一、安装metrics server

Metrics Server是Kubernetes内置的容器资源指标来源。
Metrics Server从node节点上的Kubelet收集资源指标,并通过Metrics API在 Kubernetes apiserver中公开指标数据,以供Horizontal Pod Autoscaler和Vertical Pod Autoscaler使用,也可以通过访问kubectl top node/pod查看指标数据。
使用Metrics-Server监控node和pod计算资源使用情况，并提供给第三方使用
下载地址：
gituhub地址

修改资源定义文件

root@master:~/.kube# vim components.yaml

修改镜像位置:

image: k8s.gcr.io/metrics-server/metrics-server:v0.6.1
修改为：
registry.cn-hangzhou.aliyuncs.com/liangxiaohui/metrics-server:0.6.1

部署：

kubectl apply -f components.yaml
serviceaccount/metrics-server created
clusterrole.rbac.authorization.k8s.io/system:aggregated-metrics-reader created
clusterrole.rbac.authorization.k8s.io/system:metrics-server created
rolebinding.rbac.authorization.k8s.io/metrics-server-auth-reader created
clusterrolebinding.rbac.authorization.k8s.io/metrics-server:system:auth-delegator created
clusterrolebinding.rbac.authorization.k8s.io/system:metrics-server created
service/metrics-server created
deployment.apps/metrics-server created
apiservice.apiregistration.k8s.io/v1beta1.metrics.k8s.io created

验证：

root@deploy:~/yaml# kubectl get pods -n kube-system 
NAME                                       READY   STATUS    RESTARTS       AGE
calico-kube-controllers-7ff47c8649-mnwjh   1/1     Running   31 (69m ago)   21d
calico-node-8pqgz                          1/1     Running   21 (69m ago)   21d
calico-node-bqbj8                          1/1     Running   21 (69m ago)   21d
calico-node-zjrwp                          1/1     Running   21 (69m ago)   21d
coredns-778797657-zct55                    1/1     Running   18 (69m ago)   21d
coredns-778797657-zlgfg                    1/1     Running   14 (69m ago)   21d
metrics-server-597c6f68ff-68hpv            1/1     Running   0              63s
root@deploy:~/yaml# kubectl top nodes
NAME            CPU(cores)   CPU%   MEMORY(bytes)   MEMORY%   
192.168.100.2   76m          3%     1073Mi          64%       
192.168.100.5   141m         7%     1543Mi          20%       
192.168.100.6   50m          2%     652Mi           8%

验证：查看可以采集pods和nodes节点资源

root@deploy:~/yaml# kubectl top pod -n test
NAME                                         CPU(cores)   MEMORY(bytes)   
dubbo-consumer-deployment-b55c7cdff-k8lm7    1m           3Mi 
dubbo-provider-deployment-5cc994c8b4-sd72z   1m           6Mi 
dubboadmin-deployment-d98765c7-mwt5v         71m          717Mi 
zookeeper1-654c4f44c-9cbqb                   1m           80Mi 
zookeeper2-645fdbd686-rmwrl                  2m           81Mi
zookeeper3-b879d8d8f-prhmb                   2m           74Mi

二、HPA自动伸缩

HorizontalPodAutoscaler（简称HPA）自动更新工作负载资源（例如Deployment或者StatefulSet），基于pod资源利用率横向调整pod副本数量。目的是自动扩缩工作负载以满足需求。

根据当前pod的负载，动态调整pod副本数量，业务高峰期自动扩容pod的副本数以尽快相应pod的请求。

水平扩缩意味着对增加的负载的响应是部署更多的Pods。这与“垂直（Vertical）”扩缩不同，对于Kubernetes，垂直扩缩意味着将更多资源（例如：内存或CPU）分配给已经为工作负载运行的Pod。

如果负载减少，并且Pod的数量高于配置的最小值， HorizontalPodAutoscaler会指示工作负载资源（Deployment、StatefulSet或其他类似资源）缩减。

相关的其他动态伸缩控制器类型

垂直pod自动缩放器(VPA)：基于pod资源利用率，调整对单个pod的最大资源限制，不能与HPA同时使用
集群伸缩(Cluster Autoscaler,CA)：基于集群中node资源使用情况，动态伸缩node节点，从而保证有CPU和内存资源用于创建pod。

HPA控制器简介：

Horizontal Pod Autoscaling (HPA)控制器，根据预定义好的阈值及pod当前的资源利用率，自动控制在k8s集群中运行的pod数量(自动弹性水平自动伸缩).

HPA重要参数：

 使用kube-controller-manager --help|grep <options>,进行查询

##默认每隔15s，可以通过此选项修改查询metrics的资源使用
--horizontal-pod-autoscaler-sync-period

#缩容间隔周期，默认5分钟。
--horizontal-pod-autoscaler-downscale-stabilization

#HPA控制器同步pod副本数的间隔周期
--horizontal-pod-autoscaler-sync-period

#初始化延迟时间，在此时间内pod的CPU资源指标将不会生效，默认为5分钟。
--horizontal-pod-autoscaler-cpu-initialization-period

#用于设置pod准备时间，在此时间内的pod统统被认为未就绪及不采集数据,默认为30秒。
--horizontal-pod-autoscaler-initial-readiness-delay

#HPA控制器能容忍的数据差异(浮点数，默认为0.1)，即新的指标要与当前的阈值差异在0.1或以上，即要大于1+0.1=1.1，或小于1-0.1=0.9，比如阈值为CPU利用率50%,当前为80%,那么80/50=1.6 > 1.1则会触发扩容，反之会缩容。
--horizontal-pod-autoscaler-tolerance

即触发条件：avg(CurrentPodsConsumption) / Target >1.1 或 <0.9=把N个pod的数据相加后根据pod的数量计算出平均数除以阈值,大于1.1就扩容，小于0.9就缩容。
计算公式：TargetNumOfPods = ceil(sum(CurrentPodsCPUUtilization) / Target) #ceil是一个向上取整的目的pod整数。

指标数据需要部署metrics-server，即HPA使用metrics-server作为数据源。
https://github.com/kubernetes-sigs/metrics-server

在k8s 1.1引入HPA控制器，早期使用Heapster组件采集pod指标数据，在k8s 1.11版本开始使用Metrices Server完成数据采集，然后将采集到的数据通过API（Aggregated API，汇总API），例如metrics.k8s.io、custom.metrics.k8s.io、external.metrics.k8s.io，然后再把数据提供给HPA控制器进行查询，以实现基于某个资源利用率对pod进行扩缩容的目的。

根据cpu利用率伸缩

创建deployment

apiVersion: apps/v1
kind: Deployment
metadata:
  labels:
    app: nginx
  name: nginx
spec:
  replicas: 2
  selector:
    matchLabels:
      app: nginx
  template:
    metadata:
      labels:
        app: nginx
    spec:
      containers:
      - image: nginx
        name: nginx
        imagePullPolicy: IfNotPresent

创建hpa

[root@master10 hpa]# kubectl autoscale deployment nginx --max=5 --min=2 --cpu-percent=80 --dry-run=client -o yaml > hpa.yaml

[root@master10 hpa]# vim hpa.yaml
apiVersion: autoscaling/v1
kind: HorizontalPodAutoscaler
metadata:
  creationTimestamp: null
  name: nginx
spec:
  maxReplicas: 5
  minReplicas: 2
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: nginx
  targetCPUUtilizationPercentage: 80
status:
  currentReplicas: 0
  desiredReplicas: 0

要想看到HPA的TARGETS值必须满足2个条件：

1. 安装metric server
2. 为pod设定资源限制。

配置deployment 限制cpu和内存
添加resource资源限制

kubectl edit deployments.apps nginx

    spec:
      containers:
      - image: nginx
        imagePullPolicy: IfNotPresent
        name: nginx
        resources:
          limits:
            memory: "200m"
            cpu: "100m"

修改后，自动创建两个新的pod来替换旧的pod资源限制
暴露deployment端口，创建svc

kubectl expose deployment nginx --port=80 --target-port=80

apt-install httpd-tools 安装ab工具进行压力测试

[root@master10 hpa]# ab -n 300000 -c 100 http://10.102.118.93/

容器cpu达到80%则hpa自动水平伸缩，扩容pods，直到扩容到cpu负载均匀到各个pods中，或者hpa扩容到最大pods数量。