实习笔记5-Kubernetes弹性伸缩

具体学习了一下弹性伸缩的原理，实现细节。

一、弹性伸缩原理

     Kubernetes支持Pod和集群节点的自动弹性伸缩，通过设置弹性伸缩规则，当外部条件（如CPU使用率）达到一定条件时，根据规则自动伸缩Pod和集群节点。

想要做到自动弹性伸缩，先决条件就是能感知到各种运行数据，例如集群节点、Pod、容器的CPU、内存使用率等等。

•   Metrics Server是Kubernetes集群范围资源使用数据的聚合器。Metrics Server从kubelet公开的Summary API中采集度量数据，能够收集包括了Pod、Node、容器、Service等主要Kubernetes核心资源的度量数据，且对外提供一套标准的API。
•    HPA（Horizontal Pod Autoscaler）是用来控制Pod水平伸缩的控制器，HPA周期性检查Pod的度量数据，计算满足HPA资源所配置的目标数值所需的副本数量，进而调整目标资源（如Deployment）的replicas字段。HPA可以配置单个和多个度量指标，配置单个度量指标时，只需要对Pod的当前度量数据求和，除以期望目标值，然后向上取整，就能得到期望的副本数。例如有一个Deployment控制有3个Pod，每个Pod的CPU使用率是70%、50%、90%，而HPA中配置的期望值是50%，计算期望副本数=（70 + 50 + 90）/50 = 4.2，向上取整得到5，即期望副本数就是5。如果是配置多个度量指标，则会分别计算单个度量指标的期望副本数量，然后取其中最大值，就是最终的期望副本数量。

•    HPA是针对Pod级别的，但是如果集群的资源不够了，那就只能对节点进行扩容了。

• 二、弹性伸缩实现

•   实现的具体思路：在周期轮询中实现：

•                                1.监控ConfigMap中的配置信息，并写入数据库。

•                                 2.查Pod的资源利用率。

•                                 3.与配置策略对比，并执行伸缩动作。

• 完结！上述指标是CPU或MEM，下一步就是增加服务请求量指标。