前提条件

• Kubernetes >= 1.23

安装Metrics-server

原文地址：k8s 安装metrics-server v0.7.1 - (sreok.cn)

创建Deployment

cat > apache.yaml << EOF
apiVersion: apps/v1
kind: Deployment
metadata:
  name: apache
spec:
  selector:
    matchLabels:
      run: apache
  template:
    metadata:
      labels:
        run: apache
    spec:
      containers:
      - name: apache
        image: registry.k8s.io/hpa-example
        ports:
        - containerPort: 80
        resources:
          limits:
            cpu: 500m
          requests:
            cpu: 200m
---
apiVersion: v1
kind: Service
metadata:
  name: apache
  labels:
    run: apache
spec:
  type: NodePort
  ports:
  - port: 80
  selector:
    run: apache
EOF

resources: limits: cpu: 500m requests: cpu: 200m

此字段是必须的

kubectl apply -f apache.yaml

kubectl get svc # 记录svc端口，测试时使用

创建HPA

kubectl autoscale deployment apache  --cpu-percent=50 --min=1 --max=10

负载测试

安装测试工具

yum -y install httpd-tools

并发测试

ab -c 100 -n 5000 http://10.20.13.140:32010/

-c 100 并发数

-n 5000 请求数

ctrl + c停止并发，

停止负载

总结

HPA控制器会根据以下公式来计算需要的Pod副本数：

官方地址：Pod 水平自动扩缩 | Kubernetes

期望副本数 = ceil[当前副本数 * (当前指标 / 期望指标)]

ceil是向上取整函数

根据以上Deployment配置，每个Apache Pod请求了200m的CPU资源（requests: cpu: 200m），并且设置了CPU资源限制为500m（limits: cpu: 500m）。

现在，我们设置HPA的目标CPU利用率为50%，这意味着我们希望每个Pod平均使用其请求CPU量的50%。

注意：百分比是根据pod的requests参数，由于每个Pod请求了200m的CPU，50%的利用率即为100m（200m的一半）。HPA将会监控所有Pod的CPU使用情况，并计算平均CPU使用率。如果平均CPU使用率超过100m，HPA就会开始扩容。