一、HPA解决的问题HPA全称是HorizontalPodAutoscaler，也就是对k8s的workload的副本数进行自动水平扩缩容(scale)机制，也是k8s里使用需求最广泛的一种Autoscaler机制，在开始详细介绍HPA之前，先简单梳理下k8sautoscale的整个大背景。k8s被誉为新一代数据中心操作系统(DCOS)，说到操作系统我们自然想到其定义：管理计算机的软硬件资源的系统，k8s也一样其核心工作也是管理整个集群的计算资源，并按需合理分配给系统里的程序(以Pod为基础的各种workload)。其本质是解决资源与业务负载之间供需平衡的问题，随着业务需求和部署规模的增大，k
目录为什么要自动扩缩容？再K8S中扩容分为两种：一、Node层面：二、Pods层面：自动扩缩容的方案有哪些KubernetesHPA（HorizontalPodAutoscaling）KubernetesKPA（KnativePodAutoscaler）KubernetesVPA(VerticalPodAutoscaler)基于HPA进行POD的扩缩容kube-apiserver配置：安装metrcs-server与addon-resizer创建一个用于测试hpa的镜像Dockerfile使用Deployment部署一个php-apache服务创建HPA-基于CPU测试扩容-CPU创建HPA-
作者胡启明，腾讯云专家工程师，专注Kubernetes、降本增效等云原生领域，Crane核心开发工程师，现负责成本优化开源项目Crane开源治理和弹性能力落地工作。余宇飞，腾讯云专家工程师，专注云原生可观测性、成本优化等领域，Crane核心开发者，现负责Crane资源预测、推荐落地、运营平台建设等相关工作。田奇，腾讯高级工程师，专注分布式资源管理和调度，弹性，混部，KubernetesContributor，现负责Crane相关研发工作。引言业务的稳定性和成本之间的矛盾由来已久。在云原生时代，按需付费的成本模型催生出了自动弹性伸缩技术——通过动态申请、归还云上资源，在满足业务需求的前提下，降低
作者胡启明，腾讯云专家工程师，专注Kubernetes、降本增效等云原生领域，Crane核心开发工程师，现负责成本优化开源项目Crane开源治理和弹性能力落地工作。余宇飞，腾讯云专家工程师，专注云原生可观测性、成本优化等领域，Crane核心开发者，现负责Crane资源预测、推荐落地、运营平台建设等相关工作。田奇，腾讯高级工程师，专注分布式资源管理和调度，弹性，混部，KubernetesContributor，现负责Crane相关研发工作。引言业务的稳定性和成本之间的矛盾由来已久。在云原生时代，按需付费的成本模型催生出了自动弹性伸缩技术——通过动态申请、归还云上资源，在满足业务需求的前提下，降低
作者胡启明，腾讯云专家工程师，专注Kubernetes、降本增效等云原生领域，Crane核心开发工程师，现负责成本优化开源项目Crane开源治理和弹性能力落地工作。余宇飞，腾讯云专家工程师，专注云原生可观测性、成本优化等领域，Crane核心开发者，现负责Crane资源预测、推荐落地、运营平台建设等相关工作。田奇，腾讯高级工程师，专注分布式资源管理和调度，弹性，混部，KubernetesContributor，现负责Crane相关研发工作。引言业务的稳定性和成本之间的矛盾由来已久。在云原生时代，按需付费的成本模型催生出了自动弹性伸缩技术——通过动态申请、归还云上资源，在满足业务需求的前提下，降低
一、HPA解决的问题HPA全称是HorizontalPodAutoscaler，也就是对k8s的workload的副本数进行自动水平扩缩容（scale）机制，也是k8s里使用需求最广泛的一种Autoscaler机制，在开始详细介绍HPA之前，先简单梳理下k8sautoscale的整个大背景。k8s被誉为新一代数据中心操作系统（DCOS），说到操作系统我们自然想到其定义：管理计算机的软硬件资源的系统，k8s也一样其核心工作也是管理整个集群的计算资源，并按需合理分配给系统里的程序（以Pod为基础的各种workload）。其本质是解决资源与业务负载之间供需平衡的问题，随着业务需求和部署规模的增大，k
一、HPA解决的问题HPA全称是HorizontalPodAutoscaler，也就是对k8s的workload的副本数进行自动水平扩缩容（scale）机制，也是k8s里使用需求最广泛的一种Autoscaler机制，在开始详细介绍HPA之前，先简单梳理下k8sautoscale的整个大背景。k8s被誉为新一代数据中心操作系统（DCOS），说到操作系统我们自然想到其定义：管理计算机的软硬件资源的系统，k8s也一样其核心工作也是管理整个集群的计算资源，并按需合理分配给系统里的程序（以Pod为基础的各种workload）。其本质是解决资源与业务负载之间供需平衡的问题，随着业务需求和部署规模的增大，k
HPA=HorizontalPodAutoscaler 也就是k8s中的pod自动扩缩容的管理器，那么，HPA究竟是如何工作的？ 下面的内容，就为你进行详细的讲解...... 上面的这张图，是HPA工作的整个流程。 概括来说，HPA主要是“检查，更新，再次检查”，这样的一个循环的流程。 HPA基本的工作流程如下： 1、HPA会持续的监控metricsserver，收集pod资源的使用数据2、基于收集的数据，HPA计算出需要多少副本实例3、做出决定是否需要修改应用实例数4、HPA对应用控制器，发起扩缩容操作，以达到需要的副本数 HPA会持续的监控、计算、决定、修改副本数，这样的过程。
HPA=HorizontalPodAutoscaler 也就是k8s中的pod自动扩缩容的管理器，那么，HPA究竟是如何工作的？ 下面的内容，就为你进行详细的讲解...... 上面的这张图，是HPA工作的整个流程。 概括来说，HPA主要是“检查，更新，再次检查”，这样的一个循环的流程。 HPA基本的工作流程如下： 1、HPA会持续的监控metricsserver，收集pod资源的使用数据2、基于收集的数据，HPA计算出需要多少副本实例3、做出决定是否需要修改应用实例数4、HPA对应用控制器，发起扩缩容操作，以达到需要的副本数 HPA会持续的监控、计算、决定、修改副本数，这样的过程。
一、概述HorizontalPodAutoscaler（HPA，Pod水平自动伸缩），根据平均CPU利用率、平均内存利用率或你指定的任何其他自定义指标自动调整 Deployment 、ReplicaSet 或 StatefulSet 或其他类似资源，实现部署的自动扩展和缩减，让部署的规模接近于实际服务的负载。HPA不适用于无法缩放的对象，例如DaemonSet。官方文档：https://kubernetes.io/zh-cn/docs/tasks/run-application/horizontal-pod-autoscale/实际生产中，一般使用这四类指标：Resourcemetri
