#配置 HPA

HPA（Horizontal Pod Autoscaler，水平 Pod 自动扩缩器）根据预设的策略和指标，自动上下调整 Pod 的数量，使应用能够应对突发的业务流量峰值，同时在低流量时段优化资源利用率。

#了解水平 Pod 自动扩缩器

您可以创建一个水平 Pod 自动扩缩器，指定希望运行的 Pod 最小和最大数量，以及 Pod 应达到的 CPU 利用率或内存利用率目标。

创建水平 Pod 自动扩缩器后，平台开始查询 Pod 上的 CPU 和/或内存资源指标。当这些指标可用时，水平 Pod 自动扩缩器计算当前指标利用率与期望指标利用率的比值，并据此进行扩缩容。查询和扩缩容操作以固定间隔进行，但指标可用通常需要一到两分钟。

对于 replication controller，此扩缩容直接对应 replication controller 的副本数。对于 deployment 配置，扩缩容直接对应 deployment 配置的副本数。注意，自动扩缩仅适用于处于 Complete 阶段的最新 deployment。

平台会自动考虑资源情况，避免在资源峰值（如启动时）期间进行不必要的自动扩缩。处于未就绪状态的 Pod 在扩容时视为 0 CPU 使用率，缩容时会被忽略。无已知指标的 Pod 在扩容时视为 0% CPU 使用率，缩容时视为 100% CPU 使用率。这样可以使 HPA 决策更稳定。要使用此功能，必须配置 readiness 检查以判断新 Pod 是否已准备好使用。

#HPA 是如何工作的？

水平 Pod 自动扩缩器（HPA）扩展了 Pod 自动扩缩的概念。HPA 允许您创建和管理一组负载均衡的节点。当 CPU 或内存达到设定阈值时，HPA 会自动增加或减少 Pod 数量。

HPA 作为一个控制循环运行，默认同步周期为 15 秒。在此期间，controller manager 会根据 HPA 配置查询 CPU、内存利用率或两者。controller manager 从资源指标 API 获取每个被 HPA 目标的 Pod 的资源利用率指标，如 CPU 或内存。

如果设置了利用率目标，controller 会计算每个 Pod 容器对应资源请求的利用率百分比。然后对所有目标 Pod 的利用率取平均，生成一个比率，用于调整期望副本数。

#支持的指标

水平 Pod 自动扩缩器支持以下指标：

重要提示：对于基于内存的自动扩缩，内存使用必须与副本数成比例地增减。一般来说：

• 副本数增加时，每个 Pod 的内存（工作集）使用应整体下降。
• 副本数减少时，每个 Pod 的内存使用应整体上升。
• 请使用平台检查应用的内存行为，确保应用满足这些要求后再使用基于内存的自动扩缩。

#前提条件

请确保监控组件已部署在当前集群并正常运行。您可以点击平台右上角 > 平台健康状态查看监控组件的部署和健康状态。

#创建水平 Pod 自动扩缩器

#使用 CLI

您可以通过命令行界面定义 YAML 文件并使用 kubectl create 命令创建水平 Pod 自动扩缩器。以下示例展示了对 Deployment 对象的自动扩缩。初始部署需要 3 个 Pod，HPA 对象将最小副本数提升到 5。如果 Pod 的 CPU 使用率达到 75%，Pod 数量将增加到 7：

1. 创建名为 hpa.yaml 的 YAML 文件，内容如下：

   apiVersion: autoscaling/v2
   kind: HorizontalPodAutoscaler
   metadata:
     name: hpa-demo
     namespace: default
   spec:
     maxReplicas: 7
     minReplicas: 3
     scaleTargetRef:
       apiVersion: apps/v1
       kind: Deployment
       name: deployment-demo
     targetCPUUtilizationPercentage: 75
   1. 使用 autoscaling/v2 API。
   2. HPA 资源的名称。
   3. 需要扩缩的 deployment 名称。
   4. 最大副本数。
   5. 最小副本数。
   6. 指定扩缩对象的 API 版本。
   7. 指定对象类型，必须是 Deployment、ReplicaSet 或 StatefulSet。
   8. HPA 应用的目标资源。
   9. 触发扩缩的目标 CPU 利用率百分比。

2. 应用 YAML 文件创建 HPA：

   kubectl create -f hpa.yaml

   示例输出：

   horizontalpodautoscaler.autoscaling/hpa-demo created

3. 创建 HPA 后，您可以运行以下命令查看 deployment 的新状态：

   kubectl get deployment deployment-demo

   示例输出：

   NAME              READY   UP-TO-DATE   AVAILABLE   AGE
   deployment-demo   5/5     5            5           3m

4. 您也可以查看 HPA 的状态：

   kubectl get hpa hpa-demo

   示例输出：

   NAME         REFERENCE                  TARGETS    MINPODS   MAXPODS   REPLICAS   AGE
   hpa-demo   Deployment/deployment-demo   0%/75%     3         7         3          2m

#使用 Web 控制台

1. 进入 Container Platform。

2. 在左侧导航栏点击 Workloads > Deployments。

3. 点击 Deployment 名称。

4. 向下滚动到 弹性伸缩 区域，点击右侧的 更新。

5. 选择 水平伸缩 并完成策略配置。

   参数	描述
   Pod 数量	部署成功后，需要评估对应已知和常规业务量变化的最小 Pod 数量，以及在高业务压力下命名空间配额可支持的最大 Pod 数量。最大或最小 Pod 数量可在设置后更改，建议先通过性能测试推导更准确的值，并在使用过程中持续调整以满足业务需求。
   触发策略	列出对业务变化敏感的指标及其目标阈值，以触发扩容或缩容动作。 例如，设置 CPU 利用率 = 60%，一旦 CPU 利用率偏离 60%，平台将根据当前部署资源不足或过剩情况自动调整 Pod 数量。 注意：指标类型包括内置指标和自定义指标。自定义指标仅适用于原生应用中的部署，且需先添加自定义指标。
   扩缩步长（Alpha）	对于有特定扩缩速率要求的业务，可通过指定扩容步长或缩容步长逐步适应业务量变化。 缩容步长可自定义稳定窗口，默认为 300 秒，意味着必须等待 300 秒后才执行缩容操作。

6. 点击 更新。

#使用自定义指标进行 HPA

自定义指标 HPA 扩展了原有的 HorizontalPodAutoscaler，支持除 CPU 和内存利用率之外的更多指标。

#需求

• kube-controller-manager：horizontal-pod-autoscaler-use-rest-clients=true
• 预先安装 metrics-server
• Prometheus
• custom-metrics-api

#传统（核心指标）HPA

传统 HPA 支持 CPU 利用率和内存指标动态调整 Pod 实例数，示例如下：

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: nginx-app-nginx
  namespace: test-namespace
spec:
  maxReplicas: 1
  minReplicas: 1
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: nginx-app-nginx
  targetCPUUtilizationPercentage: 50

该 YAML 中，scaleTargetRef 指定扩缩的工作负载对象，targetCPUUtilizationPercentage 指定 CPU 利用率触发指标。

#自定义指标 HPA

使用自定义指标需要安装 prometheus-operator 和 custom-metrics-api。安装后，custom-metrics-api 提供大量自定义指标资源：

{
  "kind": "APIResourceList",
  "apiVersion": "v1",
  "groupVersion": "custom.metrics.k8s.io/v1beta1",
  "resources": [
    {
      "name": "namespaces/go_memstats_heap_sys_bytes",
      "singularName": "",
      "namespaced": false,
      "kind": "MetricValueList",
      "verbs": ["get"]
    },
    {
      "name": "jobs.batch/go_memstats_last_gc_time_seconds",
      "singularName": "",
      "namespaced": true,
      "kind": "MetricValueList",
      "verbs": ["get"]
    },
    {
      "name": "pods/go_memstats_frees",
      "singularName": "",
      "namespaced": true,
      "kind": "MetricValueList",
      "verbs": ["get"]
    }
  ]
}

这些资源均为 MetricValueList 的子资源。您可以通过 Prometheus 创建规则来创建或维护子资源。自定义指标的 HPA YAML 格式与传统 HPA 不同：

apiVersion: autoscaling/v2beta1
kind: HorizontalPodAutoscaler
metadata:
  name: demo
spec:
  scaleTargetRef:
    apiVersion: extensions/v1beta1
    kind: Deployment
    name: demo
  minReplicas: 2
  maxReplicas: 10
  metrics:
    - type: Pods
      pods:
        metricName: metric-demo
        targetAverageValue: 10

示例中，scaleTargetRef 指定工作负载。

#触发条件定义

• metrics 为数组类型，支持多个指标
• metric type 可为：Object（描述 k8s 资源）、Pods（描述每个 Pod 的指标）、Resources（内置 k8s 指标：CPU、内存）、External（通常为集群外部指标）
• 若自定义指标非由 Prometheus 提供，需通过在 Prometheus 创建规则等一系列操作新增指标

指标的主要结构如下：

{
      "describedObject": {  # 描述对象（Pod）
        "kind": "Pod",
        "namespace": "monitoring",
        "name": "nginx-788f78d959-fd6n9",
        "apiVersion": "/v1"
      },
      "metricName": "metric-demo",
      "timestamp": "2020-02-5T04:26:01Z",
      "value": "50"
}

该指标数据由 Prometheus 采集并更新。

#自定义指标 HPA 兼容性

自定义指标 HPA YAML 实际兼容原有核心指标（CPU），写法示例如下：

apiVersion: autoscaling/v2beta1
kind: HorizontalPodAutoscaler
metadata:
  name: nginx
spec:
  scaleTargetRef:
    apiVersion: extensions/v1beta1
    kind: Deployment
    name: nginx
  minReplicas: 2
  maxReplicas: 10
  metrics:
    - type: Resource
      resource:
        name: cpu
        targetAverageUtilization: 80
    - type: Resource
      resource:
        name: memory
        targetAverageValue: 200Mi

• targetAverageValue 为每个 Pod 的平均值
• targetAverageUtilization 为根据直接值计算的利用率

算法参考：

replicas = ceil(sum(CurrentPodsCPUUtilization) / Target)

#autoscaling/v2beta2 的更新

autoscaling/v2beta2 支持内存利用率：

apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
  name: nginx
  namespace: default
spec:
  minReplicas: 1
  maxReplicas: 3
  metrics:
    - resource:
        name: cpu
        target:
          averageUtilization: 70
          type: Utilization
      type: Resource
    - resource:
        name: memory
        target:
          averageUtilization:
          type: Utilization
      type: Resource
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: nginx

变化：targetAverageUtilization 和 targetAverageValue 改为 target，并转换为 xxxValue 和 type 的组合：

• xxxValue：AverageValue（平均值）、AverageUtilization（平均利用率）、Value（直接值）
• type：Utilization（利用率）、AverageValue（平均值）

注意：

• 对于 CPU 利用率 和 内存利用率 指标，只有实际值超出目标阈值 ±10% 范围时才触发自动扩缩。
• 缩容可能影响正在进行的业务，请谨慎操作。

#计算规则

当业务指标变化时，平台会根据以下规则自动计算与业务量匹配的目标 Pod 数，并进行调整。如业务指标持续波动，数值会调整到设置的最小 Pod 数量或最大 Pod 数量。

• 单策略目标 Pod 数：ceil[(sum(实际指标值)/指标阈值)]。即所有 Pod 的实际指标值之和除以指标阈值后向上取整。例如：当前有 3 个 Pod，CPU 利用率分别为 80%、80%、90%，设定的 CPU 利用率阈值为 60%。根据公式，Pod 数将自动调整为：ceil[(80%+80%+90%)/60%] = ceil 4.1 = 5 个 Pod。

  注意：

  • 若计算出的目标 Pod 数超过设置的最大 Pod 数（例如 4），平台只会扩容到 4 个 Pod。若调整最大 Pod 数后指标仍持续偏高，可能需要采用其他扩缩方法，如增加命名空间 Pod 配额或添加硬件资源。
  • 若计算出的目标 Pod 数（上述示例中为 5）小于根据扩容步长调整后的 Pod 数（例如 10），平台只会扩容到 5 个 Pod。

• 多策略目标 Pod 数：取各策略计算结果中的最大值。