（译）GKE 中配置 Pod 的垂直伸缩

崔秀龙

发布于 2019-07-23 15:26:49

8030

发布于 2019-07-23 15:26:49

文章被收录于专栏：伪架构师

概述

可以配置 VerticalPodAutoscaler CRD来对容器的CPU以及内存需求进行分析和调整。

开始之前

开始这一任务之前，首先要完成以下步骤：

确认开启了 GKE API
安装 Cloud SDK
设置缺省的 Project ID gcloud config set project [PROJECT_ID]
如果运行的是 zonal 集群，设置缺省的 compute zone： gcloud config set compute/zone [COMPUTE_ZONE]
如果运行的是 regional 集群，设置缺省的 compute region： gcloud config set compute/region [COMPUTE_REGION]
更新 gcloud 到最新版本： gcloud components update

为集群启用 Pod 的垂直自动伸缩功能

可以使用下面的命令创建包含 Pod 垂直自动伸缩功能的新集群：

gcloud beta container clusters create [CLUSTER_NAME] \
   --enable-vertical-pod-autoscaling

[CLUSTER_NAME] 就是该集群的名称。

如果要给现有集群启用 Pod 垂直自动伸缩功能，可以用下列命令：

cloud beta container clusters update [CLUSTER-NAME] \
   --enable-vertical-pod-autoscaling

[CLUSTER_NAME] 就是该集群的名称。

获取资源推荐

下面的练习中会创建一个 VerticalPodAutoscaler，其中的 updateMode 设置为 Off。接下来创建一个包含两个 Pod 的 Deployment，每个 Pod 包含一个容器。当 Pod 创建时，VerticalPodAutoscaler 会分析容器的 CPU 和内存需要，并将推荐设置保存在 status 字段中。VerticalPodAutoscaler 在这一过程中不会对运行中的容器采取任何更新资源需求的措施。

VerticalPodAutoscaler 的配置如下：

apiVersion: autoscaling.k8s.io/v1beta1
kind: VerticalPodAutoscaler
metadata:
 name: my-rec-vpa
spec:
 selector:
   matchLabels:
     purpose: try-recommend
 updatePolicy:
   updateMode: "Off"

将代码保存为 my-rec-vpa.yaml 并创建该资源：

kubectl create -f my-rec-vpa.yaml

Deployment 的代码如下：

apiVersion: extensions/v1beta1
kind: Deployment
metadata:
 name: my-rec-deployment
 labels:
   purpose: try-recommend
spec:
 replicas: 2
 template:
   metadata:
     labels:
       purpose: try-recommend
   spec:
     containers:
     - name: my-rec-container
       image: nginx

上述代码中并未设置 CPU 和内存的请求数量。而 Deployment 中的 Pod，具有标签 purpose: try-recommend，符合 VerticalPodAutoscaler 的 selector 中定义的选择标准，因此是会受到管理的。

将上述代码命名为 my-rec-deployment.yaml，创建对象：

kubectl create -f my-rec-deployment.yaml

稍候片刻，查看 VirticalPodAutoscaler：

kubectl get vpa my-rec-vpa --output yaml

会显示 CPU 和内存资源的推荐设置：

...
 recommendation:
   containerRecommendations:
   - containerName: my-rec-container
     lowerBound:
       cpu: 25m
       memory: 262144k
     target:
       cpu: 25m
       memory: 262144k
     upperBound:
       cpu: 7931m
       memory: 8291500k
...

现在看到了推荐的 CPU 和内存请求了，可以选择删除 Deployment，加入 CPU 和内存请求的相关内容，并重新启动。

自动更新资源

接下来的练习会创建一个 Deployment ，其中包含两个 Pod，每个 Pod 包含一个容器，容器请求 100m 的 CPU 以及 50M 的内存。然后创建一个 VerticalPodAutoscaler 对象，自动对 CPU 和内存的请求进行修正。

下面是该 Deployment 的代码：

apiVersion: extensions/v1beta1
kind: Deployment
metadata:
 name: my-deployment
 labels:
   purpose: try-auto-requests
spec:
 replicas: 2
 template:
   metadata:
     labels:
       purpose: try-auto-requests
   spec:
     containers:
     - name: my-container
       image: k8s.gcr.io/ubuntu-slim:0.1
       resources:
         requests:
           cpu: 100m
           memory: 50Mi
       command: ["/bin/sh"]
       args: ["-c", "while true; do timeout 0.5s yes >/dev/null; sleep 0.5s; done"]

把上述代码保存为文件 my-deployment.yaml，并创建对象：

kubectl create -f my-deployment.yaml

列出运行中的 Pod：

kubectl get pods

输出内容中包含了 my-deployment 中的 Pod：

NAME                            READY     STATUS             RESTARTS   AGE
my-deployment-cbcdd49fb-d6bf9   1/1       Running            0          8s
my-deployment-cbcdd49fb-th288   1/1       Running            0          8s

为了后续方便，记录下 Pod 名称。

这个 Deployment 申请的 CPU 和内存非常小，所以可能提供更多资源会给这一 Deployment 带来更好的效果。

下面代码用于创建一个 VerticalPodAutoscaler：

apiVersion: autoscaling.k8s.io/v1beta1
kind: VerticalPodAutoscaler
metadata:
 name: my-vpa
spec:
 selector:
   matchLabels:
     purpose: try-auto-requests
 updatePolicy:
   updateMode: "Auto"

这段代码中的 selector 字段中声明，所有带有标签 purpose: try-auto-requests 的 Pod 都会受其影响。

updateMode 字段取值为 Auto，代表 VerticalPodAutoscaler 会更新 Pod 的 CPU 和内存请求，也就是说 VerticalPodAutoscaler 会删除 Pod、调整 CPU 和内存申请，然后启动一个新 Pod。

把代码保存为 my-vpa.yaml，并创建该资源：

kubectl create -f my-vpa.yaml

几分钟之后，再次查看 Pod：

kubectl get pods

会看到 Pod 名称已经发生了变化，如果没有，请隔一段时间再次查看。

获取一个新 Pod 的信息：

kubectl get pod [POD_NAME] --output yaml

输出内容中，会看到 VerticalPodAutoscaler 提高了内存和 CPU 的设置。还会看到注解中也发生了更新：

apiVersion: v1
kind: Pod
metadata:
 annotations:
   vpaUpdates: 'Pod resources updated by my-vpa: container 0: cpu capped to node
     capacity, memory capped to node capacity, cpu request, memory request'
...
spec:
 containers:
 ...
   resources:
     requests:
       cpu: 510m
       memory: 262144k
   ...

查看一下 VerticalPodAutoscaler 的详情：

kubectl get vpa my-vpa --output yaml

输出内容中显示了三组对 CPU 和内存申请的建议：lowerBound、target 和 upperBound：

...
 recommendation:
   containerRecommendations:
   - containerName: my-container
     lowerBound:
       cpu: 536m
       memory: 262144k
     target:
       cpu: 587m
       memory: 262144k
     upperBound:
       cpu: 27854m
       memory: "545693548"

target 的含义是，该容器使用 587m 的 CPU 和 262144 KB 的内存会获得更好的运行效果。

VerticalPodAutoscaler 会使用 lowerBound 和 upperBound 来决定是否重新创建 Pod，如果一个 Pod 申请的资源少于 lowerBound 或者大于 upperBound，就会被 VerticalPodAutoscaler 删除并使用 target 推荐的规格进行重建。

Selector 不可重叠

VerticalPodAutoscaler 包含了一个 selector 字段，用来决定该对象的影响范围。如果创建了不止一个的 VerticalPodAutoscaler，要保证其 selector 不能发生重叠。

例如下面的两个 VerticalPodAutoscaler：

...
kind: VerticalPodAutoscaler
metadata:
 name: my-vpa-1
spec:
 selector:
   matchLabels:
     app: metrics
     department: engineering
...

...
...
kind: VerticalPodAutoscaler
metadata:
 name: my-vpa-2
spec:
 selector:
   matchLabels:
     department: engineering
...

带有 app: metrics 和 department: engineering 标签的 Pod 会被两个对象同时管理，会引发问题。

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2019-01-23，如有侵权请联系 cloudcommunity@tencent.com 删除

http

容器

本文分享自伪架构师微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

http

容器

登录后参与评论

0 条评论

热度