2. 首页 > Kubernetes教程 > 正文

Kubernetes教程FG068-Kubernetes水平Pod自动缩放（HPA）实战

教程整理：风哥教程  |  更新时间：2026-03-12  |  教程分类：Kubernetes教程  |  文档学习：15

内容简介

本篇文章主要介绍Kubernetes中水平Pod自动缩放（HPA）的配置与使用方法。风哥教程参考Kubernetes官方文档HPA相关内容，结合生产环境实际操作场景，详细讲解HPA的配置方法、缩放策略以及最佳实践。

目录大纲

Part01-基础概念与理论知识

1.1 HPA概述

水平Pod自动缩放（Horizontal Pod Autoscaler，HPA）是Kubernetes中用于自动调整Pod数量的控制器，它可以：

  • 根据资源使用情况自动缩放：根据CPU、内存等资源的使用情况自动调整Pod数量
  • 维持应用性能：当负载增加时，自动增加Pod数量；当负载减少时，自动减少Pod数量
  • 提高资源利用率：根据实际需求分配资源，避免资源浪费

1.2 HPA工作原理

HPA的工作原理如下：

  • 监控指标：定期收集Pod的资源使用指标
  • 计算需求：根据设定的目标值计算所需的Pod数量
  • 调整副本数：根据计算结果调整Deployment或ReplicaSet的副本数
  • 持续监控：持续监控资源使用情况，动态调整Pod数量

Part02-生产环境规划与建议

2.1 自动缩放策略

  • 目标值设置：
    • CPU：一般设置为50-70%，避免资源浪费和性能下降
    • 内存：一般设置为60-80%，考虑内存使用的特性
  • 缩放范围：
    • 最小副本数：确保基本可用性
    • 最大副本数：考虑集群资源限制

    • ，风哥提示：。

  • 缩放行为：
    • 缩放冷却时间：避免频繁缩放
    • 缩放步长：控制每次缩放的数量

2.2 资源配置建议

  • 设置资源请求和限制：为Pod设置合理的资源请求和限制
  • 配置监控：确保监控系统正常工作，提供准确的指标数据
  • 测试缩放策略：在生产环境部署前，测试缩放策略的有效性
  • 考虑应用启动时间：对于启动时间较长的应用，应适当调整缩放策略

Part03-生产环境项目实施方案

3.1 HPA配置

配置HPA，风哥提示：。

创建Deployment

# 创建Deployment配置文件
[root@fgedu-master ~]# cat > deployment-hpa.yaml << EOF apiVersion: apps/v1 kind: Deployment metadata: name: fgedu-app namespace: default spec: replicas: 3 selector: matchLabels: app: fgedu-app template: metadata: labels: app: fgedu-app spec: containers: - name: fgedu-app image: nginx:latest ports: - containerPort: 80 resources: requests: cpu: 200m memory: 256Mi limits: cpu: 500m memory: 512Mi EOF
# 应用Deployment配置
[root@fgedu-master ~]# kubectl apply -f deployment-hpa.yaml

deployment.apps/fgedu-app created

创建HPA

# 创建HPA配置文件
[root@fgedu-master ~]# cat > hpa.yaml << EOF apiVersion: autoscaling/v2 kind: HorizontalPodAutoscaler metadata: name: fgedu-hpa，学习交流加群风哥微信: itpux-com。 namespace: default spec:scaleTargetRef: apiVersion: apps/v1 kind: Deployment name: fgedu-app minReplicas: 2 maxReplicas: 10 metrics: - type: Resource resource: name: cpu target: type: Utilization averageUtilization: 50 EOF
# 应用HPA配置
[root@fgedu-master ~]# kubectl apply -f hpa.yaml

horizontalpodautoscaler.autoscaling/fgedu-hpa created

查看HPA状态

# 查看HPA状态
[root@fgedu-master ~]# kubectl get hpa

NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE
fgedu-hpa Deployment/fgedu-app 0%/50% 2 10 3 1m

3.2 基于CPU的自动缩放

测试基于CPU的自动缩放。

增加负载

# 创建负载测试Pod
[root@fgedu-master ~]# kubectl run -i –tty load-generator –image=busybox /bin/sh

# 在负载测试Pod中执行负载测试
/ # while true; do wget -q -O- http://fgedu-app.default.svc.cluster.local; done

查看HPA状态

# 查看HPA状态
[root@fgedu-master ~]# kubectl get hpa -w

NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE
fgedu-hpa Deployment/fgedu-app 0%/50% 2 10 3 1m
fgedu-hpa Deployment/fgedu-app 30%/50% 2 10 3 2m
fgedu-hpa Deployment/fgedu-app 60%/50% 2 10 3 3m
fgedu-hpa Deployment/fgedu-app 70%/50% 2 10 5 4m
fgedu-hpa Deployment/fgedu-app 65%/50% 2 10 7 5m
fgedu-hpa Deployment/fgedu-app 55%/50% 2 10 8 6m
fgedu-hpa Deployment/fgedu-app 50%/50% 2 10 10 7m

3.3 基于内存的自动缩放

配置基于内存的自动缩放。

更新HPA配置

，学习交流加群风哥QQ113257174。
# 更新HPA配置
[root@fgedu-master ~]# cat > hpa-memory.yaml << EOFapiVersion: autoscaling/v2 kind: HorizontalPodAutoscaler metadata: name: fgedu-hpa namespace: default spec: scaleTargetRef: apiVersion: apps/v1 kind: Deployment name: fgedu-app minReplicas: 2 maxReplicas: 10 metrics: - type: Resource resource: name: cpu target: type: Utilization averageUtilization: 50 - type: Resource resource: name: memory target: type: Utilization averageUtilization: 70 EOF
# 应用HPA配置
[root@fgedu-master ~]# kubectl apply -f hpa-memory.yaml

horizontalpodautoscaler.autoscaling/fgedu-hpa configured

Part04-生产案例与实战讲解

4.1 企业级应用自动缩放

某企业需要为其Web应用配置自动缩放，以应对不同时段的流量变化。

案例背景

  • 应用类型：Web应用，基于Nginx
  • 流量模式：
    • 高峰期：每秒1000个请求
    • 低峰期：每秒100个请求
  • 响应时间要求：P95响应时间小于500ms

部署方案

# 1. 创建Deployment
cat > deployment-webapp.yaml << EOF apiVersion: apps/v1 kind: Deployment metadata: name: webapp namespace: fgedu-production spec: replicas: 5 selector: matchLabels: app: webapp template: metadata:，更多视频教程www.fgedu.net.cn。 labels: app: webapp spec: containers: - name: webapp image: nginx:latest ports: - containerPort: 80 resources: requests: cpu: 500m memory: 512Mi limits: cpu: 1000m memory: 1024Mi EOF # 应用Deployment配置 kubectl apply -f deployment-webapp.yaml # 2. 创建HPA cat > hpa-webapp.yaml << EOF apiVersion: autoscaling/v2 kind: HorizontalPodAutoscaler metadata: name: webapp-hpa namespace: fgedu-production spec: scaleTargetRef: apiVersion: apps/v1 kind: Deployment name: webapp minReplicas: 5 maxReplicas: 20 metrics: - type: Resource resource: name: cpu target: type: Utilization averageUtilization: 60 - type: Resource resource: name: memory target: type: Utilization averageUtilization: 70 behavior: scaleUp: stabilizationWindowSeconds: 60 policies: - type: Pods value: 5 periodSeconds: 60 scaleDown: stabilizationWindowSeconds: 300 policies: - type: Pods value: 3 periodSeconds: 60 EOF # 应用HPA配置 kubectl apply -f hpa-webapp.yaml # 3. 监控HPA状态 kubectl get hpa -n fgedu-production -w

4.2 微服务架构自动缩放实战

某企业采用微服务架构，需要为各个微服务配置自动缩放。。

案例背景

  • 微服务数量：5个微服务
  • 流量模式：
    • 用户服务：稳定流量

      • ，更多学习教程公众号风哥教程itpux_com。

    • 订单服务：高峰期流量大
    • 支付服务：低流量
  • 资源需求：
    • 用户服务：CPU密集型
    • 订单服务：内存密集型
    • 支付服务：低资源需求

部署方案

# 1. 为用户服务配置HPA
[root@fgedu-master ~]# cat > hpa-user-service.yaml << EOF apiVersion: autoscaling/v2 kind: HorizontalPodAutoscaler metadata: name: user-service-hpa namespace: fgedu-microservices spec: scaleTargetRef: apiVersion: apps/v1 kind: Deployment name: user-service minReplicas: 3 maxReplicas: 10 metrics: - type: Resource resource: name: cpu target: type: Utilization averageUtilization: 60 EOF
# 应用HPA配置
[root@fgedu-master ~]# kubectl apply -f hpa-user-service.yaml

# 2. 为订单服务配置HPA
[root@fgedu-master ~]# cat > hpa-order-service.yaml << EOF apiVersion: autoscaling/v2 kind: HorizontalPodAutoscaler metadata: name: order-service-hpa namespace: fgedu-microservices spec: scaleTargetRef: apiVersion: apps/v1 kind: Deployment name: order-service minReplicas: 5 maxReplicas: 15 metrics: - type: Resource resource: name: memory target: type: Utilization averageUtilization: 70 EOF
# 应用HPA配置
[root@fgedu-master ~]# kubectl apply -f hpa-order-service.yaml

，from K8S+DB视频:www.itpux.com。
。

# 3. 为支付服务配置HPA
[root@fgedu-master ~]# cat > hpa-payment-service.yaml << EOF apiVersion: autoscaling/v2 kind: HorizontalPodAutoscaler metadata: name: payment-service-hpa namespace: fgedu-microservices spec: scaleTargetRef: apiVersion: apps/v1 kind: Deployment name: payment-service minReplicas: 2 maxReplicas: 5 metrics: - type: Resource resource: name: cpu target: type: Utilization averageUtilization: 50 EOF
# 应用HPA配置
[root@fgedu-master ~]# kubectl apply -f hpa-payment-service.yaml

Part05-风哥经验总结与分享

5.1 HPA配置最佳实践

  • 设置合理的资源请求和限制：为Pod设置准确的资源请求和限制，确保HPA能够正确计算资源使用情况
  • 选择合适的缩放指标：根据应用的特性选择合适的缩放指标，如CPU、内存或自定义指标
  • 设置合理的目标值：根据应用的性能要求和资源情况设置合理的目标值
  • 配置缩放行为：设置合理的缩放冷却时间和缩放步长，避免频繁缩放
  • 测试缩放策略：在生产环境部署前，测试缩放策略的有效性
  • 监控HPA状态：定期监控HPA的运行状态，确保其正常工作
  • 考虑应用启动时间：对于启动时间较长的应用，应适当调整缩放策略
  • 设置合理的副本范围：根据集群资源和应用需求设置合理的最小和最大副本数

5.2 常见问题与解决方案

问题 原因 解决方案
HPA不缩放 指标数据不可用 检查监控系统和指标数据
HPA缩放过于频繁 缩放冷却时间过短 增加缩放冷却时间
HPA缩放不足 目标值设置过高 调整目标值
HPA缩放过度 目标值设置过低 调整目标值
Pod启动时间长 应用启动时间长 调整缩放策略，增加最小副本数
资源请求设置不合理 资源请求与实际使用不符 调整资源请求设置

本文由风哥教程整理发布,仅用于学习测试使用,转载注明出处:http://www.fgedu.net.cn/10327.html

相关推荐

联系我们

在线咨询：点击这里给我发消息

微信号：itpux-com

工作日：9:30-18:30，节假日休息