在实际的业务场景中，我们经常会遇到某个服务需要扩容的场景（例如：测试对服务压测、电商平台秒杀、大促活动、或由于资源紧张、工作负载降低等都需要对服务实例数进行扩缩容操作）。,K8S 从 1.8 版本开始，各节点CPU、内存等资源的 metrics 信息可以通过 Metrics API 来获取，用户可以直接获取这些 metrics 信息（例如通过执行 kubect top 命令），HPA 使用这些 metics 信息来实现动态伸缩。,基于1.23.1版kubernetes,HPA官网：https://kubernetes.io/zh/docs/tasks/run-application/horizontal-pod-autoscale/,metrics-server 是一个集群范围内的资源数据集和工具，同样的，metrics-server 也只是显示数据，并不提供数据存储服务，主要关注的是资源度量 API 的实现，比如 CPU、文件描述符、内存、请求延时等指标，metric-server 收集数据给 k8s 集群内使用，如 kubectl,hpa,scheduler 等。,github地址：https://github.com/kubernetes-sigs/metrics-server/,不同k8s版本根据官网安装对应版本的metrics-server,
,1、镜像下载,所用镜像可提前自行下载：registry.cn-hangzhou.aliyuncs.com/google_containers/metrics-server:v0.6.1,2、导入镜像,3、修改apiserver配置,注意：会中断业务，生产环境谨慎操作！,这个是 k8s 在 1.17 的新特性，如果是 1.16 版本的可以不用添加，1.17 以后要添加。这个参数的作用是 Aggregation 允许在不修改 Kubernetes 核心代码的同时扩展 Kubernetes API。,增加如下内容：,添加后的效果如下图所示：,
,修改完成后重启kubelet,4、部署metrics-server 服务,用到的yaml文件到github下载，地址：https://github.com/kubernetes-sigs/metrics-server/releases/download/v0.6.1/components.yaml,5、验证metrics-server是否部署成功,可以看到pod处于Running状态：,
,
,
,1、镜像准备,使用 dockerfile 构建一个新的镜像，在 k8s 的 xuegod63 节点构建,dockerfile内容如下：,创建index.php文件，内容如下：,在工作节点导入镜像：,2、通过 deployment 部署一个 php-apache 服务,
,1、通过deployment部署一个nginx服务,注意：nginx 的 pod 里需要有如下字段，否则 hpa 会采集不到内存指标,创建资源并查看：,
,php-apache 服务正在运行，使用 kubectl autoscale 创建自动缩放器，实现对 php-apache 这个deployment 创建的 pod 自动扩缩容，下面的命令将会创建一个 HPA，HPA 将会根据 CPU资源指标增加或减少副本数，创建一个可以实现如下目的的 hpa：,（1）让副本数维持在 1-10 个之间（这里副本数指的是通过 deployment 部署的 pod 的副本数）,（2）将所有 Pod 的平均 CPU 使用率维持在 50％（通过 kubectl run 运行的每个 pod 如果是 200毫核，这意味着平均 CPU 利用率为 100 毫核）,创建：,查看：,
,可以看到cpu目标及当前状态，最大、最小、当前副本数。,重新打开一个master节点的终端，进行如下操作：,在原master终端查看hpa情况：,
,
,可以看到平均cpu使用率达到了98%，副本数已经变为5个。,注意：可能需要几分钟来稳定副本数。由于不以任何方式控制负载量，因此最终副本数可能会与此示例不同。,停止向 php-apache 这个服务发送查询请求，在 busybox 镜像创建容器的终端中，通过 Ctrl+ C 把刚才 while 请求停止，然后，我们将验证结果状态（大约一分钟后）：,
,可以看到平均cpu使用率降为0%，副本数降为1。,nginx 服务正在运行，使用 kubectl autoscale 创建自动缩放器，实现对 nginx 这个deployment 创建的 pod 自动扩缩容，下面的命令将会创建一个 HPA，HPA 将会根据内存资源指标增加或减少副本数，创建一个可以实现如下目的的 hpa：,（1）让副本数维持在 1-10 个之间（这里副本数指的是通过 deployment 部署的 pod 的副本数）,（2）将所有 Pod 的平均内存使用率维持在 60％,hpa-v1.yaml 内容如下：,
,可以看到当前内存使用率、目标内存使用率，最大、最小、当前副本数。,使用master节点的终端2登录到上面通过 pod 创建的 nginx，并生成一个文件，增加内存,使用终端1查看hpa情况：,
,可以看到平均内存使用率达到了238%，，副本数达到了4个。,到终端2使用 Ctrl + C 中断dd进程，删除/tmp/a这个文件,在终端1查看hpa的情况：,
,可以看到平均内存使用率已经降到5%，副本数也降为1。（需要等几分钟才能看到）,项目地址：https://github.com/kubernetes/autoscaler,在以下情况下，集群自动扩容或者缩放：,
扩容：由于资源不足，某些 Pod 无法在任何当前节点上进行调度。,
缩容: Node 节点资源利用率较低时，且此 node 节点上存在的 pod 都能被重新调度到其他 node节点上运行。,1、节点上有 pod 被 PodDisruptionBudget 控制器限制。,2、节点上有命名空间是 kube-system 的 pods。,3、节点上的 pod 不是被控制器创建，例如不是被 deployment, replica set, job, stateful set 创建。,4、节点上有 pod 使用了本地存储。,5、节点上 pod 驱逐后无处可去，即没有其他 node 能调度这个 pod。,6、节点有注解：“cluster-autoscaler.kubernetes.io/scale-down-disabled”: “true”(在 CA 1.0.3 或更高版本中受支持)。,Horizontal Pod Autoscaler 会根据当前 CPU 负载更改部署或副本集的副本数。如果负载增加，则 HPA 将创建新的副本，集群中可能有足够的空间，也可能没有足够的空间。如果没有足够的资源，CA将尝试启动一些节点，以便 HPA 创建的 Pod 可以运行。如果负载减少，则 HPA 将停止某些副本。结果，某些节点可能变得利用率过低或完全为空，然后 CA 将终止这些不需要的节点。,
