一、HPA简介
Horizontal Pod Autoscaler 可以根据CPU利用率自动伸缩 replication controller、deployment 或者 replica set 中的Pod数量 （也可以基于其他应用程序提供的度量指标，目前这一功能处于 beta 版本）。
metrics-server 也需要部署到集群中， 它可以通过 resource metrics API 对外提供度量数据，Horizontal Pod Autoscaler 正是根据此 API 来获取度量数据
二、HPA实例
运行 php-apache 服务器并暴露服务
为了演示 Horizontal Pod Autoscaler，我们将使用一个叫 hpa-example的基于php-apache定制 Docker 镜像。 Dockerfile 内容如下：
FROM php:5-apache
ADD index.php /var/www/html/index.php
RUN chmod a+rx index.php
它定义一个 index.php 页面来执行一些 CPU 密集型计算：
<?php
$x = 0.0001;
for ($i = 0; $i <= 1000000; $i++) {
$x += sqrt($x);
}
echo "OK!";
?>
首先，我们先启动一个 deployment 来运行这个镜像并暴露一个服务:
[root@server1 hpa]# vim php-apache.yaml
[root@server1 hpa]# cat php-apache.yaml
apiVersion: apps/v1
kind: Deployment
metadata:
name: php-apache
spec:
selector:
matchLabels:
run: php-apache
replicas: 1
template:
metadata:
labels:
run: php-apache
spec:
containers:
- name: php-apache
image: hpa-example
ports:
- containerPort: 80
resources:
limits:
cpu: 500m
requests:
cpu: 200m
---
apiVersion: v1
kind: Service
metadata:
name: php-apache
labels:
run: php-apache
spec:
ports:
- port: 80
selector:
run: php-apache
其中需要的镜像hpa-example可以在docker hub拉取，先在运行这个部署文件：
[root@server1 hpa]# kubectl apply -f php-apache.yaml
deployment.apps/php-apache created
service/php-apache created
查看状态，可以看出该部署文件创建了一个由deployment控制器维护的pod，以及一个service：
[root@server1 hpa]# kubectl get all
NAME READY STATUS RESTARTS AGE
pod/nfs-client-provisioner-6b66ddf664-rxw77 1/1 Running 0 15m
pod/php-apache-dfb6d784b-jvntc 1/1 Running 0 2m7s
NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE
service/kubernetes ClusterIP 10.96.0.1 <none> 443/TCP 23d
service/php-apache ClusterIP 10.99.210.255 <none> 80/TCP 2m7s
NAME READY UP-TO-DATE AVAILABLE AGE
deployment.apps/nfs-client-provisioner 1/1 1 1 4d1h
deployment.apps/php-apache 1/1 1 1 2m8s
NAME DESIRED CURRENT READY AGE
replicaset.apps/nfs-client-provisioner-6b66ddf664 1 1 1 4d1h
replicaset.apps/php-apache-dfb6d784b 1 1 1 2m8s
NAME READY AGE
statefulset.apps/web 0/0 4d
创建 Horizontal Pod Autoscaler
现在，php-apache服务器已经运行，我们将通过 kubectl autoscale 命令创建 Horizontal Pod Autoscaler。 以下命令将创建一个 Horizontal Pod Autoscaler 用于控制我们上一步骤中创建的 deployment，使 Pod 的副本数量在维持在1到10之间。 大致来说，HPA 将通过增加或者减少 Pod 副本的数量（通过 Deployment ）以保持所有 Pod 的平均CPU利用率在50%以内 （由于每个 Pod 通过 yaml文件 申请了200 milli-cores CPU，所以50%的 CPU 利用率意味着平均 CPU 利用率为100 milli-cores）。
[root@server1 hpa]# kubectl autoscale deployment php-apache --cpu-percent=50 --min=1 --max=10
horizontalpodautoscaler.autoscaling/php-apache autoscaled
horizontalpodautoscaler.autoscaling/php-apache autoscaled
我们可以通过以下命令查看 autoscaler 的状态：
[root@server1 hpa]# kubectl get hpa
NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE
php-apache Deployment/php-apache 0%/50% 1 10 1 19s
kubectl get hpa
请注意在上面的命令输出中，当前的CPU利用率是0%，这是由于我们尚未发送任何请求到服务器 （CURRENT 列显示了相应 deployment 所控制的所有 Pod 的平均 CPU 利用率）。
增加负载
现在，我们将看到 autoscaler 如何对增加负载作出反应。 我们将启动一个容器，并通过一个循环向 php-apache 服务器发送无限的查询请求：
[root@server1 hpa]# kubectl get svc
NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE
kubernetes ClusterIP 10.96.0.1 <none> 443/TCP 23d
php-apache ClusterIP 10.99.210.255 <none> 80/TCP 4m32s
[root@server1 hpa]# kubectl run test --image=busybox -it --rm --restart=Never
If you don't see a command prompt, try pressing enter.
/ while true; do wget -q -O- http://10.99.210.255; done
在几分钟时间内，通过以下命令，我们可以看到CPU负载升高了（在另一个终端查看）：
[root@server1 ~]# kubectl get hpa
NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE
php-apache Deployment/php-apache 250%/50% 1 10 1 4m22s
这时，由于请求增多，CPU利用率已经升至250%。 可以看到，deployment 的副本数量已经增长到了5：
[root@server1 ~]# kubectl get hpa
NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE
php-apache Deployment/php-apache 250%/50% 1 10 5 5m1s
查看pod的资源使用情况：
[root@server1 ~]# kubectl top pod
NAME CPU(cores) MEMORY(bytes)
nfs-client-provisioner-6b66ddf664-rxw77 1m 3Mi
php-apache-dfb6d784b-jvntc 500m 14Mi
test 5m 1Mi
[root@server1 ~]# kubectl top pod
NAME CPU(cores) MEMORY(bytes)
nfs-client-provisioner-6b66ddf664-rxw77 1m 7Mi
php-apache-dfb6d784b-jvntc 147m 21Mi
php-apache-dfb6d784b-lsfgp 150m 12Mi
php-apache-dfb6d784b-vx8rn 134m 11Mi
test 4m 1Mi
[root@server1 ~]# kubectl top pod
NAME CPU(cores) MEMORY(bytes)
nfs-client-provisioner-6b66ddf664-rxw77 1m 7Mi
php-apache-dfb6d784b-7zb9t 0m 0Mi
php-apache-dfb6d784b-jvntc 147m 21Mi
php-apache-dfb6d784b-lsfgp 150m 12Mi
php-apache-dfb6d784b-pprhd 0m 0Mi
php-apache-dfb6d784b-vx8rn 134m 11Mi
test 4m 1Mi
注意：有时最终副本的数量可能需要几分钟才能稳定下来。 由于环境的差异，不同环境中最终的副本数量可能与本示例中的数量不同。
停止负载
我们将通过停止负载来结束我们的示例。
在我们创建 busybox 容器的终端中，输入 + C来终止负载的产生。
然后我们可以再次查看负载状态（等待几分钟时间）：
[root@server1 ~]# kubectl get hpa
NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE
php-apache Deployment/php-apache 0%/50% 1 10 1 13m
这时，CPU利用率已经降到0，所以 HPA 将自动缩减副本数量至1。
注意：自动伸缩完成副本数量的改变可能需要几分钟的时间。
三、HPA的伸缩过程
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
CPUutilization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。
上例中我们的cpu request为200m（在部署文件中定义），在负载开始时我们的cpu usage为500m，因此上例的CPU utilization为500/200=2.5.
HPA进行伸缩算法
目标pod数量计算公式：TargetNumOfPods = ceil(sum(CurrentPodsCPUUtilization) / Target)
ceil()表示取大于或等于某数的最近一个整数。
为了保持集群的稳定，每次扩容后冷却3分钟才能再次进行扩容，而缩容则要等5分钟后。
当前Pod Cpu使用率与目标使用率接近时，不会触发扩容或缩容：
触发条件：avg(CurrentPodsConsumption) / Target >1.1 或 <0.9
上例中的target我们定义的是50%，因此TargetNumOfPods = ceil(2.5 /0.5)=5
因此目标pod数量应该为5,最后的结果也验证了我们的计算。
上例中在扩展pod数量时中间还有一个过程：
[root@server1 ~]# kubectl top pod
NAME CPU(cores) MEMORY(bytes)
nfs-client-provisioner-6b66ddf664-rxw77 1m 7Mi
php-apache-dfb6d784b-jvntc 147m 21Mi
php-apache-dfb6d784b-lsfgp 150m 12Mi
php-apache-dfb6d784b-vx8rn 134m 11Mi
test 4m 1Mi
可以看出此时有三个pod，cpu利用率为147，150，134
这时avg(CurrentPodsConsumption)=（（147+150+134）/3）/200=0.718，触发条件为0.718/0.5=1.43 > 1.1,因此还会触发扩容，扩容的目标pod数量为（（147+150+134）/200）/0.5=4.31，取整为5，因此我们再次查看时副本数变成了5个。
四、引入其他度量指标
利用autoscaling/v2beta2API版本，您可以在自动伸缩 php-apache 这个 Deployment 时引入其他度量指标。
[root@server1 hpa]# vim hpav2.yaml
[root@server1 hpa]# cat hpav2.yaml
apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
name: php-apache
spec:
maxReplicas: 10
minReplicas: 1
scaleTargetRef:
apiVersion: apps/v1
kind: Deployment
name: php-apache
metrics:
- type: Resource
resource:
name: cpu
target:
averageUtilization: 60
type: Utilization
- type: Resource
resource:
name: memory
target:
averageValue: 50Mi
type: AverageValue
[root@server1 hpa]# kubectl apply -f hpav2.yaml
Warning: kubectl apply should be used on resource created by either kubectl create --save-config or kubectl apply
horizontalpodautoscaler.autoscaling/php-apache configured
[root@server1 hpa]# kubectl get hpa
NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE
php-apache Deployment/php-apache 13824512/50Mi, 0%/60% 1 10 8 26m
查看hpa时可以看出已经有了cpu的指标，单位时字节。
这里就不进行演示。
实验后删除：
[root@server1 hpa]# kubectl delete -f php-apache.yaml
deployment.apps "php-apache" deleted
service "php-apache" deleted
[root@server1 hpa]# kubectl delete -f hpav2.yaml
horizontalpodautoscaler.autoscaling "php-apache" deleted