3个自动伸缩机制，帮你降低Kubernetes的成本

我会带着你远行 2022-10-12 00:45 159阅读 0赞

![04a580008d597fd7fc3635d51cdba006.png][]

**目录**

1.Pod水平自动扩缩(HPA)

何时使用 HPA？

HPA 是如何工作的？

HPA 最佳实践

2. Pod垂直自动扩缩 (VPA)

何时使用 VPA？

VPA 是如何工作的？

VPA 最佳实践

3. Cluster Autoscaler(CA)

何时使用集群自动扩缩器？

Cluster Autoscaler 如何工作？

集群自动扩缩器最佳实践

总结

--------------------

从技术上讲，容器化应该帮助组织更具有成本效益，但Kubernetes到处布满了成本陷阱，可能会使你超出预算。幸运的是，有一些策略可以控制云成本，自动伸缩就是其中之一。Kubernetes带有三个内置的自动伸缩机制来帮助你做到这一点。它们配合得越好，运行应用程序的成本就越低。

## 1.Pod水平自动扩缩(HPA) ##

Pod 水平自动扩缩（HorizontalpodAutoscaler） 可以基于CPU利用率自动扩缩 ReplicationController、Deployment、ReplicaSet 和 StatefulSet 中的pod数量。 除了CPU利用率，也可以基于其他应程序提供的 [自定义度量指标][Link 1] 来执行自动扩缩。

生产环境中，许多应用程序的使用情况会出现波动，这意味着实时添加或删除pod副本会带来更好的成本收益。这就是 HorizontalpodAutoscaler (HPA) 通过自动执行此操作来提供帮助的地方。

### 何时使用 HPA？ ###

它非常适合扩展无状态应用程序，但也适合有状态应用。如果将 HPA 与Cluster Autoscaler(CA)结合使用，能够为经常变化的工作负载获得最大的成本节约。当pod数量减少时，这将减少活动节点的数量。

### HPA 是如何工作的？ ###

HPA 监控pod以了解pod副本的数量是否需要更改。为了确定这一点，它采用每个pod指标值的平均值，并检查删除或添加副本，是否会使该值更接近目标。

例如，如果你部署的目标CPU利用率为50%，而现在你有五个pod在那里运行，则平均CPU利用率为 75%。为了使pod平均值更接近你的目标，HPA 控制器将增加三个副本。

### HPA 最佳实践 ###

*  **为 HPA 提供每个pod资源指标**：需要在Kubernetes集群中安装 metrics-server。
 *  **为每个容器配置值**： HPA 根据观察到的pod的CPU利用率值（来自单个pod的资源请求的百分比）做出扩展决策。如果你没有包含某些容器的值，则计算将不准确并可能导致出现糟糕的扩展决策。
 *  **使用自定义指标**： HPA 扩展决策的另一个来源是自定义指标。HPA 支持两种类型的自定义指标：pod 指标和对象指标。确保使用正确的目标类型。你还可以使用来自第三方监控系统的外部指标。

![41f1eb421847a84da9ff93045ae2b54f.png][]

## 2. Pod垂直自动扩缩 (VPA) ##

Vertical Pod Autoscaler(VPA)，即垂直 Pod 自动扩缩容，它根据容器资源使用率自动设置 CPU 和 内存 的requests，从而允许在节点上进行适当的调度，以便为每个 Pod 提供适当的资源。它既可以缩小过度请求资源的容器，也可以根据其使用情况随时提升资源不足的容量。

这种自动缩放机制增加和减少了pod容器的CPU和内存资源请求，以使分配的集群资源与实际使用情况保持一致。VPA 还需要访问Kubernetes指标服务器，因为它仅替换由副本控制器管理(Replication Controller)的pod。

**提示：**

> 如果你的 HPA 配置没有使用CPU或内存来设置其扩展目标，请同时使用 VPA 和 HPA。

### 何时使用 VPA？ ###

工作负载可能会在某个时候遇到高利用率，但不断增加其请求限制，不是一个好办法。你可能会浪费CPU或内存资源并限制运行它们的节点。将工作负载分布到多个应用程序实例有时候也是很棘手的，这就是 Vertical Pod Autoscaler 的帮助所在。

### VPA 是如何工作的？ ###

VPA 部署由三个组件组成：

*  **Recommender** : 监控资源利用率并计算目标值，也就是检查历史资源利用率和当前使用的模式，并推荐一个理想的资源请求值
 *  **Updater** : 检查pods 资源限制是否需要更新
 *  **Admission Controller**：在创建pod时覆盖其资源请求

由于Kubernetes不允许更改正在运行的pod的资源限制，因此 VPA 首先终止旧的pod，然后将更新的值注入新的pod规范。

### VPA 最佳实践 ###

*  **避免在Kubernetes的1.11版本之前使用**。
 *  **使用updateMode:Off运行 VPA**，以了解你要自动缩放的pod的资源使用情况。这将为你提供推荐的CPU和内存请求，也是以后调整的重要基础。
 *  **如果工作负载经常出现高使用率和低使用率的峰值**，则 VPA 可能会过于激进，因为它可能会不断地一遍又一遍地替换pod。在这种情况下，**使用HPA 效果更好**。

## 3. Cluster Autoscaler(CA) ##

Cluster Autoscaler 在K8S集群中，通过增加/删除其中的Node，达到集群扩缩容的目的。由于 Cluster Autoscaler 控制器工作在基础设施级别，因此它需要具备添加和删除基础设施的权限，你应该安全地管理这些授权信息（例如，遵循最小权限原则）。

### 何时使用集群自动扩缩器？ ###

如果你希望通过动态扩展节点数量，以最大化当前集群利用率来优化成本，则此自动扩展机制非常有效。对于旨在扩展和满足动态需求的工作负载而言，它是一款出色的工具。

### Cluster Autoscaler 如何工作？ ###

它会检查不可调度的pod，然后计算是否可以整合当前部署的所有pod，以在较少数量的节点上运行它们。如果 Cluster Autoscaler 识别出具有可以重新调度到集群中其他节点的pod的节点，它会驱逐它们并删除备用节点。

### 集群自动扩缩器最佳实践 ###

*  **部署 Cluster Autoscaler 时，要与之相匹配的Kubernetes版本一起使用**。（[兼容性列表][Link 2]）。
 *  **检查集群节点是否具有相同的CPU和内存容量**：否则集群自动缩放器将无法工作，因为它假设集群中的每个节点都具有相同的容量。
 *  **确保自动缩放的pod都具有指定的资源请求**。

## 总结 ##

自动缩放机制对于控制云成本非常有价值，但它们需要大量的手动配置：

*  防止 HPA 和 VPA 冲突：你需要检查你的 HPA 和 VPA 策略是否最终发生冲突。密切关注成本，以防止它们失控。
 *  平衡三种机制：你需要平衡三种机制的组合，以确保工作负载支持峰值负载，并在负载较低时将成本保持在最低水平。

译文链接:[https://thenewstack.io/reduce-kubernetes-costs-using-autoscaling-mechanisms/][https_thenewstack.io_reduce-kubernetes-costs-using-autoscaling-mechanisms]

[04a580008d597fd7fc3635d51cdba006.png]: /images/20221005/9c7d019e19674777952fb44122a02df0.png
[Link 1]: https://git.k8s.io/community/contributors/design-proposals/instrumentation/custom-metrics-api.md
[41f1eb421847a84da9ff93045ae2b54f.png]: /images/20221005/6c3b8cad13e34a9295d33d70c98b43d4.png
[Link 2]: https://github.com/kubernetes/autoscaler/tree/master/cluster-autoscaler#releases
[https_thenewstack.io_reduce-kubernetes-costs-using-autoscaling-mechanisms]: https://thenewstack.io/reduce-kubernetes-costs-using-autoscaling-mechanisms/