如何在K8s中实现 Pod 的自动扩展

在 Kubernetes 中实现 Pod 的自动扩缩，你可以使用 HorizontalPodAutoscaler 资源。以下是一个简单的例子：
起首，你需要确保你的 Kubernetes 集群中已经安装了 Metrics Server，因为 HPA 需要它来获取 Pod 的资源使用环境。
1、部署 Metrics Server（如果尚未部署）:

kubectl apply -f https://github.com/kubernetes-sigs/metrics-server/releases/latest/download/components.yaml
2、创建一个带有自动扩缩功能的 Deployment 或者 StatefulSet。

例如，以下是一个 Deployment 的配置文件：

1. apiVersion: apps/v1
2. kind: Deployment
3. metadata:
4.   name: my-app
5. spec:
6.   replicas: 1
7.   selector:
8.     matchLabels:
9.       app: my-app
10.   template:
11.     metadata:
12.       labels:
13.         app: my-app
14.     spec:
15.       containers:
16.       - name: my-container
17.         image: my-image
18.         ports:
19.         - containerPort: 80

复制代码

3、创建 HorizontalPodAutoscaler 资源来自动扩缩 Pod

1. apiVersion: autoscaling/v2beta2
2. kind: HorizontalPodAutoscaler
3. metadata:
4.   name: my-hpa
5. spec:
6.   scaleTargetRef:
7.     apiVersion: apps/v1
8.     kind: Deployment
9.     name: my-app
10.   minReplicas: 1
11.   maxReplicas: 10
12.   metrics:
13.   - type: Resource
14.     resource:
15.       name: cpu
16.       target:
17.         type: Utilization
18.         averageUtilization: 80

复制代码

在这个例子中，HPA 会根据 Pod 的 CPU 使用率自动扩缩 my-app Deployment 中的 Pod 数量，目标是保持平均 CPU 使用率在 80% 左右。minReplicas 和 maxReplicas 定义了扩缩的界限。
确保你的容用具有相关的资源请求和限制，如许 HPA 才华正常工作：

1. containers:
2. - name: my-container
3.   image: my-image
4.   ports:
5.   - containerPort: 80
6.   resources:
7.     requests:
8.       cpu: "100m"
9.     limits:
10.       cpu: "200m"

复制代码

记得应用这些配置文件到你的 Kubernetes 集群：

1. kubectl apply -f deployment.yaml
2. kubectl apply -f hpa.yaml

复制代码

一旦部署完成，HPA 会开始根据指定的指标自动扩缩 Pod 数量。
注意
HPA在做出决议时考虑的是所有被监控Pod的总体资源使用环境，而不是单个Pod或容器的资源限制。它会收集所有相关Pod的指标数据，并根据这些数据的聚合结果（如平均值、总和等）来做出扩缩容决议。
备注 k8s 资源限制cpu为什么以m为单位

在 Kubernetes（k8s）中，CPU 资源的限制和请求可以以不同的单位来表现，包括整核（如 1、2、3 等表现完整的 CPU 核心）和毫核（m），其中 1000m 等于 1 个完整的 CPU 核心。这种设计使得资源分配更加灵活和精细。
以毫核（m）为单位的重要原因是为了实现更细粒度的资源分配。在大型集群中，可能有成百上千的 Pod 同时运行，每个 Pod 可能只需要一小部分的 CPU 资源。如果只能以整核为单位举行分配，那么会造成大量的资源浪费。而以毫核为单位，可以确保每个 Pod 都能得到其所需的精确资源量，从而提高集群的整体资源利用率。
此外，以毫核为单位另有助于实现更公平的资源分配。在 Kubernetes 中，调度器会根据每个 Pod 的资源需求和限制来做出调度决议。如果以整核为单位，那么某些 Pod 可能会因为资源需求无法满足而被阻塞或延迟调度。而以毫核为单位，可以使得每个 Pod 都有机遇得到其所需的资源，从而实现更公平的资源分配。
总之，以毫核（m）为单位举行 CPU 资源限制和请求是 Kubernetes 为了实现更细粒度、更公平和更高效的资源分配而接纳的一种设计计谋。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。