Kubernetes部署HAP-Pod动态扩缩容

1、pod资源限制

（1）资源限制计算

在K8s的资源：
　CPU：
　　我们知道2核2线程的CPU，可被系统识别为4个逻辑CPU，在K8s中对CPU的分配限制是对逻辑CPU做分片限制的。
　　也就是说分配给容器一个CPU，实际是分配一个逻辑CPU。
　　而且1个逻辑CPU还可被单独划分子单位，即 1个逻辑CPU，还可被划分为1000个millicore(毫核), 简单说就是1个逻辑CPU，继续逻辑分割为1000个豪核心。
　　豪核：可简单理解为将CPU的时间片做逻辑分割，每一段时间片就是一个豪核心。
　　所以：500m 就是500豪核心，即0.5个逻辑CPU.

​ 内存:
　　K，M，G，T，P，E #通常这些单位是以1000为换算标准的。
　　Ki, Mi, Gi, Ti, Pi, Ei #这些通常是以1024为换算标准的。

（2）在资源清单中配置

containers:
- name: iids-flat-config
  image: 123.56.18.37:25100/iids/iids-flat-config:1.0.0
  imagePullPolicy: Always
  resources:
      requests:  #是需求限制，也叫软限制
        cpu: "500m"
        memory: "512Mi"
      limits: #最大限制，也叫硬限制
        cpu: "500m"
        memory: "512Mi"
#通常来说：Limits >= Requests,并且requests 和 limits 通常要一起配置，若只配置了requests，而不配置limits，则很可能导致Pod会吃掉所有资源。

详细资料：查阅 https://www.cnblogs.com/wn1m/p/11291235.html

2、部署k8s资源监控 metrics-server

（1）下载metrics-server资源清单

git clone -b v0.3.6 https://gitee.com/five-root/metrics-server.git

（2） 修改镜像

将国外镜像改为国内镜像,打开metrics-server\deploy\1.8+,修改metrics-server-deployment.yaml

---
apiVersion: v1
kind: ServiceAccount
metadata:
  name: metrics-server
  namespace: kube-system
---
apiVersion: apps/v1
kind: Deployment
metadata:
  name: metrics-server
  namespace: kube-system
  labels:
    k8s-app: metrics-server
spec:
  selector:
    matchLabels:
      k8s-app: metrics-server
  template:
    metadata:
      name: metrics-server
      labels:
        k8s-app: metrics-server
    spec:
      hostNetwork: true  #修改此处
      serviceAccountName: metrics-server
      volumes:
      # mount in tmp so we can safely use from-scratch images and/or read-only containers
      - name: tmp-dir
        emptyDir: {}
      containers:
      - name: metrics-server
        image: registry.cn-hangzhou.aliyuncs.com/google_containers/metrics-server-amd64:v0.3.6  #修改为国内镜像
        imagePullPolicy: Always
	   #添加下列两项参数
        args:
          - --kubelet-insecure-tls
          - --kubelet-preferred-address-types=InternalIP,Hostname,InternalDNS,ExternalDNS,ExternalIP
        volumeMounts:
        - name: tmp-dir
          mountPath: /tmp

（3）启动metrics-server

#跳转资源清单目录
cd 资源清单目录路径
#启动所有资源清单
kubectl apply -f .
#查看
get pod -n kube-system
coredns-7ff77c879f-nvv8g            1/1     Running            10         18d
coredns-7ff77c879f-vbdlm            1/1     Running            9          18d
etcd-k8smaster                      1/1     Running            10         18d
kube-apiserver-k8smaster            1/1     Running            0          3h44m
kube-controller-manager-k8smaster   1/1     Running            11         18d
kube-flannel-ds-7mmvf               1/1     Running            2          18d
kube-flannel-ds-tp9vs               1/1     Running            12         18d
kube-proxy-k5sb7                    1/1     Running            2          18d
kube-proxy-zcbgz                    1/1     Running            9          18d
kube-scheduler-k8smaster            1/1     Running            11         18d
metrics-server-5f55b696bd-d279n     1/1     Running            0          39m 
#出现metrics-server-123123123说明metrics-server启动成功
#查看k8s资源情况
kubectl top node #查看node资源
kubectl top pod -n 命名空间  #查看pod资源

3、微服务创建HPA

（1）创建微服务HPA资源清单

​ vim iids-app-config.yml

apiVersion: autoscaling/v2beta1
kind: HorizontalPodAutoscaler
metadata:
  name: iids-app-config
  namespace: iids
spec:
  minReplicas: 2   #至少1个副本
  maxReplicas: 5   #最多5个副本
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: iids-app-config #创建的deploment文件里面的name
  metrics:
  - type: Resource
    resource:
      name: cpu
      targetAverageUtilization: 50  #注意此时是根据使用率，也可以根据使用量：targetAverageValue
  - type: Resource
    resource:
      name: memory
      targetAverageUtilization: 50  #注意此时是根据使用率，也可以根据使用量：targetAverageValue

（2）启动HPA

#启动HPA
kubectl apply -f iids-app-config.yml
#查看HPA
kubectl get hpa -n iids
NAME              REFERENCE                    TARGETS           MINPODS   MAXPODS   REPLICAS   AGE
iids-app-config   Deployment/iids-app-config   36%/50%, 0%/50%   2         5         3          5h43m

1. 扩容：当CUP或者内存超过50%,HPA会根据自身算法进行扩容，启动Pod,达到满足资源的pod数量
2. 缩容：当CUP或者内存低于50%，HPA会根据自身算法进行缩容，停止Pod,达到满足资源的pod数量