手把手教你用 Kubernetes HPA 实现 Deployment 自动伸缩（附配置示例）

在云原生应用中，自动伸缩能力至关重要。当应用负载增加时，自动增加 Pod 副本数以应对流量高峰；当负载降低时，自动减少 Pod 副本数以节省资源。Kubernetes 的 Horizontal Pod Autoscaler (HPA) 就是实现这一目标的利器。本文将带你了解如何使用 HPA 自动调整 Deployment 的副本数量，并提供一个基于 CPU 利用率的伸缩示例。

HPA 是什么？

HPA 会定期监控 Deployment 或 ReplicaSet 中 Pod 的资源使用情况，例如 CPU 或内存利用率。如果实际利用率超过或低于预设的目标值，HPA 会自动调整 Pod 的副本数量，以维持应用性能和资源利用率的平衡。

前提条件

• 已安装 Kubernetes 集群 (例如 Minikube, Kind, 或云厂商提供的 Kubernetes 服务)

• kubectl 命令行工具已配置并连接到集群

• metrics-server 已安装（用于提供资源指标）

  metrics-server 是一个集群范围的资源使用情况数据聚合器。可以通过以下命令安装：

  kubectl apply -f https://github.com/kubernetes-sigs/metrics-server/releases/latest/download/components.yaml
  

  安装完成后，等待一段时间，确保 metrics-server 正常运行：

  kubectl get deployment metrics-server -n kube-system
  

  如果 STATUS 列显示 Available，则表示 metrics-server 已经准备就绪。

步骤 1：创建 Deployment

首先，我们需要创建一个 Deployment 作为示例。这里我们使用一个简单的 Nginx Deployment：

# nginx-deployment.yaml
apiVersion: apps/v1
kind: Deployment
metadata:
  name: nginx-deployment
  labels:
    app: nginx
spec:
  replicas: 1
  selector:
    matchLabels:
      app: nginx
  template:
    metadata:
      labels:
        app: nginx
    spec:
      containers:
      - name: nginx
        image: nginx:latest
        ports:
        - containerPort: 80
        resources:
          requests:
            cpu: 100m
            memory: 256Mi
          limits:
            cpu: 200m
            memory: 512Mi

这个 Deployment 定义了一个 Nginx Pod，并设置了 CPU 和内存的 requests 和 limits。requests 定义了 Pod 启动时请求的最小资源，limits 定义了 Pod 可以使用的最大资源。

使用以下命令创建 Deployment：

kubectl apply -f nginx-deployment.yaml

步骤 2：创建 HPA

接下来，我们创建一个 HPA 来自动伸缩 Nginx Deployment。以下是一个 HPA 的配置示例：

# nginx-hpa.yaml
apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: nginx-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: nginx-deployment
  minReplicas: 1
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 50

这个 HPA 配置的含义如下：

• scaleTargetRef：指定要伸缩的目标对象，这里是名为 nginx-deployment 的 Deployment。
• minReplicas：最小副本数为 1。
• maxReplicas：最大副本数为 10。
• metrics：定义伸缩的指标。这里使用 CPU 利用率，目标是 50%。这意味着 HPA 会尝试维持所有 Pod 的 CPU 平均利用率在 50% 左右。

使用以下命令创建 HPA：

kubectl apply -f nginx-hpa.yaml

步骤 3：测试 HPA

现在，我们可以测试 HPA 是否正常工作。为了模拟 CPU 负载，我们可以使用 busybox 镜像创建一个 Pod，并运行一个 CPU 密集型任务：

# busybox-pod.yaml
apiVersion: v1
kind: Pod
metadata:
  name: busybox
spec:
  containers:
  - name: busybox
    image: busybox
    command: ['sh', '-c', 'while true; do yes > /dev/null; done']

创建 Pod：

kubectl apply -f busybox-pod.yaml

这个 Pod 会持续占用 CPU 资源，从而触发 HPA 的伸缩机制。

过一段时间后，可以通过以下命令查看 HPA 的状态：

kubectl get hpa nginx-hpa

输出结果类似于：

NAME        REFERENCE                     TARGETS   MINPODS   MAXPODS   REPLICAS   AGE
nginx-hpa   Deployment/nginx-deployment   150%/50%  1         10        3          1m

TARGETS 列显示了当前的 CPU 利用率（150%）和目标利用率（50%）。REPLICAS 列显示了当前的 Pod 副本数（3）。可以看到，由于 CPU 利用率超过了目标值，HPA 自动增加了 Pod 的副本数量。

删除 busybox pod 停止施加负载：

kubectl delete pod busybox

过一段时间后，HPA 会检测到 CPU 利用率降低，并自动减少 Pod 的副本数量。

HPA 配置详解

除了 CPU 利用率，HPA 还可以基于其他指标进行伸缩，例如内存利用率、自定义指标等。

基于内存利用率伸缩

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: nginx-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: nginx-deployment
  minReplicas: 1
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: memory
      target:
        type: Utilization
        averageUtilization: 80

这个 HPA 配置会根据内存利用率进行伸缩，目标是 80%。

基于自定义指标伸缩

如果需要基于自定义指标进行伸缩，需要使用 Custom Metrics API 或 External Metrics API。这需要更复杂的配置，超出本文范围，可以参考 Kubernetes 官方文档。

总结

本文介绍了如何使用 Kubernetes HPA 实现 Deployment 的自动伸缩，并提供了一个基于 CPU 利用率的伸缩示例。HPA 是一个强大的工具，可以帮助你构建弹性、可扩展的云原生应用。通过合理配置 HPA，可以根据实际负载自动调整 Pod 的副本数量，从而优化资源利用率和应用性能。

希望本文能帮助你理解和使用 Kubernetes HPA。