k8s Horizontal Pod Autoscaler(HP

Kubernetes有一个HPA(Horizontal Pod Autoscaler)的资源，可以实现基于CPU使用率的Pod自动伸缩的功能
注意从kubernetes1.11开始Heapster被废弃不在使用，metrics-server 替代了heapster
实现HPA首先需要部署metrics-server，一个集群级别的资源利用率数据的聚合器
部署metrics-server步骤：
首先进入GitHub上进到kubernetes项目下的cluster下的addons文件路径下，把其中的yaml下载下来
然后对其中几份yaml进行修改
metrics-server-deployment.yaml

1. metrics-server的command中加上 - --kubelet-insecure-tls 表示不验证客户端的证书
2. 注释掉端口10255，注释后会使用10250
3. 因为某些不可描述的原因，可以将其中两个镜像更换为阿里云镜像
4. addon-resizer的command中写上具体的cpu、memory、extra-memory的值
5. 注释掉minClusterSize={{ metrics_server_min_cluster_size }}
   resource-reader.yaml
6. resource属性添加- nodes/stats属性

执行 kubectl create -f 下载的yaml和修改后的yaml
等待资源创建后
查看api-versions，会看到多出了metrics.k8s.io/v1beta1
使用 kubectl top nodes 或 kubectl top pods 可查看节点或某节点内容器组的cpu资源和内存资源的使用情况
参考文档

部署metrics-server后，创建hpa

apiVersion: autoscaling/v1
kind: HorizontalPodAutoscaler
metadata:
  name: ms-wechat  # 名称
  namespace: default #k8s命名空间
spec:
  maxReplicas: 10  # 最大副本数
  minReplicas: 1   # 最小副本数
  scaleTargetRef:   
    apiVersion: apps/v1beta1
    kind: Deployment  
    name: ms-wechat   # 监控名为ms-wechat的Deployment
  targetCPUUtilizationPercentage: 80  # cpu 阈值

或者

apiVersion: autoscaling/v2beta1
kind: HorizontalPodAutoscaler
metadata:
  name: mynginx
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: mynginx
  minReplicas: 2
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      targetAverageUtilization: 50
  - type: Resource
    resource:
      name: memory
      targetAverageValue: 50Mi

spec中嵌套的个字段的说明如下：

1. minReplicas：自动伸缩pod副本数下限
2. maxReplicas：自动伸缩可扩展至Pod副本数的上限
3. scaleTargetRef：要伸缩的目标资源
4. metrics：用于计算所需的Pod副本数量的指标列表
5. external：用于应用非附属于任何对象的全局指标
6. object：应用描述集群中某单一对象的特定指标
7. pods：应用被弹性伸缩的pod对象的特定指标
8. resource：应用资源指标，即当前被弹性伸缩的pod对象中容器的requests和limits中定义的指标。
9. type：标识指标源的类型

设置hpa后查看hpa资源

kubectl get hpa

假如targets字段有显示unknown
原因

1. 刚建立，等待一段时间再查看
2. 需要自动伸缩的目标资源并没有进行资源限制
   对目标资源加上

resources:
      requests:
        memory: "64Mi"
        cpu: "250m"
      limits:
        memory: "128Mi"
        cpu: "1"

再执行

kubectl apply -f 对应的资源yaml

然后重新查看