如何实现K8s Pod自定义指标弹性伸缩

弹性伸缩介绍

自动弹性伸缩(AutoScaling)，是Kubernetes的一大功能和亮点。在OpenStack IaaS云计算中也有类似的服务，即Senlin。即基于资源使用情况自动弹性缩容和扩容工作负载。Kubernetes的自动弹性伸缩有两个维度：

• Cluster Autoscaler：处理K8s集群Node节点伸缩，该功能依赖于IaaS云提供商云主机服务和资源监控服务。
• Horizontal Pod Autoscaler（HPA）：处理Pod自动弹性伸缩副本集，该功能依赖于监控服务采集到的资源指标数据。

简言之，Cluster Autoscaling和Horizontal Pod Autoscaler（HPA）可用于动态调整计算能力以满足系统SLA的要求。

通常，扩/缩容都是根据内存或者CPU资源的使用率实现，但是现实中，很多时候扩/缩容的依据通常是业务监控指标。如何根据业务监控指标来进行扩/缩容，将是本文探讨的内容。

自Kubernetes 1.11版本起，K8s资源采集指标由Resource Metrics API（Metrics Server 实现）和Custom metrics api（Prometheus实现）两种API实现，传统Heapster监控被废弃。前者主要负责采集Node、Pod的核心资源数据，如内存、CPU等；而后者则主要负责自定义指标数据采集，如网卡流量，磁盘IOPS、HTTP请求数、数据库连接数等。

Custom Metrics Server介绍

前面已提过，自heapster被废弃以后，所有的指标数据都从API接口中获取，由此kubernetes将资源指标分为了两种：

• Core metrics(核心指标)：由metrics-server提供API，即 metrics.k8s.io，仅提供Node和Pod的CPU和内存使用情况。
• Custom Metrics(自定义指标)：由Prometheus Adapter提供API，即 custom.metrics.k8s.io，由此可支持任意Prometheus采集到的自定义指标。

想让K8s的HPA，获取核心指标以外的其它自定义指标，则必须部署一套prometheus监控系统，让prometheus采集其它各种指标，但是prometheus采集到的metrics并不能直接给k8s用，因为两者数据格式不兼容，还需要另外一个组件(kube-state-metrics)，将prometheus的metrics数据格式转换成k8s API接口能识别的格式，转换以后，因为是自定义API，所以还需要用Kubernetes aggregator在Master节点上的kube-apiserver中注册，以便直接通过/apis/来访问。

Custom Metrics组件介绍

• node-exporter：prometheus的agent端，收集Node级别的监控数据。
• prometheus：监控服务端，从node-exporter拉取数据并存储为时序数据。
• kube-state-metrics： 将prometheus中可以用PromQL查询到的指标数据转换成k8s对应的数据格式，即转换成Custerom Metrics API接口格式的数据，但是它不能聚合进apiserver中的功能。
• k8s-prometheus-adpater：聚合apiserver，即提供了一个apiserver（cuester-metrics-api），自定义APIServer通常都要通过Kubernetes aggregator聚合到apiserver。

Custom Metrics部署

获取部署文件

# git clone https://github.com/stefanprodan/k8s-prom-hpa # cd k8s-prom-hpa/

创建monitoring命名空间

# kubectl create -f ./namespaces.yaml

编辑prometheus部署文件

# vim ./prometheus/prometheus-dep.yaml image: prom/prometheus:v2.1.0 //修改为image: prom/prometheus:v2.5.0

将 Prometheus部署到monitoring命名空间

# kubectl create -f ./prometheus

生成由Prometheus adapter所需的TLS证书

# make certs

编辑custom-metrics-apiserve部署文件

# vim ./custom-metrics-api/custom-metrics-apiserver-deployment.yaml - --prometheus-url=http://prometheus.monitoring.svc.cluster.local:9090/ //将该参数修改为Prometheus的 service域名地址 image: quay.io/coreos/k8s-prometheus-adapter-amd64:v0.2.0 //修改为image: quay.io/coreos/k8s-prometheus-adapter-amd64:v0.4.1

部署Prometheus自定义api适配器

# kubectl create -f ./custom-metrics-api

列出由prometheus提供的自定义指标

# kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1" | jq .

查看创建的namespace

# kubectl get namespace NAME STATUS AGE default Active 10d kube-public Active 10d kube-system Active 10d monitoring Active 6d23h

查看创建的pod

# kubectl get pods -n monitoring NAME READY STATUS RESTARTS AGE custom-metrics-apiserver-855cbf8644-6qhmv 1/1 Running 0 2d21h prometheus-788f78d959-xs74p 1/1 Running 0 2d21h

查看创建的service

# kubectl get svc -n monitoring NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE custom-metrics-apiserver ClusterIP 10.233.7.116 <none> 443/TCP 2d21h prometheus NodePort 10.233.49.23 <none> 9090:30090/TCP 2d21h

到了这里，我们便可以通过 http://节点IP:30090方式访问Prometheus页面。

查看新创建的api群组

# kubectl api-versions | grep metrics custom.metrics.k8s.io/v1beta1 metrics.k8s.io/v1beta1

列出由prometheus提供的自定义指标

# yum -y install jq # kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1" | jq . { "kind": "APIResourceList", "apiVersion": "v1", "groupVersion": "custom.metrics.k8s.io/v1beta1", "resources": [.............] //输出信息太多，此处省略 }

列示Pod 上的Prometheus 适配器所提供的缺省定制指标。

# kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1" | jq . |grep "pods/"

获取monitoring命名空间中所有pod的fs_usage_bytes信息

# kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1/namespaces/monitoring/pods/*/fs_usage_bytes" | jq . { "kind": "MetricValueList", "apiVersion": "custom.metrics.k8s.io/v1beta1", "metadata": { "selfLink": "/apis/custom.metrics.k8s.io/v1beta1/namespaces/monitoring/pods/%2A/fs_usage_bytes" }, "items": [ { "describedObject": { "kind": "Pod", "namespace": "monitoring", "name": "custom-metrics-apiserver-855cbf8644-6qhmv", "apiVersion": "/__internal" }, "metricName": "fs_usage_bytes", "timestamp": "2019-01-15T14:14:22Z", "value": "233570304" }, { "describedObject": { "kind": "Pod", "namespace": "monitoring", "name": "prometheus-788f78d959-xs74p", "apiVersion": "/__internal" }, "metricName": "fs_usage_bytes", "timestamp": "2019-01-15T14:14:22Z", "value": "36864" } ] }

验证

创建一个使用Custom Metrics APIs的Pod，来验证自定义指标弹性伸缩功能。

# cd k8s-prom-hpa/

podinfo 应用暴露了一个自定义的度量指标：http_requests_total。Prometheus adapter（即 custom-metrics-apiserver）删除了 _total 后缀并将该指标标记为 counter metric。

在default命名空间中创建podinfo服务，podinfo应用程序暴露了一个自定义的指标，即http_requests。

# kubectl create -f ./podinfo/podinfo-svc.yaml,./podinfo/podinfo-dep.yaml

从自定义指标API获取每秒的总请求数:

# kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1/namespaces/default/pods/*/http_requests" | jq .

m代表milli-units，例如，901m 意味着901 milli-requests （就是大约0.9个请求）。

创建一个HPA，如果请求数超过每秒10，将扩容podinfo这个Pod的副本数。

# kubectl create -f ./podinfo/podinfo-hpa-custom.yaml

过几秒钟HPA从自定义指标API取得http_requests的值：

# kubectl get hpa NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE podinfo Deployment/podinfo 899m / 10 2 10 2 1m

用每秒25次请求数给podinfo服务加压
安装hey

# go get -u github.com/rakyll/hey # hey -n 10000 -q 5 -c 5 http://<K8S-IP>:31198/healthz

几分钟后，HPA开始扩容该Pod副本数。

# kubectl describe hpa Name: podinfo Namespace: default Reference: Deployment/podinfo Metrics: ( current / target ) "http_requests" on pods: 9059m / 10 Min replicas: 2 Max replicas: 10 Events: Type Reason Age From Message ---- ------ ---- ---- ------- Normal SuccessfulRescale 2m horizontal-pod-autoscaler New size: 3; reason: pods metric http_requests above target

可看到，在当前压力测试下，Pod副本将自动扩容到三副本，但不会超过10副本这个最大值。同时三副本Pod已经满足当前负载。

负载测试结束后，HPA向下自动缩容到1个副本Pod。

Events: Type Reason Age From Message ---- ------ ---- ---- ------- Normal SuccessfulRescale 5m horizontal-pod-autoscaler New size: 3; reason: pods metric http_requests above target Normal SuccessfulRescale 21s horizontal-pod-autoscaler New size: 2; reason: All metrics below target

后续

custom metrics大大丰富了K8s pod弹性伸缩的能力，使K8s Pod AutoScaling从资源伸缩向业务应用伸缩方向转变成为现实。限于篇幅，后面将介绍部署Grafana+Influxdb集成Prometheus可视化查看K8s集群资源使用情况。

此外，在生产环境中，应当使用NFS、hostPath等方式持久化存储Prometheus监控数据。

参考资料：
https://github.com/stefanprodan/k8s-prom-hpa

转载自：https://xuchao918.github.io/2019/01/10/如何实现K8s-Pod自定义指标弹性伸缩/