k8s Pod的自动水平伸缩（HPA）

我们知道，当访问量或资源需求过高时，使用：kubectl scale命令可以实现对pod的快速伸缩功能

但是我们平时工作中我们并不能提前预知访问量有多少，资源需求多少。

这就很麻烦了，总不能为了需求总是把pod设置为最多状态，这样太浪费资源；也不能当请求量上来以后再去伸缩pod，这样会有好多请求不成功。

k8s既然是云原生时代的产品，当然得有智能，自动这些特性。

所以现在引入一个新的概念：

HPA（Horizontal Pod Autoscaler ）

pod的自动水平伸缩

有了HPA，我们就不用为上面的问题而烦恼，HPA会帮我们自动完成pod的扩缩容。

当资源需求过高时，会自动创建出pod副本；当资源需求低时，会自动收缩pod副本数。

注意：首先必须确保集群中已经安装metrics-server的组件，否则无法获取集群内资源数据，无法进行以下操作。

原理：

通过集群内的资源监控系统（metrics-server），来获取集群中资源的使用状态。

根据CPU、内存、以及用户自定义的资源指标数据的使用量或连接数为参考依据，来制定一个临界点，一旦超出这个点，HPA就会自动创建出pod副本。

版本：

通过kubectl api-versions可以看到，目前有3个版本：

autoscaling/v1                 #只支持通过cpu为参考依据，来改变pod副本数
autoscaling/v2beta1       #支持通过cpu、内存、连接数以及用户自定义的资源指标数据为参考依据。
autoscaling/v2beta2       #同上，小的变动

查询：

 kubectl explain hpa   ##默认查询到的是autoscaling/v1版本

 kubectl explain hpa --api-version=autoscaling/v2beta1   ##如果使用其他版本，可以使用--api-version指明版本

部署HPA：

哪个资源最多几个最少几个通过什么判断伸缩

例如：我有个deployment叫myapp现在只有一个副本数，最多只能8个副本数，当pod的cpu平均利用率超过百分之50或内存平均值超过百分之50时，pod将自动增加副本数以提供服务。

SVC、Deployment资源清单：

 apiVersion: v1
 kind: Service
 metadata:
   name: svc-hpa
   namespace: default
 spec:
   selector:
     app: myapp
   type: NodePort  ##注意这里是NodePort，下面压力测试要用到。
   ports:
   - name: http
     port:
 ---
 apiVersion: apps/v1
 kind: Deployment
 metadata:
   name: myapp
   namespace: default
 spec:
   replicas:
   selector:
     matchLabels:
       app: myapp
   template:
     metadata:
       name: myapp-demo
       namespace: default
       labels:
         app: myapp
     spec:
       containers:
       - name: myapp
         image: ikubernetes/myapp:v1
         imagePullPolicy: IfNotPresent
         ports:
         - name: http
           containerPort:
         resources:
           requests:
             cpu: 50m
             memory: 50Mi
           limits:
             cpu: 50m
             memory: 50Mi

HPA资源清单如下：

 apiVersion: autoscaling/v2beta1
 kind: HorizontalPodAutoscaler
 metadata:
   name: myapp-hpa-v2
   namespace: default
 spec:
   minReplicas: 1         ##至少1个副本
   maxReplicas: 8         ##最多8个副本
   scaleTargetRef:
     apiVersion: apps/v1
     kind: Deployment
     name: myapp
   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

使用ab工具模拟压力测试：

 ab -c  -n  http://192.168.1.103:31727/index.html

等待数分钟后，查看hpa及pod数量：

 [root@K8s-master ~]# kubectl get hpa
 NAME           REFERENCE          TARGETS           MINPODS   MAXPODS   REPLICAS   AGE
 myapp-hpa-v2   Deployment/myapp   %/%, %/%                               44m
 [root@K8s-master ~]# kubectl get pods
 NAME                     READY   STATUS    RESTARTS   AGE
 myapp-558db64459-pwzsd   /     Running             16m
 myapp-558db64459-x9c4k   /     Running             23s