如何使用自定义指标配置 Kubernetes HPA

简介

Kubernetes 水平 Pod 自动扩缩器（Horizontal Pod Autoscaler，HPA）是一项强大的功能，它可以根据观察到的资源利用率自动调整部署或副本集中的 Pod 数量。本教程将指导你完成 Kubernetes HPA 自定义指标的配置过程，使你能够基于默认 CPU 和内存使用情况之外的特定标准来扩展应用程序。

Skills Graph

理解 Kubernetes 水平 Pod 自动扩缩器

Kubernetes 水平 Pod 自动扩缩器（Horizontal Pod Autoscaler，HPA）是一项强大的功能，它能根据观察到的资源利用率自动调整部署或副本集中的 Pod 数量。这使你的应用程序能够应对流量波动，并确保资源得到最优利用。

HPA 的工作方式是监控 Kubernetes 集群中 Pod 的资源利用率，并自动调整副本数量以达到期望的目标。这可以基于 CPU 或内存使用情况，甚至是你定义的自定义指标。

以下是在 Kubernetes 集群中配置 HPA 的示例：

apiVersion: autoscaling/v2beta1
kind: HorizontalPodAutoscaler
metadata:
  name: my-app-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: my-app
  minReplicas: 2
  maxReplicas: 10
  metrics:
    - type: Resource
      resource:
        name: cpu
        targetAverageUtilization: 50

在此示例中，HPA 将根据 Pod 的平均 CPU 利用率，在 2 到 10 个副本之间自动扩缩 my-app 部署。当 CPU 利用率超过 50% 时，HPA 将增加副本数量以处理增加的负载。相反，当 CPU 利用率降至 50% 以下时，HPA 将减少副本数量以节省资源。

你还可以配置 HPA 使用自定义指标，这些指标可以基于你的应用程序公开的任何指标。这使你能够根据更具体的标准来扩展应用程序，例如活跃用户数量或消息队列的长度。

总体而言，Kubernetes 水平 Pod 自动扩缩器是确保你的应用程序能够应对流量波动并保持最优资源利用的强大工具。

为 Kubernetes HPA 配置自定义指标

虽然 Kubernetes 提供的默认 CPU 和内存指标对许多应用程序很有用，但在某些情况下，你可能需要根据特定于用例的自定义指标来扩展应用程序。Kubernetes HPA 支持使用自定义指标，这使你能够定义并使用自己的指标进行自动扩缩。

要为 Kubernetes HPA 配置自定义指标，你需要设置一个指标提供程序，该提供程序可以将自定义指标暴露给 HPA。一种流行的选择是使用 Prometheus（一个强大的开源监控系统）来收集并暴露你的自定义指标。

以下是一个示例，展示如何配置 HPA 使用基于应用程序中活跃用户数量的自定义指标：

apiVersion: autoscaling/v2beta1
kind: HorizontalPodAutoscaler
metadata:
  name: my-app-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: my-app
  minReplicas: 2
  maxReplicas: 10
  metrics:
    - type: Pods
      pods:
        metricName: active-users
        targetAverageValue: 100

在此示例中，HPA 将根据 active-users 自定义指标来扩缩 my-app 部署。当所有 Pod 中的活跃用户平均数量超过 100 时，HPA 将增加副本数量以处理增加的负载。相反，当活跃用户数量降至 100 以下时，HPA 将减少副本数量。

要实现这一点，你需要设置一个自定义指标管道，该管道从你的应用程序收集 active-users 指标并将其暴露给 Kubernetes HPA。这通常涉及部署一个自定义指标服务器或适配器，例如 Prometheus 适配器，并对其进行配置以收集和暴露你的自定义指标。

设置好自定义指标管道后，你就可以像上面的示例那样配置 HPA 使用自定义指标。这使你能够根据特定于用例的指标来扩展应用程序，而不是仅依赖默认的 CPU 和内存指标。

使用自定义指标实现自动扩缩

既然我们已经介绍了为 Kubernetes 水平 Pod 自动扩缩器（HPA）配置自定义指标的基础知识，现在让我们深入探讨如何使用这些自定义指标来实现自动扩缩。

首先，你需要确保你的自定义指标被正确收集并暴露给 Kubernetes API。这通常涉及设置一个指标管道，比如 Prometheus，来采集你的应用程序指标并将其提供给 HPA。

一旦你的自定义指标设置好了，你就可以配置 HPA 使用它们进行自动扩缩。以下是一个示例：

apiVersion: autoscaling/v2beta1
kind: HorizontalPodAutoscaler
metadata:
  name: my-app-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: my-app
  minReplicas: 2
  maxReplicas: 10
  metrics:
    - type: Pods
      pods:
        metricName: queue-length
        targetAverageValue: 100

在此示例中，HPA 将根据 queue-length 自定义指标来扩缩 my-app 部署。当所有 Pod 中的平均队列长度超过 100 时，HPA 将增加副本数量以处理增加的负载。相反，当队列长度降至 100 以下时，HPA 将减少副本数量。

为了使其正常工作，你需要确保你的应用程序正在暴露 queue-length 指标，并且你的指标管道正在收集该指标并将其提供给 Kubernetes API。你可能还需要配置任何必要的服务账户、角色和角色绑定，以允许 HPA 访问自定义指标。

一旦你完成了所有设置，Kubernetes HPA 将根据你定义的自定义指标自动扩缩你的应用程序，确保你的应用程序能够应对负载波动并保持最佳性能。

请记住，具体的实现细节将取决于你的应用程序和你正在使用的自定义指标，但配置 HPA 使用自定义指标的一般过程应该与提供的示例类似。

总结

在本教程中，你学习了如何配置 Kubernetes 水平 Pod 自动扩缩器（HPA）以使用自定义指标，从而能够基于默认 CPU 和内存使用情况之外的特定标准来扩展你的应用程序。通过利用自定义指标，你可以确保应用程序针对资源使用进行了优化，并且能够更有效地应对流量波动。