Kubeless如何基于CPU自动伸缩

共计 6071 个字符，预计需要花费 16 分钟才能阅读完成。

Kubeless 如何基于 CPU 自动伸缩，针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。

自动伸缩是 Serverless 的最大卖点之一。

Kubless 的自动伸缩功能基于 Kubernetes 的 HPA（HorizontalPodAutoscaler）功能实现。

目前，kubeless 中的函数支持基于 cpu 和 qps 这两种指标进行自动伸缩。

如何将演示基于 cpu 指标进行自动伸缩。

环境说明

操作系统：macOS

Kubernetes 版本：v1.15.5

Kubeless 版本：v1.0.7

了解如何设置 autoscale

可以先通过 kubeless 命令行了解如何使用 autoscale。

kubeless autoscale 命令帮助文档如下：

$ kubeless help autoscale
autoscale command allows user to list, create, delete autoscale rule for function on Kubeless

 kubeless autoscale SUBCOMMAND [flags]
 kubeless autoscale [command]

Available Commands:
 create automatically scale function based on monitored metrics
 delete delete an autoscale from Kubeless
 list list all autoscales in Kubeless

Use  kubeless autoscale [command] --help  for more information about a command.

kubeless autoscale create 命令帮助文档如下：

$ kubeless autoscale create --help
automatically scale function based on monitored metrics

 -h, --help help for create
 --max int32 maximum number of replicas (default 1)
 --metric string metric to use for calculating the autoscale. Supported metrics: cpu, qps (default  cpu)
 --min int32 minimum number of replicas (default 1)
 -n, --namespace string Specify namespace for the autoscale
 --value string value of the average of the metric across all replicas. If metric is cpu, value is a number represented as percentage. If metric is qps, value must be in format of Quantity

安装 Metrics Server

要使用 HPA，就需要在集群中安装 Metrics Server 服务，否则 HPA 无法获取指标，自然也就无法进行扩容缩容。

可以使用如下命令检查是否安装了 Metrics Server，如果没有安装，那么需要安装它。

$ kubectl api-versions|grep metrics

1、这里要先下载  metrics-server 的  components.yaml：

$ curl -L https://github.com/kubernetes-sigs/metrics-server/releases/download/v0.3.6/components.yaml --output components.yaml

2、然后在 components.yaml 文件的 88 行的 args 下面添加参数  –kubelet-insecure-tls，否则 metrics-server 启动报错：

3、最后再使用 kubectl apply 命令安装 Metrics Server：

$ kubectl apply -f components.yaml
clusterrole.rbac.authorization.k8s.io/system:aggregated-metrics-reader created
clusterrolebinding.rbac.authorization.k8s.io/metrics-server:system:auth-delegator created
rolebinding.rbac.authorization.k8s.io/metrics-server-auth-reader created
apiservice.apiregistration.k8s.io/v1beta1.metrics.k8s.io created
serviceaccount/metrics-server created
deployment.apps/metrics-server created
service/metrics-server created
clusterrole.rbac.authorization.k8s.io/system:metrics-server created
clusterrolebinding.rbac.authorization.k8s.io/system:metrics-server created

4、再次确认 metrics-server 是否安装成功：

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

基于 cpu 进行自动伸缩

依旧使用那个熟悉的 Python 代码：

# test.py
def hello(event, context):
 print event
 return event[data]

创建 hello 函数，加上 cpu 参数和 memory 参数，以便 HPA 可以根据 cpu 指标进行扩容缩容：

$ kubeless function deploy hello --runtime python2.7 --from-file test.py --handler test.hello --cpu 200m --memory 200M
INFO[0000] Deploying function... 
INFO[0000] Function hello submitted for deployment 
INFO[0000] Check the deployment status executing  kubeless function ls hello

查看函数状态：

$ kubeless function ls hello
NAME NAMESPACE HANDLER RUNTIME DEPENDENCIES STATUS 
hello default test.hello python2.7 1/1 READY

使用 kubeless 为函数 hello 创建 autoscale：

$ kubeless autoscale create hello --metric=cpu --min=1 --max=20 --value=60
INFO[0000] Adding autoscaling rule to the function... 
INFO[0000] Autoscaling rule for hello submitted for deployment

使用 kubectl proxy 创建反向代理，以便可以通过 http 访问函数：

$ kubectl proxy -p 8080

接下来对函数进行压力测试，这里使用 ab，它是 apache 自带的压力测试工具，macOS 默认安装了 apache，直接可以使用。

使用 ab 工具进行压力测试：

$ ab -n 3000 -c 8 -t 300 -k -r  http://127.0.0.1:8080/api/v1/namespaces/default/services/hello:http-function-port/proxy/

使用 kubectl get hpa -w 命令观察 HPA 的状态，可以看到副本数会根据指标的大小进行变化，压力大的时候副本量会随着递增，等到压力小了副本量会递减：

$ kubectl get hpa -w
NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE
hello Deployment/hello 0%/60% 1 20 1 30m
hello Deployment/hello 95%/60% 1 20 1 32m
hello Deployment/hello 95%/60% 1 20 2 33m
hello Deployment/hello 77%/60% 1 20 2 33m
hello Deployment/hello 77%/60% 1 20 3 34m
hello Deployment/hello 63%/60% 1 20 3 34m
hello Deployment/hello 62%/60% 1 20 3 36m
hello Deployment/hello 71%/60% 1 20 3 37m
hello Deployment/hello 71%/60% 1 20 4 37m
hello Deployment/hello 0%/60% 1 20 4 38m
hello Deployment/hello 0%/60% 1 20 4 42m
hello Deployment/hello 0%/60% 1 20 1 43m

使用 kubectl get pod -w 命令观察也可以看到自动伸缩时 Pod 的数量及状态变化：

$ kubectl get pod -w
NAME READY STATUS RESTARTS AGE
hello-67b44c7585-5t9g4 1/1 Running 0 21h
hello-67b44c7585-d9w7j 0/1 Pending 0 0s
hello-67b44c7585-d9w7j 0/1 Pending 0 0s
hello-67b44c7585-d9w7j 0/1 Init:0/1 0 0s
hello-67b44c7585-d9w7j 0/1 PodInitializing 0 2s
hello-67b44c7585-d9w7j 1/1 Running 0 6s
hello-67b44c7585-fctgq 0/1 Pending 0 0s
hello-67b44c7585-fctgq 0/1 Pending 0 0s
hello-67b44c7585-fctgq 0/1 Init:0/1 0 0s
hello-67b44c7585-fctgq 0/1 PodInitializing 0 2s
hello-67b44c7585-fctgq 1/1 Running 0 3s
hello-67b44c7585-ht784 0/1 Pending 0 0s
hello-67b44c7585-ht784 0/1 Pending 0 0s
hello-67b44c7585-ht784 0/1 Init:0/1 0 0s
hello-67b44c7585-ht784 0/1 PodInitializing 0 2s
hello-67b44c7585-ht784 1/1 Running 0 3s
hello-67b44c7585-wfcg9 0/1 Pending 0 0s
hello-67b44c7585-wfcg9 0/1 Pending 0 0s
hello-67b44c7585-wfcg9 0/1 Init:0/1 0 0s
hello-67b44c7585-wfcg9 0/1 PodInitializing 0 2s
hello-67b44c7585-wfcg9 1/1 Running 0 3s
hello-67b44c7585-fctgq 1/1 Terminating 0 8m53s
hello-67b44c7585-ht784 1/1 Terminating 0 7m52s
hello-67b44c7585-wfcg9 1/1 Terminating 0 5m50s
hello-67b44c7585-d9w7j 1/1 Terminating 0 9m54s
hello-67b44c7585-fctgq 0/1 Terminating 0 9m24s
hello-67b44c7585-ht784 0/1 Terminating 0 8m23s
hello-67b44c7585-fctgq 0/1 Terminating 0 9m25s
hello-67b44c7585-fctgq 0/1 Terminating 0 9m25s
hello-67b44c7585-fctgq 0/1 Terminating 0 9m25s
hello-67b44c7585-d9w7j 0/1 Terminating 0 10m
hello-67b44c7585-d9w7j 0/1 Terminating 0 10m
hello-67b44c7585-ht784 0/1 Terminating 0 8m24s
hello-67b44c7585-wfcg9 0/1 Terminating 0 6m22s
hello-67b44c7585-d9w7j 0/1 Terminating 0 10m
hello-67b44c7585-d9w7j 0/1 Terminating 0 10m
hello-67b44c7585-d9w7j 0/1 Terminating 0 10m
hello-67b44c7585-wfcg9 0/1 Terminating 0 6m29s
hello-67b44c7585-wfcg9 0/1 Terminating 0 6m29s
hello-67b44c7585-ht784 0/1 Terminating 0 8m31s
hello-67b44c7585-ht784 0/1 Terminating 0 8m31s

关于 Kubeless 如何基于 CPU 自动伸缩问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注丸趣 TV 行业资讯频道了解更多相关知识。