargetNumOfPods = ceil(sum(CurrentPodsCPUUtilization) / Target)

即 332/50 =6.xxx ceil为向上取整，得到7。如果得到的结果大于10，则为10

因为每次HPA生效都会创建或者删除pod，而这些操作其实会影响到metric监控值，如创建pod会暂时性的升高cpu，因此每次扩容都要间隔3分钟，缩容需要间隔5分钟。且需要满足：avg（CurrentPodsConsumption）/ Target下降9%，进行缩容，增加至10%才进行扩容

这样做好处是：
1、判断的精度高，不会频繁的扩缩pod，造成集群压力大。
2、避免频繁的扩缩pod，防止应用访问不稳定

实现hpa的条件：
1、hpa不能autoscale daemonset类型control
2、要实现autoscale，pod必须设置request

参考：https://github.com/kubernetes...

本文为容器监控实践系列文章，完整内容见：container-monitor-book

云服务器 GPU云服务器 HPA heapster 基于云计算的 基于linux的

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/32830.html

相关文章

  • 基于Heapster的HPA

    摘要：基于的概述，简称，是中实现水平自动伸缩的功能。它可以根据使用率或应用自定义自动扩展数量支持和节点扩缩容层面，集群的持续监控，一旦发现无法被，则基于进行扩展，即节点的自动扩缩容，具体内容在后续文章中介绍。 基于Heapster的HPA 概述 Horizontal Pod Autoscaling，简称HPA，是Kubernetes中实现POD水平自动伸缩的功能。自动扩展主要分为两种: 水...

    luxixing 评论0 收藏0

  • 容器监控实践—Heapster

    摘要：还可以把数据导入到第三方工具展示或使用场景共同组成了一个流行的监控解决方案原生的监控图表信息来自在中也用到了，将作为，向其获取，作为水平扩缩容的监控依据监控指标流程首先从获取集群中所有的信息。 概述 该项目将被废弃（RETIRED） Heapster是Kubernetes旗下的一个项目，Heapster是一个收集者，并不是采集 1.Heapster可以收集Node节点上的cAdvis...

    DDreach 评论0 收藏0

  • 容器监控实践—Heapster

    摘要：还可以把数据导入到第三方工具展示或使用场景共同组成了一个流行的监控解决方案原生的监控图表信息来自在中也用到了，将作为，向其获取，作为水平扩缩容的监控依据监控指标流程首先从获取集群中所有的信息。 概述 该项目将被废弃（RETIRED） Heapster是Kubernetes旗下的一个项目，Heapster是一个收集者，并不是采集 1.Heapster可以收集Node节点上的cAdvis...

    宠来也 评论0 收藏0

  • 容器监控实践—Metrics Server

    摘要：出现后，新的监控架构将变成上图的样子核心流程黑色部分这是正常工作所需要的核心度量，从等获取度量数据，再由提供给控制器等使用。本文为容器监控实践系列文章，完整内容见 概述 从 v1.8 开始，资源使用情况的监控可以通过 Metrics API的形式获取，具体的组件为Metrics Server，用来替换之前的heapster，heapster从1.11开始逐渐被废弃。 Metrics-S...

    libxd 评论0 收藏0

  • 容器监控实践—Metrics Server

    摘要：出现后，新的监控架构将变成上图的样子核心流程黑色部分这是正常工作所需要的核心度量，从等获取度量数据，再由提供给控制器等使用。本文为容器监控实践系列文章，完整内容见 概述 从 v1.8 开始，资源使用情况的监控可以通过 Metrics API的形式获取，具体的组件为Metrics Server，用来替换之前的heapster，heapster从1.11开始逐渐被废弃。 Metrics-S...

    lmxdawn 评论0 收藏0

发表评论

登陆后可评论

0条评论

Forelax

男|高级讲师
我要私信

TA的文章

阅读更多
最新活动
阅读需要支付1元查看
<