使用k8s部署弹性伸缩golang服务

在项目部署的过程中我们会用到k8s, 所以让我们用他从0到1部署一个golang服务

简单实现一个服务

import (
	"github.com/gin-contrib/pprof"
	"github.com/gin-gonic/gin"
	"net/http"
)

func main() {
	router := gin.New()
	pprof.Register(router)
	router.GET("/healthCheck", func(ctx *gin.Context) {
		ctx.String(http.StatusOK, "hello,k8s")
	})

	router.Run(":18081")
}

接下来将该服务进行镜像打包，dockerfile内容为

ARG REPO=k8sdemo

FROM golang:alpine3.15 as builder

MAINTAINER liuzhiqiang "liuzhiqiang@geek.com"

# docker中的工作目录
WORKDIR $GOPATH/src

# 将当前目录同步到docker工作目录下，也可以只配置需要的目录和文件（配置目录、编译后的程序等）
ADD . ./
# 由于所周知的原因，某些包会出现下载超时。这里在docker里也使用go module的代理服务
ENV GO111MODULE=on GOPROXY="https://goproxy.cn" CGO_ENABLED="0"

# 指定编译完成后的文件名，可以不设置使用默认的，最后一步要执行该文件名
RUN go build -o main .
EXPOSE 18081

ENTRYPOINT ["./main"]

使用打包命令构建镜像 docker build -t liuqiangdocker/k8sdemo:v1 ./ 如图所示

1. -t 表示给镜像打标签
2. liuqiangdocker 表示docker的用户名，记得替换你的
3. ./表示dockerfile的所在目录

将镜像推到远程仓库 docker push liuqiangdocker/k8sdemo:v1

有了镜像地址之后我们就可以部署k8s了，首先创建一个deployment.yaml,具体内容如下

apiVersion: v1
kind: Service
metadata:
  namespace: mssiot
  name: k8sdemo
  labels:
    app: k8sdemo
spec:
  ports:
    - port: 18081
      name: tcp-18081
      protocol: TCP
      targetPort: 18081
      nodePort: 30001
  selector:
    app: k8sdemo
  type: NodePort

查看我们创建的pod: kubectl get pods -n mssiot

再创建一个service，该service允许我们从外部访问该服务 service.yaml

apiVersion: v1
kind: Service
metadata:
  namespace: mssiot
  name: k8sdemo
  labels:
    app: k8sdemo
spec:
  ports:
    - port: 18081
      name: tcp-18081
      protocol: TCP
      targetPort: 18081
      nodePort: 30001
  selector:
    app: k8sdemo
  type: NodePort

查看我们创建的service: kubectl get svc -n mssiot
此时我们通过局域网IP地址：nodeport端口访问 http://192.168.31.55:30001/healthCheck

大功告成！

如果我们发现服务器的流量突然增大，那么此时我们应该动态增加pod来降低服务器的响应时间，所以我们可以让pod 弹性伸缩，我们定义一个autoscaling.yaml

apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
  name: k8sdemo
  namespace: mssiot
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: k8sdemo
  minReplicas: 1
  maxReplicas: 3
  metrics:
    - type: Resource
      resource:
        name: cpu
        target:
          type: Utilization
          averageUtilization: 80

kubectl create -f autoscaling.yaml

现在我们用wrk进行压测一下，看看该配置起作用了没有，如果对wrk不熟悉的同学可以用其他压测工具，或者直接代码实现。

使用命令行 wrk -t8 -c2000 -d 10s --latency http://192.168.31.55:30001/healthCheck

我们发现此时多了一个pod,说明配置起作用了