#配置 VerticalPodAutoscaler (VPA)

对于无状态和有状态应用，VerticalPodAutoscaler (VPA) 会根据您的业务需求自动推荐并可选地应用更合适的 CPU 和内存资源限制，确保 Pod 拥有足够的资源，同时提升集群资源利用率。

#了解 VerticalPodAutoscalers

您可以创建一个 VerticalPodAutoscaler，根据 Pod 的历史使用模式推荐或自动更新其 CPU 和内存资源请求与限制。

创建 VerticalPodAutoscaler 后，平台开始监控 Pod 的 CPU 和内存资源使用情况。当收集到足够数据时，VerticalPodAutoscaler 会基于观察到的使用模式计算推荐的资源值。根据配置的更新模式，VPA 可以自动应用这些推荐，或仅提供推荐供手动应用。

VPA 通过分析 Pod 的资源使用情况并基于此分析提出建议，帮助确保 Pod 拥有所需资源而不会过度配置，从而实现集群资源的更高效利用。

#VPA 是如何工作的？

VerticalPodAutoscaler (VPA) 扩展了 Pod 资源优化的概念。VPA 监控 Pod 的资源使用情况，并基于观察到的使用模式提供 CPU 和内存请求的推荐。

VPA 持续监控 Pod 的资源使用情况，并随着新数据的到来不断更新其推荐。VPA 可运行于以下模式：

• Off：VPA 仅提供推荐，不自动应用。
• Manual Adjustment：您可以根据 VPA 推荐手动调整资源配置。

重要提示：弹性伸缩可以实现 Pod 的水平或垂直伸缩。当资源充足时，弹性伸缩效果良好，但当集群资源不足时，可能导致 Pod 处于 Pending 状态。因此，请确保集群有足够资源或合理的配额，或者配置告警以监控伸缩情况。

#支持的功能

VerticalPodAutoscaler 基于历史使用模式提供资源推荐，帮助您优化 Pod 的 CPU 和内存配置。

重要提示：手动应用 VPA 推荐时会触发 Pod 重建，可能导致应用短暂中断。建议在生产工作负载的维护窗口期间应用推荐。

#前提条件

• 请确保当前集群已部署监控组件且运行正常。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况。
• 集群中必须安装 Alauda Container Platform Vertical Pod Autoscaler 集群插件。

#安装 Vertical Pod Autoscaler 插件

使用 VPA 前，需先安装 Vertical Pod Autoscaler 集群插件：

1. 登录并进入 Administrators 页面。

2. 点击 Marketplace > Cluster Plugins，进入 Cluster Plugins 列表页面。

3. 找到 Alauda Container Platform Vertical Pod Autoscaler 集群插件，点击安装，进入安装页面。

#创建 VerticalPodAutoscaler

#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 VerticalPodAutoscaler。以下示例展示了针对 Deployment 对象的垂直 Pod 自动伸缩：

1. 创建名为 vpa.yaml 的 YAML 文件，内容如下：

   apiVersion: autoscaling.k8s.io/v1
   kind: VerticalPodAutoscaler
   metadata:
     name: my-deployment-vpa
     namespace: default
   spec:
     targetRef:
       apiVersion: apps/v1
       kind: Deployment
       name: my-deployment
     updatePolicy:
       updateMode: 'Off'
     resourcePolicy:
       containerPolicies:
         - containerName: '*'
           mode: 'Auto'
   1. 使用 autoscaling.k8s.io/v1 API。
   2. VPA 的名称。
   3. 指定目标工作负载对象。VPA 使用工作负载的选择器查找需要调整资源的 Pod。支持的工作负载类型包括 DaemonSet、Deployment、ReplicaSet、StatefulSet、ReplicationController、Job 和 CronJob。
   4. 指定要伸缩对象的 API 版本。
   5. 指定对象类型。
   6. VPA 应用的目标资源。
   7. 定义 VPA 如何应用推荐的更新策略。updateMode 可选：
      • Auto：创建 Pod 时自动设置资源请求，并更新当前 Pod 至推荐资源请求。目前等同于“Recreate”。此模式可能导致应用停机。未来支持就地 Pod 资源更新后，“Auto” 模式将采用该更新机制。
      • Recreate：创建 Pod 时自动设置资源请求，并驱逐当前 Pod 以更新至推荐资源请求。不使用就地更新。
      • Initial：仅在创建 Pod 时设置资源请求，之后不做修改。
      • Off：不自动修改 Pod 资源请求，仅在 VPA 对象中提供推荐。
   8. 资源策略，可为不同容器设置具体策略。例如，将容器模式设为“Auto”表示会计算该容器的推荐，而“Off”表示不计算推荐。
   9. 应用于 Pod 中所有容器的策略。
   10. 设置模式为 Auto 或 Off。Auto 表示为该容器生成推荐，Off 表示不生成推荐。

2. 应用 YAML 文件创建 VPA：

   kubectl create -f vpa.yaml

   示例输出：

   verticalpodautoscaler.autoscaling.k8s.io/my-deployment-vpa created

3. 创建 VPA 后，可通过以下命令查看推荐：

   kubectl describe vpa my-deployment-vpa

   示例输出（部分）：

   Status:
     Recommendation:
       Container Recommendations:
         Container Name:  my-container
         Lower Bound:
           Cpu:     100m
           Memory:  262144k
         Target:
           Cpu:     200m
           Memory:  524288k
         Upper Bound:
           Cpu:     300m
           Memory:  786432k

#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. 向下滚动至 弹性伸缩 区域，点击右侧的 更新。

5. 选择 垂直伸缩 并配置伸缩规则。

   参数	说明
   伸缩模式	目前支持 手动伸缩 模式，通过分析历史资源使用情况提供推荐资源配置，您可以根据推荐值手动调整。调整会导致 Pod 重建和重启，请选择合适时间以避免影响运行中的应用。 通常 Pod 运行超过 8 天后，推荐值更为准确。 注意，当集群资源不足时，伸缩可能导致 Pod 处于 Pending 状态。请确保集群资源充足或配额合理，或配置告警监控伸缩情况。
   目标容器	默认为工作负载的第一个容器。您可以根据需要选择为一个或多个容器启用资源限制推荐。

6. 点击 更新。

#高级 VPA 配置

#更新策略选项

• updateMode: "Off" - VPA 仅提供推荐，不自动应用。您可根据需要手动应用。
• updateMode: "Auto" - 创建 Pod 时自动设置资源请求，并更新当前 Pod 至推荐值。目前等同于“Recreate”。
• updateMode: "Recreate" - 创建 Pod 时自动设置资源请求，并驱逐当前 Pod 以更新至推荐值。
• updateMode: "Initial" - 仅在创建 Pod 时设置资源请求，之后不做修改。
• minReplicas: <number> - 最小副本数。确保在 Updater 驱逐 Pod 时至少保持该数量的 Pod 可用。必须大于 0。

#容器策略选项

• containerName: "*" - 应用于 Pod 中所有容器。
• mode: "Auto" - 自动为容器生成推荐。
• mode: "Off" - 不为容器生成推荐。

注意：

• VPA 推荐基于历史使用数据，通常需要 Pod 运行数天后推荐才准确。
• 在 Auto 模式应用 VPA 推荐时会触发 Pod 重建，可能导致应用短暂中断。

#后续操作

配置 VPA 后，可在 弹性伸缩 区域查看目标容器的 CPU 和内存资源限制推荐值。在 容器 区域选择目标容器标签，点击 资源限制 右侧图标，根据推荐值更新资源限制。