k8s Pod的自动水平伸缩（HPA）
我们知道，当访问量或资源需求过高时，使用：kubectl scale命令可以实现对pod的快速伸缩功能
但是我们平时工作中我们并不能提前预知访问量有多少，资源需求多少。
这就很麻烦了，总不能为了需求总是把pod设置为最多状态，这样太浪费资源；也不能当请求量上来以后再去伸缩pod，这样会有好多请求不成功。
k8s既然是云原生时代的产品，当然得有智能，自动这些特性。
所以现在引入一个新的概念：
HPA（Horizontal Pod Autoscaler ）
pod的自动水平伸缩
有了HPA，我们就不用为上面的问题而烦恼，HPA会帮我们自动完成pod的扩缩容。
当资源需求过高时，会自动创建出pod副本；当资源需求低时，会自动收缩pod副本数。
注意：首先必须确保集群中已经安装metrics-server的组件，否则无法获取集群内资源数据，无法进行以下操作。
原理：
通过集群内的资源监控系统（metrics-server），来获取集群中资源的使用状态。
根据CPU、内存、以及用户自定义的资源指标数据的使用量或连接数为参考依据，来制定一个临界点，一旦超出这个点，HPA就会自动创建出pod副本。
版本：
通过kubectl api-versions可以看到，目前有3个版本：
autoscaling/v1 #只支持通过cpu为参考依据，来改变pod副本数
autoscaling/v2beta1 #支持通过cpu、内存、连接数以及用户自定义的资源指标数据为参考依据。
autoscaling/v2beta2 #同上，小的变动
查询：
1 kubectl explain hpa ##默认查询到的是autoscaling/v1版本
2
3 kubectl explain hpa --api-version=autoscaling/v2beta1 ##如果使用其他版本，可以使用--api-version指明版本
部署HPA：
哪个资源最多几个最少几个通过什么判断伸缩
例如：我有个deployment叫myapp现在只有一个副本数，最多只能8个副本数，当pod的cpu平均利用率超过百分之50或内存平均值超过百分之50时，pod将自动增加副本数以提供服务。
SVC、Deployment资源清单：
1 apiVersion: v1
2 kind: Service
3 metadata:
4 name: svc-hpa
5 namespace: default
6 spec:
7 selector:
8 app: myapp
9 type: NodePort ##注意这里是NodePort，下面压力测试要用到。
10 ports:
11 - name: http
12 port: 80
13 ---
14 apiVersion: apps/v1
15 kind: Deployment
16 metadata:
17 name: myapp
18 namespace: default
19 spec:
20 replicas: 1
21 selector:
22 matchLabels:
23 app: myapp
24 template:
25 metadata:
26 name: myapp-demo
27 namespace: default
28 labels:
29 app: myapp
30 spec:
31 containers:
32 - name: myapp
33 image: ikubernetes/myapp:v1
34 imagePullPolicy: IfNotPresent
35 ports:
36 - name: http
37 containerPort: 80
38 resources:
39 requests:
40 cpu: 50m
41 memory: 50Mi
42 limits:
43 cpu: 50m
44 memory: 50Mi
HPA资源清单如下：
1 apiVersion: autoscaling/v2beta1
2 kind: HorizontalPodAutoscaler
3 metadata:
4 name: myapp-hpa-v2
5 namespace: default
6 spec:
7 minReplicas: 1 ##至少1个副本
8 maxReplicas: 8 ##最多8个副本
9 scaleTargetRef:
10 apiVersion: apps/v1
11 kind: Deployment
12 name: myapp
13 metrics:
14 - type: Resource
15 resource:
16 name: cpu
17 targetAverageUtilization: 50 ##注意此时是根据使用率，也可以根据使用量：targetAverageValue
18 - type: Resource
19 resource:
20 name: memory
21 targetAverageUtilization: 50 ##注意此时是根据使用率，也可以根据使用量：targetAverageValue
使用ab工具模拟压力测试：
1 ab -c 1000 -n 5000000 http://192.168.1.103:31727/index.html
等待数分钟后，查看hpa及pod数量：
1 [root@K8s-master ~]# kubectl get hpa
2 NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE
3 myapp-hpa-v2 Deployment/myapp 5%/50%, 72%/50% 1 8 2 44m
4 [root@K8s-master ~]# kubectl get pods
5 NAME READY STATUS RESTARTS AGE
6 myapp-558db64459-pwzsd 1/1 Running 0 16m
7 myapp-558db64459-x9c4k 1/1 Running 0 23s
