hpa自动伸缩

最新推荐文章于 2025-03-20 17:23:40 发布
最新推荐文章于 2025-03-20 17:23:40 发布
阅读量910 收藏 28
点赞数 22
文章标签： docker 容器 运维
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/2303_79207100/article/details/135771213
版权

1、定义：hpa全称horizontal pod autoscaling（pod的水平自动伸缩），这是k8s自带的模块。pod占用CPU的比率到达一定阀值会触发伸缩机制（根据CPU使用率自动伸缩）

replication controller副本控制器，控制pod的副本数

deployment controller节点控制器，部署pod

hpa控制副本的数量以及控制部署pod

（1）hpa基于kube-controll-manager服务，周期性的检测pod的CPU使用率，默认30秒检测一次

（2）hpa和replication controller、deployment controller都属于k8s的资源对象，通过跟踪分析副本控制器和deployment的pod的负载变化，针对性的调整目标pod的副本数（针对性：有一个阀值，正常情况下，pod的副本数，以及达到阀值后pod的扩容最大数量）

（3）metrics-server部署到集群中去，对外提供度量的数据

2、hpa规则【面试】

（1）定义pod时必须要有资源限制，否则hpa无法进行监控

（2）扩容是即时的，只要超过阀值会立刻扩容，但不是立刻扩容到最大副本数，会在最小值和最大值之间波动。若扩容数量满足需求，不会再扩容

（3）缩容是缓慢的，若业务峰值较高，回收策略太积极可能对业务产生崩溃。周期行的获取数据，缩容的机制问题

3、pod的副本数扩缩容有两种方式

（1）手动方式，修改控制器的副本数

方式1：命令行通过kubectl scale deployment nginx --replicas=3

方式2：edit修改控制器

方式3：修改yaml文件，使用apply -f部署更新

（2）hpa自动扩缩容

监控指标是cpu

hpa自动扩缩容实验

1、安装镜像包（每个节点）

docker load -i metrics-server.tar

2、安装yaml文件（master节点）查看pod以及node节点占用cpu情况

3、实现hpa

4、模拟cpu负载，压力测试

下降原因：每个pod部署在不同节点上

5、再做压力测试观察数据

结论：一旦超过阀值，立刻扩容

6、缩容：关闭压力测试

4、资源限制

（1）pod的资源限制limit

（2）命名空间资源限制★★★

lucky-cloud项目部署在test1的命名空间，若pod不做限制，或命名空间不做限制，依然会占满所有集群资源

①ResourceQuata可以对命名空间进行资源限制

②LimitRange直接声明在命名空间中创建的pod或容器的资源限制（这是一个统一限制，所有在这个命名空间中的pod都受这个条件的限制）

• ResourceQuata

创建命名空间test1

对命名空间进行资源限制

测试

①调整pod副本数

结论：在此命名空间只能创建3个有效的pod

②缩容

③命名空间其他限制条件

configmaps: "10"

在当前名命名空间创建最大的configmap的数量10个

persistentvolumeclaims: "4"

在当前命名空间只能使用4个pvc

secrets: "5"

创建加密的secret只能5个

services: "5"

创建service的个数只能5个

services.nodeports: "2"

创建service的nodeport类型的svc只能2个

测试

①创建svc1

结论：第1个svc创建成功

②创建svc2

结论：第2个svc创建成功

③创建svc3

结论：在test1这个命名空间中限制只能创建2个service.nodeport

查看命名空间的限制

• LimitRange

创建命名空间

压力测试

结论：最多只能占1个cpu（1000m代表1个cpu）

type类型

container（常用）

pod

pvc

咩咩230
关注
Kubernetes HPA 探秘 - 实现自动弹性伸缩
TechEnthusiast的博客
05-15 142
Kubernetes HPA 是实现应用自动弹性伸缩的核心组件,它能够根据 CPU 利用率或自定义指标,自动调整 Deployment/ReplicaSet 的副本数,确保应用在各种负载情况下都能保持良好的性能。HPA 适用于各种类型的应用,尤其适合面临较大负载波动的场景。通过简单的 YAML 配置和验证过程,我们就可以轻松地为应用配置 HPA,享受到自动弹性伸缩带来的诸多好处。
【云原生之kubernetes】kubernetes集群的HPA弹性伸缩
jks212454的博客
10-14 720
【云原生之kubernetes】kubernetes集群的HPA弹性伸缩
【云原生之kubernetes系列】--HPA自动伸缩
weixin_58519482的博客
02-02 2048
K8s从1.1版本开始支持了HPA控制器，用于基于Pod中CPU/Memory资源利用率进行Pod的自动扩缩容。水平扩缩意味着对增加的负载的响应是部署更多的Pod。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。
Kubernetes——HPA自动伸缩机制
一坨小橙子的博客
06-11 1279
弹性伸缩是根据用户的业务需求和策略，自动“调整”其“弹性资源”的管理服务。通过弹性伸缩功能，用户可设置对定时、周期或监控策略，恰到好处地增加或减少“弹性资源”，并完成实例配置，保证业务平稳健康运行在实际工作中，我们常常需要做一些扩容缩容操作，如：电商平台在618和双十一搞秒杀活动；由于资源紧张、工作负载降低等都需要对服务实例数进行扩缩容操作。Node层面：对K8s物理节点扩容和缩容，根据业务规模实现物理节点自动扩缩容Pod层面。
【云原生 | Kubernetes 系列】----HPA自动伸缩
Q先生
08-23 595
HorizontalPodAutoscaler（简称 HPA ） 自动更新工作负载资源（例如 Deployment 或者 StatefulSet）， 目的是自动扩缩工作负载以满足需求。水平扩缩意味着对增加的负载的响应是部署更多的 Pod。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。
HPA 自动水平伸缩 POD
weixin_44772835的博客
12-31 259
HPA 自动水平伸缩 POD
kubernetes云平台管理实战：HPA水平自动伸缩
binlichang7394的博客
09-07 441
Kubernetes平台上应用的自动化横着扩展（水平自动伸缩）是通过HPA（Horizontal Pod Autoscaler）来实现的，基于观测CPU使用率(v1版本，v2beta版本也支持memory或者其他自定义性能属性)，当业务负载上升超过HPA设定值，创建新的POD保障业务对资源的需求，当负载下载后可以通过销毁POD是否资源来提高利用率。HPA控制器的工作流程（V1...
k8s——HPA自动伸缩机制
rmh0713的博客
06-12 1270
弹性伸缩是根据用户的业务需求和策略，自动“调整”其“弹性资源”的管理服务。通过弹性伸缩功能，用户可设置对定时、周期或监控策略，恰到好处地增加或减少“弹性资源”，并完成实例配置，保证业务平稳健康运行。在实际工作中，我们常常需要做一些扩容缩容操作，如：电商平台在618和双十一搞秒杀活动；由于资源紧张、工作负载降低等都需要对服务实例数进行扩缩容操作。
Java应用在K8s中的HPA自动伸缩策略.pdf
最新发布
04-21
文档支持目录章节跳转同时还支持阅读器左侧大纲显示和章节快速定位，文档内容完整、条理清晰。文档内所有文字、图表、函数、目录等元素均显示正常，无任何异常情况，敬请您放心查阅与使用。文档仅供学习参考，请勿...
k8s自动弹性伸缩之HPA实践
soso678的博客
03-20 1232
需安装。
k8s HPA(HorizontalPodAutoscaler)-自动水平伸缩
dotNET跨平台
10-21 854
Horizontal Pod Autoscaling in Kubernetes写在前面我们平时部署web服务，当服务压力大撑不住的时候，我们会加机器(加钱)；一般没有上容器编排是手动加的，临时加的机器，临时部署的服务还要改Nginx的配置，最后回收机器的时候，也是手动回收，手动修改Nginx的，挺麻烦的其实；而K8s是支持这整个流程的自动化的，也就是HPA;HPA介绍HPA：全称Horizont...
k8s之HPA（Pod水平自动伸缩）
jialiu111111的博客
05-10 1651
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。如上，设置了f1的deployment控制的pod的HPA限制，当cpu使用超过设置的80%，内存使用超过30Mi时就触发自动扩容，副本数最小为1，最大为2。autoscaling/v1只支持基于CPU指标的缩放；
Kubernetes 之 部署 HPA
R1chArd_TvT 的 Blog
07-14 998
HPA（Horizontal Pod Autoscaling）Pod 水平自动伸缩，Kubernetes 有一个 HPA 的资源，HPA 可以根据 CPU 利用率自动伸缩一个 Replication Controller、 Deployment 或者Replica Set 中的 Pod 数量。
Kubernetes的弹性伸缩（HPA）
bjwf125的博客
09-10 4709
###前言 在kubernetes中，我们使用pod对外提供服务。这时候，我们需要以下两种情形需要关注： Pod因为不明原因挂掉，导致服务不可用 Pod在高负荷的情况下，不能支撑我们的服务 如果我们人工监控pods，人工进行调整副本那么这个工作量无疑是巨大的，但kubernetes已经有了相应的机制来应对了。 ###HPA全称Horizontal Pod Autoscaler控制器工作流程（V...
Kubernetes集群水平扩展——HPA（自动伸缩）
小健健的博客
02-28 1984
Kubernetes集群可以通过Replication Controller的scale机制完成服务的扩容或缩容，实现具有伸缩性的服务。 Kubernetes集群自动伸缩分为： sacle手动伸缩：可参考K8s资源对象的基本管理之使用命令行的方式（升级、回滚、扩容、缩容）； autoscale自动伸缩：也就是本篇博文所介绍的HPA； Kubernetes自动扩展主要分为： 水平扩展：...
K8s-----HPA自动伸缩
qq_41582883的博客
03-04 1099
K8s-----HPA自动伸缩1 HPA伸缩过程2 HPA进行伸缩算法2.1 cpu限制2.2 cpu和内存限制 1 HPA伸缩过程 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cp
实现基于内存的HPA
xts_huangxin的博客
03-15 3036
K8S HPA（Horizontal Pod Autoscaler）资源实现了基于CPU利用率的弹性伸缩功能，但并不支持基于内存的弹性伸缩功能。我们自己实现了该功能，在此与各位分享。
怎么配置 Hpa 弹性伸缩
03-31
### 配置 HPA 实现 Pods 的弹性伸缩 在 Kubernetes 中，水平 Pod 自动扩展器 (HPA, Horizontal Pod Autoscaler) 是一种用于动态调整工作负载副本数的工具。它可以基于 CPU 利用率或其他自定义指标来决定是否需要增加或减少 Pod 数量。 #### 1. 创建 Deployment 和 Service 为了使 HPA 能够正常运行，首先需要创建一个可以被监控的工作负载（Deployment 或 ReplicaSet）。以下是创建一个简单 Deployment 的 YAML 文件示例： ```yaml apiVersion: apps/v1 kind: Deployment metadata: name: myapp-deployment spec: replicas: 3 selector: matchLabels: app: myapp template: metadata: labels: app: myapp spec: containers: - name: myapp-container image: nginx:latest resources: requests: cpu: 200m limits: cpu: 500m ``` 此配置指定了初始副本数为 `3` 并设置了容器资源请求和限制[^4]。 #### 2. 定义 HPA 对象 接下来，可以通过以下 YAML 文件定义 HPA 对象，该对象将根据指定的目标 CPU 利用率自动调整 Pod 副本的数量： ```yaml apiVersion: autoscaling/v2beta2 kind: HorizontalPodAutoscaler metadata: name: myapp-hpa spec: scaleTargetRef: apiVersion: apps/v1 kind: Deployment name: myapp-deployment minReplicas: 1 maxReplicas: 10 metrics: - type: Resource resource: name: cpu target: type: Utilization averageUtilization: 50 ``` 上述配置表示当目标 Deployment (`myapp-deployment`) 的平均 CPU 利用率达到或超过 50% 时，HPA 将尝试增加 Pod 数量；反之则减少 Pod 数量。 #### 3. 启用自定义指标支持 除了默认的 CPU 指标外，还可以通过 Prometheus Adapter 支持更多类型的自定义指标。这允许更灵活地定义扩缩容逻辑。例如，可以根据内存使用情况、QPS 或其他业务特定指标触发扩缩容操作[^2]。 要启用这一功能，需安装并配置 Prometheus 和 Prometheus Adapter 插件到集群中，并确保它们能够访问所需的监控数据源。 #### 4. 测试 HPA 功能 完成以上设置之后，可通过模拟高流量场景验证 HPA 是否按预期工作。例如，可采用 WebBench 工具向服务发起大量 HTTP 请求以制造压力环境[^1]。 执行命令如下所示： ```bash kubectl apply -f deployment.yaml kubectl apply -f hpa.yaml webbench -c 100 -t 30 http://<service-ip> ``` 观察期间应能看到 Pod 数目随负载变化而相应增减的现象。 --- ###
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值