AutoscalingKubernetes 自动伸缩（Auto-scaling）

目标与定义

看完本视频，您将能够：

• 定义自动伸缩（Auto-scaling）。
• 解释三种类型的自动伸缩器。
• 演示每种自动伸缩器的工作原理。

自动伸缩的必要性

ReplicaSets 提供了伸缩的基础，但您不会总是希望运行固定数量的资源实例。Kubernetes 自动伸缩有助于：

• 根据需求自动伸缩集群，从而优化资源使用和降低成本。
• ReplicaSets 仅提供伸缩的起点，但您需要能够根据需要进行伸缩。

伸缩发生的层次

Kubernetes 自动伸缩在两个不同层次上实现：

1. 集群/节点级别（Cluster or Node level）
2. Pod 级别（Pod level）

---

三种自动伸缩器类型

Kubernetes 中提供三种自动伸缩器：

1. 水平 Pod 自动伸缩器 (Horizontal Pod Autoscaler, HPA)：调整 Pod 的数量。
2. 垂直 Pod 自动伸缩器 (Vertical Pod Autoscaler, VPA)：调整 Pod 的资源规格。
3. 集群自动伸缩器 (Cluster Autoscaler, CA)：调整节点的数量。

---

启用 Pod 自动伸缩（HPA）

 autoscale命令的使用

要为 Deployment（它在后台仍使用 ReplicaSet）创建自动伸缩，您只需使用 autoscale 命令并指定所需属性：

1. min：最小 Pod 数量（例如：设置为 2）。
2. max：最大 Pod 数量。
3. cpu-percent：作为触发器。当 CPU 使用率达到指定百分比（例如：50%）时，系统会创建一个新 Pod。

• 在后台，Deployment 仍然使用 ReplicaSet 来进行扩展和收缩。
• ReplicaSet 中的副本数量会根据 autoscale 命令中指定的最小数量进行更改（例如：变为 2 个副本）。

HPA YAML 对象创建 (可选)

另一种启用自动伸缩的方法是手动为 HPA 对象创建 YAML 文件。

• 您可以设置 min 和 max 数量。
• cpu-percent 标志在 YAML 中显示为 targetCPUUtilizationPercentage。
• 最佳实践：应使用 autoscale 命令，而不是从头创建 HPA YAML 文件。

---

1 HPA: 水平伸缩 (Scaling Out)

原理

HPA 通过水平伸缩（Horizontal Scaling 或 Scaling Out）来匹配需求。它会自动增加或减少运行中的 Pod 数量，以适应应用程序使用量的变化。

• HPA 使用集群操作符（cluster operator），设置 CPU 或内存利用率等指标的目标值，以及最小和最大期望副本数量。
• 它自动更新 Deployment 等工作负载资源。

示例演示

---

2 VPA: 垂直伸缩 (Scaling Up)

原理

VPA 允许您在集群内垂直伸缩服务（Scaling Up），即为现有机器添加更多资源。

• VPA 通过增加或减少 Pod 的资源请求和限制来调整资源规格。
• 集群操作符设置 CPU 或内存利用率等指标的目标值，类似于 HPA。
• 集群根据服务的当前使用情况和期望目标来协调 Pod 的大小。

示例演示

⚠️ 重要提示：在基于 CPU 或内存等资源指标上，不应将 VPA 与 HPA 同时使用。但在自定义或外部指标上，它们可以一起使用。

---

3 CA: 集群伸缩

原理

CA 自动伸缩的是集群本身，增加或减少 Pod 可以运行的可用节点数量 .

• Pods 使用 HPA 或 VPA 进行自动伸缩。
• 当节点本身因 Pod 过载时，CA 会自动伸缩节点，以便 Pod 可以在集群中重新平衡。
• CA 确保始终有足够的计算能力来运行任务，并且您不会为未使用的节点支付额外费用。

示例演示

适用场景

CA 的适用场景包括：

• 夜间和周末，开发或持续集成（CI）测试负载较少。
• 批处理作业完成，下一批作业尚未开始。

---

结论与最佳实践

• 自动伸缩能够根据需要在集群/节点级别和 Pod 级别进行伸缩。
• 您可以自动伸缩 Deployment 或 ReplicaSet。
• 自动伸缩器类型包括：HPA、VPA 和 CA。
• 最佳解决方案：通常是通过结合所有三种自动伸缩器类型，以确保服务在峰值负载时稳定运行，并在需求较低时最大限度地降低成本。