HPA是什么

Kubernetes有一个HPA(Horizontal Pod Autoscaler)的资源，可以实现基于CPU使用率的Pod自动伸缩的功能。

1.HPA基于Master Node上的kube-controller-manager服务启动参数–horizontal-pod-autoscaler-sync-period定义的时长(默认为30秒)，周期性的检测Pod的CPU使用率(需要事先安装heapster)。

如果需要设置–horizontal-pod-autoscaler-sync-period可以在Master Node上的/etc/default/kube-controller-manager中修改。

2.HPA 与之前的 RC、Deployment 一样，也属于一种 Kubernetes 资源对象。通过追踪分析 RC 控制的所有目标 Pod 的负载变化情况，来确定是否需要针对性地调整目标Pod的副本数，这是HPA的实现原理。

当前，HPA可以有以下两种方式作为 Pod 负载的调度指标：

CPUUtilizationPercentage。
应用程序自定义的度量指标，比如服务在每秒内的相应的请求数（TPS 或 QPS）。

官网:

https://kubernetes.io/zh/docs/tasks/run-application/horizontal-pod-autoscale-walkthrough/

 运行deployment 服务:
$ kubectl run hpa-example --image=hpa-example --requests=cpu=200m --expose --port=80
service/hpa-example created
deployment.apps/hpa-example created

$ kubectl get deployments.apps 
NAME          READY   UP-TO-DATE   AVAILABLE   AGE
hpa-example   1/1     1            1           19s

$ kubectl autoscale deployment hpa-example --cpu-percent=50 --min=1 --max=10
horizontalpodautoscaler.autoscaling/hpa-example autoscaled

$ kubectl get hpa
NAME          REFERENCE                TARGETS   MINPODS   MAXPODS   REPLICAS   AGE
hpa-example   Deployment/hpa-example   0%/50%    1         10        1          39s

$ kubectl  get svc hpa-example 
NAME          TYPE        CLUSTER-IP      EXTERNAL-IP   PORT(S)   AGE
hpa-example   ClusterIP   10.110.93.191   <none>        80/TCP    63m

$ kubectl run test -it --rm --image=busybox --restart=Never
/ # while true; do wget -q -O- http://10.110.93.191; done

$ kubectl get hpa
NAME          REFERENCE                TARGETS    MINPODS   MAXPODS   REPLICAS   AGE
hpa-example   Deployment/hpa-example   494%/50%   1         10        8          7m39s

Hpa会根据Pod的CPU使用率动态调节Pod的数量

部署步骤

运行php-apache服务器并暴露服务

1.

创建HPA

1.

增加负载，进行测试

停止负载

HPA伸缩过程详解

收集HPA控制下所有Pod最近的cpu使用情况（CPU utilization）
对比在扩容条件里记录的cpu限额（CPUUtilization）
调整实例数（必须要满足不超过最大/最小实例数）
每隔30s做一次自动扩容的判断
CPU utilization的计算方法是用cpu usage（最近一分钟的平均值，通过metrics可以直接获取到）除以cpu request（这里cpu request就是我们在创建容器时制定的cpu使用核心数）得到一个平均值，这个平均值可以理解为：平均每个Pod CPU核心的使用占比。

HPA进行伸缩算法：

计算公式：TargetNumOfPods = ceil(sum(CurrentPodsCPUUtilization) / Target)

ceil()表示取大于或等于某数的最近一个整数
每次扩容后冷却3分钟才能再次进行扩容，而缩容则要等5分钟后。
当前Pod Cpu使用率与目标使用率接近时，不会触发扩容或缩容：
触发条件：avg(CurrentPodsConsumption) / Target >1.1 或 <0.9

1.2.缩容完毕后
3.测试计算

基于多项度量指标进行伸缩

apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
  name: hpa-example
spec:
  maxReplicas: 10
  minReplicas: 1
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: hpa-example
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        averageUtilization: 60
        type: Utilization
  - type: Resource
    resource:
      name: memory
      target:
        averageValue: 50Mi
        type: AverageValue