容器与云原生 / 系统课时

按 CPU 利用率配置 HPA

按 CPU 利用率配置 HPA

本节用一个可直接部署的 Deployment 配置 autoscaling/v2 HPA,让副本数按 CPU 利用率变化。你会同时验证三个关键量:容器的 CPU request、HPA 的目标利用率,以及由两者和当前负载共同决定的期望副本数。

学习目标

  • 为 Deployment 配置可计算 CPU 利用率的资源请求。
  • 使用 autoscaling/v2 创建 CPU 资源指标 HPA。
  • 通过负载与 HPA 状态验证 CPU request、目标利用率和副本数之间的关系。

先确认 CPU 指标具备计算条件

按 CPU 利用率伸缩时,HPA 需要读取 metrics.k8s.io 提供的 Pod CPU 使用量,并用 CPU request 作为分母计算利用率。因此集群必须已经提供资源指标 API,目标 Pod 中参与计算的容器也应设置 CPU request;没有 request 时,CPU 利用率无法按预期计算。

下面的主示例使用 Kubernetes 官方示例镜像提供一个 CPU 密集型 HTTP 服务。requests.cpu: 200m 表示每个 Pod 的 CPU request 为 0.2 核;HPA 目标设为 50%,因此单个 Pod 对应的目标平均 CPU 使用量约为 100m。

配置 Deployment、Service 与 HPA

把下面内容保存为 hpa-demo.yaml。HPA 的 scaleTargetRef 指向 Deployment,资源指标使用 type: Utilization,并把平均 CPU 利用率目标设为 50%。

yaml
apiVersion: apps/v1
kind: Deployment
metadata:
  name: php-apache
spec:
  replicas: 1
  selector:
    matchLabels:
      app: php-apache
  template:
    metadata:
      labels:
        app: php-apache
    spec:
      containers:
        - name: php-apache
          image: registry.k8s.io/hpa-example:latest
          ports:
            - containerPort: 80
          resources:
            requests:
              cpu: 200m
            limits:
              cpu: 500m
---
apiVersion: v1
kind: Service
metadata:
  name: php-apache
spec:
  selector:
    app: php-apache
  ports:
    - port: 80
      targetPort: 80
---
apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: php-apache
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: php-apache
  minReplicas: 1
  maxReplicas: 10
  metrics:
    - type: Resource
      resource:
        name: cpu
        target:
          type: Utilization
          averageUtilization: 50

这段配置生效后,HPA 会在 1~10 个副本之间调整 Deployment。验证关键不是只看 HPA 对象创建成功,而是确认 TARGETS 能出现当前 CPU 利用率;如果长期显示 <unknown>,应先修复资源指标链路,而不是继续制造负载。

执行部署:

bash
kubectl apply -f hpa-demo.yaml

首次创建时的预期输出:

text
deployment.apps/php-apache created
service/php-apache created
horizontalpodautoscaler.autoscaling/php-apache created

读取 HPA 状态并核对计算关系

先查看 HPA。资源指标刚建立时可能需要等待一个或多个采样周期,实际的 <VALUE>、<N> 和 <TIME> 会因集群与负载不同而变化。

bash
kubectl get hpa php-apache

预期输出形态:

text
NAME         REFERENCE               TARGETS        MINPODS   MAXPODS   REPLICAS   AGE
php-apache   Deployment/php-apache   <VALUE>%/50%   1         10        <N>        <TIME>

假设当前只有 1 个 Pod,它实际使用 250m CPU,而 request 是 200m,那么当前利用率约为 125%。按 ceil(1 × 125 ÷ 50) 计算,理论期望副本数为 3。真实结果还会受到指标采样、容差、Pod 就绪状态和伸缩行为策略影响,所以不能要求每次都在同一秒精确跳到 3 个副本。

制造负载并观察扩容

创建一个临时负载 Pod,持续请求 Service。命令会立即返回,负载 Pod 在后台继续运行。

bash
kubectl run load-generator --image=busybox:1.36 --restart=Never --command -- /bin/sh -c 'while true; do wget -q -O- http://php-apache >/dev/null; done'

预期输出:

text
pod/load-generator created

等待一至数个指标采样周期后再次查询 HPA:

bash
kubectl get hpa php-apache

预期结果形态:

text
NAME         REFERENCE               TARGETS        MINPODS   MAXPODS   REPLICAS   AGE
php-apache   Deployment/php-apache   <VALUE>%/50%   1         10        <N>        <TIME>

当 <VALUE> 持续明显高于 50% 时,<N> 通常会大于 1,但精确值取决于实时负载和控制周期。停止实验可删除负载 Pod;流量下降后,HPA 不会立刻缩回 1 个副本,默认缩容稳定窗口会延缓下调,避免短时波动造成副本抖动。

CPU HPA 的关键不是“把阈值写成 50”这么简单,而是保证指标可用、CPU request 合理,并把 TARGETS 与期望副本公式一起验证。request 过小会让利用率看起来异常偏高,request 过大则可能让扩容过于迟钝,因此它同时是调度容量和自动伸缩计算的重要基线。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

按 CPU 利用率配置 HPA

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通