HPA全名Horizontal Pod Autoscaling，既Pod水平自动伸缩。其基本原理的监控分析RC或者Deployment控制的所有的Pod的负载情况来确定是否需要调整Pod的副本数。

HPA在kubernetes集群中被设计成了一个controller，我们可以直接通过kubectl autoscale命令来创建一个HPA对象，HPA controller默认15s轮询一次，查询指定的资源中的Pod的使用率，并于创建时设定的指标做对比，从而实现自动伸缩的功能。

目前HPA可以从两个地方获取数据：

  1. Heapster：仅支持CPU使用率，需要安装https://github.com/kubernetes/heapster
  2. 自定义监控
  3. metrics-server

注意： 1、自 Kubernetes 1.11起，从 Heapster 获取指标特性已废弃。

工作原理

  • K8s通过HPA，基于获取到的metrics(CPU utilization, custom metrics) value，对rc, deployment管理的pods进行自动伸缩。
  • HPA Controller周期性(默认每30s一次，可通过kube-controller-manager的flag--horizontal-pod-autoscaler-sync-period进行设置)的调整对应的rc, deployment中的replicas数量，使得指定的metrics value能匹配用户指定的target utilization value。
  • 在每个HPA Controller的处理周期中，kube-controller-manager都去查询HPA中定义的metrics的utilization。查询方式根据metric类型不同而不同：
    • 如果metric type是resource metrics，则通过resource metrics API查询。
    • 如果metric type属于custom metrics，则通过custom metrics API查询。

  • 计算伸缩比例算法：

    • 对于resource metrics，比如CPU，HPA Controller获取HPA中指定的metrics，如果HPA中设定了target utilization，则HPA Controller会将获取到的metrics除于对应的容器的resource request值作为监测到的当前pod的resource utilization。如此计算完所有HPA对应的pods后，对该resource utilization values取平均值。最后将平均值除于定义的target utilization，得到伸缩的比例。

      注意：如果HPA对应的某些pods中的容器没有定义对应的resource request，则HPA不会对这些pods进行scale。

    • 对于custome metrics，HPA Controller的伸缩算法几乎与resource metrics一样，不同的是：此时是根据custome metrics API查询到的metrics value对比target metics value计算得到的，而不是通过utilization计算得到的。

  • HPA与rc, deployment, pod的关系如下图所示。
    • HPA通过Scale sub-resource接口，对RC和Deployment的replicas进行控制。
    • HPA最终对Pod副本数的控制终归还是通过RC和Deployment控制器。

3.8、HPA - 图1
HPA Controller有两种方式获取metrics：

  • direct Heapster access: 用于对resource metrics的监控，需要提前在kube-system namespace中部署Heapster。
  • REST client access: 用于对custom metrics的监控，需要设置kube-controller-manager的--horizontal-pod-autoscaler-use-rest-clients flag为true。

算法细节

从最基本的角度来看，pod 水平自动缩放控制器跟据当前指标和期望指标来计算缩放比例。

  1. 期望副本数 = ceil[当前副本数 * ( 当前指标 / 期望指标 )]

例如，当前指标为200m，目标设定值为100m,那么由于200.0 / 100.0 == 2.0， 副本数量将会翻倍。 如果当前指标为50m，副本数量将会减半，因为50.0 / 100.0 == 0.5。 如果计算出的缩放比例接近1.0（跟据--horizontal-pod-autoscaler-tolerance 参数全局配置的容忍值，默认为0.1）， 将会放弃本次缩放。

例子：创建一个Deployment的Pod，然后利用HPA来实现自动扩缩容。
1、创建一个Deployment的YAML文件

  1. apiVersion: apps/v1beta2
  2. kind: Deployment
  3. metadata:
  4.   name: nginx-deploy-hpa
  5.   labels:
  6.     app: nginx-demo
  7. spec:
  8.   revisionHistoryLimit: 15
  9.   selector:
  10.     matchLabels:
  11.       app: nginx
  12.   template:
  13.     metadata:
  14.       labels:
  15.         app: nginx
  16.     spec:
  17.       containers:
  18.       - name: my-nginx
  19.         image: nginx:1.7.9
  20.         imagePullPolicy: IfNotPresent
  21.         ports:
  22.         - containerPort: 80

2、创建Deployment

  1. # kubectl apply -f nginx-deplo.yaml

3、创建HPA，用kubectl autoscale命令创建

  1. # kubectl autoscale deployment nginx-deploy-hpa --cpu-percent=10 --max=10
  2. horizontalpodautoscaler.autoscaling/nginx-deploy-hpa autoscaled
  3. # kubectl get hpa
  4. NAME               REFERENCE                     TARGETS         MINPODS   MAXPODS   REPLICAS   AGE
  5. nginx-deploy-hpa   Deployment/nginx-deploy-hpa   <unknown>/10%   1         10        1          27s

YAML文件格式如下：

  1. apiVersion: autoscaling/v1
  2. kind: HorizontalPodAutoscaler
  3. metadata:
  4.   name: hpa-demo
  5. spec:
  6.   maxReplicas: 10
  7.   minReplicas: 1
  8.   scaleTargetRef:
  9.     apiVersion: apps/v1
  10.     kind: Deployment
  11.     name: nginx-deploy
  12.   targetCPUUtilizationPercentage: 55