k8s学习笔记之pod的弹性伸缩概念（转载网上电子书，不是我原创，侵则删）个人备忘，红色注解部分个人拙见

还有两种其他类型的度量指标，他们被认为是（自定义度量指标）： 即 Pod 度量指标和 Object 度量指标。这些度量指标可能具有特定于集群的名称，并且需要更高级的集群监控设置。第一种可选的度量指标类型是Pod 度量指标。这些指标从某一方面描述了 Pod， 在不同 Pod 之间进行平均，并通过与一个目标值比对来确定副本的数量。它们的工作方式与资源度量指标非常相像，只是它们仅支持target类型为。

CPU utilization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。如上，设置了f1的deployment控制的pod的HPA限制，当cpu使用超过设置的80%，内存使用超过30Mi时就触发自动扩容，副本数最小为1，最大为2。autoscaling/v1只支持基于CPU指标的缩放；

Kubernetes HPA(Horizontal Pod Autoscaling)Pod水平自动伸缩，通过此功能，只需简单的配置，集群便可以利用监控指标（cpu使用率等）自动的扩容或者缩容服务中Pod数量，当业务需求增加时，系统将为您无缝地自动增加适量容器 ，提高系统稳定性。本文将详细讲解HPA的核心设计原理和基于Hepaster的使用方法。 1. HPA概览 HPA在kubernetes...

其实原生的HPA是不支持根据时间点来进行扩缩容的，根据时间点扩缩容其实在有些场景下还是蛮实用的，因为根据资源扩缩容无法精准控制，像在大数据领域，跑任务的时间段一般是明确的，这样我们就可以根据跑任务的时间段来进行pod扩缩容，这样就非常精准的控制资源使用了。这里主要介绍阿里开源的一个产品；是一个 Kubernetes cron 水平 Pod 自动缩放控制器，使用 crontab 喜欢方案。

1. HPA是什么 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。 （1）HPA基于Master Node上的kube-controller-manager服务启动参数horizontal-pod-autoscaler-sync-period定义的时长(默认为30秒)，周期性的检测Pod的CPU使用率。 如果需要设置horizontal-pod-autoscaler-sync-period可以在Master No

弹性伸缩介绍 自动弹性伸缩(AutoScaling)，是Kubernetes的一大功能和亮点。在OpenStack IaaS云计算中也有类似的服务，即Senlin。即基于资源使用情况自动弹性缩容和扩容工作负载。Kubernetes的自动弹性伸缩有两个维度： Cluster Autoscaler：处理K8s集群Node节点伸缩，该功能依赖于IaaS云提供商云主机服务和资源监控服务。 Horiz...

>前言 HPA（Horizontal Pod Autoscaler）Pod自动弹性伸缩，K8S通过对Pod中运行的容器各项指标（CPU占用、内存占用、网络请求量）的检测，实现对Pod实例个数的动态新增和减少。

一、什么是弹性伸缩Horizontal Pod Autoscaler的操作对象是Replication Controller、ReplicaSet或Deployment对应的Pod，根据观察到的CPU使用量与用户的阈值进行比对，做出是否需要增减实例数量的决策。controller目前使用heapSter来检测CPU使用量，检测周期默认是30秒二、创建hpanginx-rc.yaml[root@ma...

在上篇我们讲到了较为傻瓜初级的弹性伸缩和滚动更新，那么接下来我们来看看较为高级的智能的滚动更新。本节的知识点呢是K8S的liveness和readiness探测，也就是说利用健康检查来做更为智能化的弹性扩容和滚动更新。 那为什么说是比较智能化呢，因为在实际生产环境中会遇到这样那样的问题，比如：容器里面应用挂了或者说新启动的容器里面应用还没有就绪等等，所以说就需要进行探测来检验容器是否满足需求。 那...

K8S是一个使用 Docker 容器进行编排的系统，主要围绕 pods 进行工作。 Pods 是 k8s 生态中最小的调度单位，可以包含一个或多个容器。 k8s是一个开源的容器集群管理系统，可以实现容器集群的自动化部署、自动扩缩容、维护等功能。......

Pod自动扩容/缩容：HPA介绍 Horizontal Pod Autoscaler(HPA，Pod水平自动伸缩)：根据资源利用率或者自定义指标自动调整Deployment的Pod副本数量，提供应用并发。HPA不适于无法缩放的对象，例如DaemonSet。Pod自动扩容/缩容：HPA基本工作原理 Kubernetes 中的 Metrics Server 持续采集所有 Pod 副本的指标数据。HPA...

（HPA，Pod水平自动伸缩），根据平均 CPU 利用率、平均内存利用率或你指定的任何其他自定义指标自动调整Deployment、ReplicaSet或或其他类似资源，实现部署的自动扩展和缩减，让部署的规模接近于实际服务的负载。HPA不适用于无法缩放的对象，例如DaemonSet。——CPU核 和 内存利用率指标。——例如网络利用率和流量。——特定对象的指标，比如Ingress, 可以按每秒使用请求数来扩展容器。——自定义监控，比如通过定义服务响应时间，当响应时间达到一定指标时自动扩容。

Metrics-server简介 Pod核心指标是相对于自定义指标而言的，也就是指通过采集Pod CPU、内存等核心资源指标实现Pod弹性伸缩。Metrics-server是用来替换heapster获取集群资源指标数据的服务，heapster从1.11开始逐渐被废弃了。 metrics-server，是一种API Server，提供了核心的Metrics API，就像k8s组件kube-api...

首先，在 Elasticsearch 和 Logstash 中，我们可以通过监控索引文档的数量和日志条目数量来评估集群的负载情况。当这些指标超过预设的阈值时，我们可以自动地增加 Elasticsearch 和 Logstash 的 Pod 数量，以提高集群的处理能力。在 Kubernetes 中，可以通过监控容器的 CPU 和内存使用情况来实现 Pod 级别的弹性伸缩。通过监控容器的 CPU 和内存使用情况，我们可以实现 Kubernetes Pod 核心指标的弹性伸缩，从而提高集群的处理能力和可用性。

K8S的自动伸缩能力显著提升了资源利用率和系统稳定性，但需结合业务特点选择合适的策略。：动态调整单个Pod的CPU/内存资源请求（Request）和限制（Limit）。：根据Pod资源需求动态增删Worker节点（如AWS EC2、GCP GKE）。：根据CPU、内存等指标自动增加或减少Pod副本数量。Kubernetes 通过多种控制器和指标系统实现。

这个时候把调用脚本停掉，再看监控日志会发现，Pod自动被逐渐销毁，但是并不是马上进行缩容，CPU使用率降下来后，他会先等待一会儿，然后才开始销毁Pod容器，原因是担心只是短暂流量跌下来，会给一点缓冲时间，重复创建销毁容器的代价太高了！或者说容器资源过剩，想要把资源节省出来，通常这种情况需要我们去。这个时候再去看监控窗口，发现确实开始自动扩容了：只要过了50%，Pod副本数量就开始不断新增，随着Pod增多，CPU占用也逐渐下降了，发现8个Pod就能控制在50%以下，就不会继续扩容了。

Kubernetes是借助Agrregator APIServer扩展机制来实现Custom Metrics。Custom Metrics APIServer是一个提供查询Metrics指标的API服务（Prometheus的一个适配器），这个服务启动后，kubernetes会暴露一个叫custom.metrics.k8s.io的API，当请求这个URL时，请求通过Custom Metics APIServer去Prometheus里面去查询对应的指标，然后将查询结果按照特定格式返回。......

综上所述，我们认识了什么是HPA，HPA如何工作，但是在实际的业务场景中，Pods缩容期间是否会对业务带来影响呢？该如何解决？