一、什么是HPA
1、HPA伸缩过程
2、HPA进行伸缩算法
二、HPA实例
创建HPA
1、压力测试
2、同时监控cpu和memory
HPA的全称为（Horizontal Pod Autoscaling）它可以根据当前pod资源的使用率（如CPU、磁盘、内存等），进行副本数的动态的扩容与缩容，以便减轻各个pod的压力。当pod负载达到一定的阈值后，会根据扩缩容的策略生成更多新的pod来分担压力，当pod的使用比较空闲时，在稳定空闲一段时间后，还会自动减少pod的副本数量。
官网：https://kubernetes.io/zh/docs/tasks/run-application/horizontal-pod-autoscale-walkthrough/
1、HPA伸缩过程
收集HPA控制下所有Pod最近的cpu使用情况（CPUutilization）
对比在扩容条件里记录的cpu限额（CPUUtilization）
调整实例数（必须要满足不超过最大/最小实例数）
每隔30s做一次自动扩容的判断
CPU utilization的计算方法是用cpu usage（最近一分钟的平均值，通过metrics可以直接获取到）除以cpu request（这里cpu request就是我们在创建容器时制定的cpu使用核心数）得到一个平均值，这个平均值可以理解为：平均每个Pod CPU核心的使用占比。
2、HPA进行伸缩算法
计算公式：TargetNumOfPods = ceil(sum(CurrentPodsCPUUtilization) / Target)
ceil()表示取大于或等于某数的最近一个整数
每次扩容后冷却3分钟才能再次进行扩容，而缩容则要等5分钟后。
当前Pod Cpu使用率与目标使用率接近时，不会触发扩容： 触发条件：avg(CurrentPodsConsumption) / Target >1.1 或 <0.9
仓库上传所需的镜像 
创建hpa目录 编辑hpa.yaml资源清单
配置启动一个 Deployment 控制器来运行这个镜像并暴露一个服务
apiVersion: apps/v1
kind: Deployment
metadata:
name: php-apache
spec:
selector:
matchLabels:
run: php-apache
replicas: 1
template:
metadata:
labels:
run: php-apache
spec:
containers:
- name: php-apache
image: hpa-example
ports:
- containerPort: 80
resources:
limits:
cpu: 500m
requests:
cpu: 200m
---
apiVersion: v1
kind: Service
metadata:
name: php-apache
labels:
run: php-apache
spec:
ports:
- port: 80
selector:
run: php-apache
查看pod信息running php-apache服务地址为10.244.141.208
现在，php-apache 服务器已经运行，我们将通过 kubectl autoscale 命令创建 Horizontal Pod Autoscaler。 以下命令将创建一个 Horizontal Pod Autoscaler 用于控制我们上一步骤中创建的 Deployment，使 Pod 的副本数量维持在 1 到 10 之间。 大致来说，HPA 将（通过 Deployment）增加或者减少 Pod 副本的数量以保持所有 Pod 的平均 CPU 利用率在 50% 左右。由于每个 Pod 请求 200 毫核的 CPU，这意味着平均 CPU 用量为 100 毫核。
kubectl autoscale deployment php-apache --cpu-percent=50（cpu使用率上限为50%） --min=1 （最少为一个pod）--max=10（最多为10个pod）
查看 Autoscaler 的状态 可以看到目前只创建了一个pod 请注意当前的 CPU 利用率是 0%，这是由于我们尚未发送任何请求到服务器 （CURRENT 列显示了相应 Deployment 所控制的所有 Pod 的平均 CPU 利用率）。
启动一个容器并通过一个循环向php-apache服务器发送无限请求 模拟大流量高负压的访问 每0.01秒访问一次服务 如果hpa生效 会适应性增减pod副本的数量以保持每个pod的cpu平均使用率在50%左右 资源清单中我们设置了cpu的最低需求为200m 这里定义cpu的50%实际为100m
重新开启server2终端查看
一分钟时间左右之后，通过以下命令，我们可以看到 CPU 负载升高了 这时，由于请求增多，CPU 利用率已经升至请求值的 124%。 可以看到，Deployment 的副本数量已经增长到了5
说明： 有时最终副本的数量可能需要几分钟才能稳定下来。由于环境的差异， 不同环境中最终的副本数量可能与本示例中的数量不同。
可以看到在hpa的作用下 pod副本增加到了6个 来维持50%的cpu使用率 查看hpa信息 可以看到现在cpu平均使用率为49% 接近50% 100m
通过访问svc 负载到新的pod上 查看php-apache服务器负载了6个pod
停止负载
我们将通过停止负载来结束我们的示例。输入<Ctrl> + C 来终止负载的产生
再次检查负载状态（等待几分钟时间）
压力测试结束 现在CPU 利用率已经降到 0，但是副本的数量还是6 这是因为压力刚结束要预防压力再次回升。
说明： 自动扩缩完成副本数量的改变可能需要几分钟的时间。 HPA 最后将自动缩减副本数量至 1
实验完成后删除hpa.yaml文件 清理实验环境
如果要同时对cpu和内存进行hpa伸缩监控，需要将hpa升级到v2版本 利用 autoscaling/v2beta2 API 版本，你可以在自动扩缩 php-apache 这个 Deployment 时使用其他度量指标。这里我们利用资源清单的方式创建 将hpa的版本设置为apiVersion: autoscaling/v2beta2
apiVersion: apps/v1
kind: Deployment
metadata:
name: php-apache
spec:
selector:
matchLabels:
run: php-apache
replicas: 1
template:
metadata:
labels:
run: php-apache
spec:
containers:
- name: php-apache
image: hpa-example
ports:
- containerPort: 80
resources:
limits:
cpu: 500m
requests:
cpu: 200m
---
apiVersion: v1
kind: Service
metadata:
name: php-apache
labels:
run: php-apache
spec:
ports:
- port: 80
selector:
run: php-apache
---
apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
name: hpa-example
spec:
maxReplicas: 10
minReplicas: 1
scaleTargetRef:
apiVersion: apps/v1
kind: Deployment
name: php-apache
metrics:
- type: Resource
resource:
name: cpu
target:
averageUtilization: 60
type: Utilization
- type: Resource
resource:
name: memory
target:
averageValue: 50Mi
type: AverageValue
运行应用 查看hpa 可以看到同时监控cpu和内存
实验完成后删除hpa.yaml文件 清理实验环境