KubernetesHPAController怎么使用

這篇文章主要講解了“Kubernetes HPA Controller怎么使用”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“Kubernetes HPA Controller怎么使用”吧！

成都創(chuàng)新互聯(lián)專注于新津縣企業(yè)網(wǎng)站建設(shè),成都響應(yīng)式網(wǎng)站建設(shè)公司,商城網(wǎng)站制作。新津縣網(wǎng)站建設(shè)公司,為新津縣等地區(qū)提供建站服務(wù)。全流程按需搭建網(wǎng)站，專業(yè)設(shè)計，全程項目跟蹤，成都創(chuàng)新互聯(lián)專業(yè)和態(tài)度為您提供的服務(wù)

源碼目錄結(jié)構(gòu)分析

HorizontalPodAutoscaler(以下簡稱HPA)的主要代碼如下，主要涉及的文件不多。

cmd/kube-controller-manager/app/autoscaling.go    // HPA Controller的啟動代碼


/pkg/controller/podautoscaler
.
├── BUILD
├── OWNERS
├── doc.go
├── horizontal.go    // podautoscaler的核心代碼，包括其創(chuàng)建和運行的代碼
├── horizontal_test.go
├── metrics
│   ├── BUILD
│   ├── metrics_client.go
│   ├── metrics_client_test.go
│   ├── metrics_client_test.go.orig
│   ├── metrics_client_test.go.rej
│   └── utilization.go
├── replica_calculator.go   // ReplicaCaculator的創(chuàng)建，以及根據(jù)cpu/metrics計算replicas的方法
└── replica_calculator_test.go

其中，horizontal.go和replica_calculator.go是最核心的文件，他們對應(yīng)的Structure如下：

horizontal.go

Kubernetes HPA Controller怎么使用

replica_calculator.go

Kubernetes HPA Controller怎么使用

源碼分析

HPA Controller同其他Controller一樣，都是在kube-controller-manager啟動時完成初始化并啟動的，如下代碼所示。

cmd/kube-controller-manager/app/controllermanager.go:224

func newControllerInitializers() map[string]InitFunc {
	controllers := map[string]InitFunc{}
	
	...
	
	controllers["horizontalpodautoscaling"] = startHPAController
	
	...

	return controllers
}

kube-controller-manager啟動時會initial一堆的controllers，對于HPA controller，它的啟動就交給startHPAController了。

cmd/kube-controller-manager/app/autoscaling.go:29

func startHPAController(ctx ControllerContext) (bool, error) {
	
	...
	
	// HPA Controller需要集群已經(jīng)部署Heapster，由Heapster提供監(jiān)控數(shù)據(jù)，來進行replicas的計算。
	metricsClient := metrics.NewHeapsterMetricsClient(
		hpaClient,
		metrics.DefaultHeapsterNamespace,
		metrics.DefaultHeapsterScheme,
		metrics.DefaultHeapsterService,
		metrics.DefaultHeapsterPort,
	)
	
	// 創(chuàng)建ReplicaCaculator，后面會用它來計算desired replicas。
	replicaCalc := podautoscaler.NewReplicaCalculator(metricsClient, hpaClient.Core())
	
	// 創(chuàng)建HPA Controller，并啟動goroutine執(zhí)行其Run方法，開始工作。
	go podautoscaler.NewHorizontalController(
		hpaClient.Core(),
		hpaClient.Extensions(),
		hpaClient.Autoscaling(),
		replicaCalc,
		ctx.Options.HorizontalPodAutoscalerSyncPeriod.Duration,
	).Run(ctx.Stop)
	
	return true, nil
}

首先我們來看看NewHorizontalController創(chuàng)建HPA Controller的代碼。

pkg/controller/podautoscaler/horizontal.go:112

func NewHorizontalController(evtNamespacer v1core.EventsGetter, scaleNamespacer unversionedextensions.ScalesGetter, hpaNamespacer unversionedautoscaling.HorizontalPodAutoscalersGetter, replicaCalc *ReplicaCalculator, resyncPeriod time.Duration) *HorizontalController {
	
	...

	// 構(gòu)建HPA Controller
	controller := &HorizontalController{
		replicaCalc:     replicaCalc,
		eventRecorder:   recorder,
		scaleNamespacer: scaleNamespacer,
		hpaNamespacer:   hpaNamespacer,
	}
	
	// 創(chuàng)建Informer，配置對應(yīng)的ListWatch Func，及其對應(yīng)的EventHandler，用來監(jiān)控HPA Resource的Add和Update事件。newInformer是HPA的核心代碼入口。
	store, frameworkController := newInformer(controller, resyncPeriod)
	controller.store = store
	controller.controller = frameworkController

	return controller
}

我們有必要來看看HPA Controller struct的定義：

pkg/controller/podautoscaler/horizontal.go:59

type HorizontalController struct {
	scaleNamespacer unversionedextensions.ScalesGetter
	hpaNamespacer   unversionedautoscaling.HorizontalPodAutoscalersGetter

	replicaCalc   *ReplicaCalculator
	eventRecorder record.EventRecorder

	// A store of HPA objects, populated by the controller.
	store cache.Store
	// Watches changes to all HPA objects.
	controller *cache.Controller
}

scaleNamespacer其實是一個ScaleInterface，包括Scale subresource的Get和Update接口。
hpaNamespacer是HorizontalPodAutoscalerInterface，包括HorizontalPodAutoscaler的Create, Update, UpdateStatus, Delete, Get, List, Watch等接口。

replicaCalc根據(jù)Heapster提供的監(jiān)控數(shù)據(jù)，計算對應(yīng)desired replicas。

	pkg/controller/podautoscaler/replica_calculator.go:31

	type ReplicaCalculator struct {
		metricsClient metricsclient.MetricsClient
		podsGetter    v1core.PodsGetter
	}

store和controller：controller用來watch HPA objects，并更新到store這個cache中。

上面提到了Scale subresource，那是個什么東西？好吧，我們得看看Scale的定義。

pkg/apis/extensions/v1beta1/types.go:56

// represents a scaling request for a resource.
type Scale struct {
	metav1.TypeMeta `json:",inline"`
	// Standard object metadata; More info: http://releases.k8s.io/HEAD/docs/devel/api-conventions.md#metadata.
	// +optional
	v1.ObjectMeta `json:"metadata,omitempty" protobuf:"bytes,1,opt,name=metadata"`

	// defines the behavior of the scale. More info: http://releases.k8s.io/HEAD/docs/devel/api-conventions.md#spec-and-status.
	// +optional
	Spec ScaleSpec `json:"spec,omitempty" protobuf:"bytes,2,opt,name=spec"`

	// current status of the scale. More info: http://releases.k8s.io/HEAD/docs/devel/api-conventions.md#spec-and-status. Read-only.
	// +optional
	Status ScaleStatus `json:"status,omitempty" protobuf:"bytes,3,opt,name=status"`
}

// describes the attributes of a scale subresource
type ScaleSpec struct {
	// desired number of instances for the scaled object.
	Replicas int `json:"replicas,omitempty"`
}

// represents the current status of a scale subresource.
type ScaleStatus struct {
	// actual number of observed instances of the scaled object.
	Replicas int `json:"replicas"`

	// label query over pods that should match the replicas count.
	Selector map[string]string `json:"selector,omitempty"`
}

Scale struct作為一次scale動作的請求數(shù)據(jù)。
其中Spec定義的是desired replicas number。
ScaleStatus定義了current replicas number。

看完了HorizontalController的結(jié)構(gòu)后，接著看看NewHorizontalController中調(diào)用的newInformer。在上面的注釋中，我提到newInformer是整個HPA的核心代碼入口。

pkg/controller/podautoscaler/horizontal.go:75

func newInformer(controller *HorizontalController, resyncPeriod time.Duration) (cache.Store, *cache.Controller) {
	return cache.NewInformer(
	
		// 配置ListFucn和WatchFunc，用來定期List和watch HPA resource。
		&cache.ListWatch{
			ListFunc: func(options v1.ListOptions) (runtime.Object, error) {
				return controller.hpaNamespacer.HorizontalPodAutoscalers(v1.NamespaceAll).List(options)
			},
			WatchFunc: func(options v1.ListOptions) (watch.Interface, error) {
				return controller.hpaNamespacer.HorizontalPodAutoscalers(v1.NamespaceAll).Watch(options)
			},
		},
		
		// 定義期望收到的object為HorizontalPodAutoscaler
		&autoscaling.HorizontalPodAutoscaler{},
		
		// 定義定期List的周期
		resyncPeriod,
		
		// 配置HPA resource event的Handler（AddFunc, UpdateFunc）
		cache.ResourceEventHandlerFuncs{
			AddFunc: func(obj interface{}) {
				hpa := obj.(*autoscaling.HorizontalPodAutoscaler)
				hasCPUPolicy := hpa.Spec.TargetCPUUtilizationPercentage != nil
				_, hasCustomMetricsPolicy := hpa.Annotations[HpaCustomMetricsTargetAnnotationName]
				if !hasCPUPolicy && !hasCustomMetricsPolicy {
					controller.eventRecorder.Event(hpa, v1.EventTypeNormal, "DefaultPolicy", "No scaling policy specified - will use default one. See documentation for details")
				}
				
				// 根據(jù)監(jiān)控調(diào)整hpa的數(shù)據(jù)
				err := controller.reconcileAutoscaler(hpa)
				if err != nil {
					glog.Warningf("Failed to reconcile %s: %v", hpa.Name, err)
				}
			},
			UpdateFunc: func(old, cur interface{}) {
				hpa := cur.(*autoscaling.HorizontalPodAutoscaler)
				
				// 根據(jù)監(jiān)控調(diào)整hpa的數(shù)據(jù)
				err := controller.reconcileAutoscaler(hpa)
				if err != nil {
					glog.Warningf("Failed to reconcile %s: %v", hpa.Name, err)
				}
			},
			// We are not interested in deletions.
		},
	)
}

newInformer的代碼也不長嘛，簡單說來，就是配置了HPA resource的ListWatch的Func，注冊HPA resource 的Add和Update Event的handler Func。

最終通過調(diào)用reconcileAutoscaler來矯正hpa的數(shù)據(jù)。

上面代碼中，將HPA resource的ListWatch Func注冊為HorizontalPodAutoscaler Interface定義的List和Watch接口。

等等，說了這么多，怎么還沒看到HorizontalPodAutoscaler struct的定義呢！好吧，下面就來看看，正好HorizontalPodAutoscaler Interface中出現(xiàn)了。

pkg/apis/autoscaling/v1/types.go:76

// configuration of a horizontal pod autoscaler.
type HorizontalPodAutoscaler struct {
	metav1.TypeMeta `json:",inline"`
	// Standard object metadata. More info: http://releases.k8s.io/HEAD/docs/devel/api-conventions.md#metadata
	// +optional
	v1.ObjectMeta `json:"metadata,omitempty" protobuf:"bytes,1,opt,name=metadata"`

	// behaviour of autoscaler. More info: http://releases.k8s.io/HEAD/docs/devel/api-conventions.md#spec-and-status.
	// +optional
	Spec HorizontalPodAutoscalerSpec `json:"spec,omitempty" protobuf:"bytes,2,opt,name=spec"`

	// current information about the autoscaler.
	// +optional
	Status HorizontalPodAutoscalerStatus `json:"status,omitempty" protobuf:"bytes,3,opt,name=status"`
}

Spec HorizontalPodAutoscalerSpec存的是hpa的描述信息，是可以通過kube-controller-manager配置對應(yīng)flag的信息。包括最小副本數(shù)MinReplicas，最大副本數(shù)MaxReplicas，hpa對應(yīng)的所有pods的平均的百分比形式的目標(biāo)CPU利用率TargetCPUUtilizationPercentage。

	pkg/apis/autoscaling/v1/types.go:36

	// specification of a horizontal pod autoscaler.
	type HorizontalPodAutoscalerSpec struct {
		// reference to scaled resource; horizontal pod autoscaler will learn the current resource consumption
		// and will set the desired number of pods by using its Scale subresource.
		ScaleTargetRef CrossVersionObjectReference `json:"scaleTargetRef" protobuf:"bytes,1,opt,name=scaleTargetRef"`
		// lower limit for the number of pods that can be set by the autoscaler, default 1.
		// +optional
		MinReplicas *int32 `json:"minReplicas,omitempty" protobuf:"varint,2,opt,name=minReplicas"`
		// upper limit for the number of pods that can be set by the autoscaler; cannot be smaller than MinReplicas.
		MaxReplicas int32 `json:"maxReplicas" protobuf:"varint,3,opt,name=maxReplicas"`
		// target average CPU utilization (represented as a percentage of requested CPU) over all the pods;
		// if not specified the default autoscaling policy will be used.
		// +optional
		TargetCPUUtilizationPercentage *int32 `json:"targetCPUUtilizationPercentage,omitempty" protobuf:"varint,4,opt,name=targetCPUUtilizationPercentage"`
	}

Status HorizontalPodAutoscalerStatu存的是HPA的當(dāng)前狀態(tài)數(shù)據(jù)，包括前后兩次scale的時間間隔ObservedGeneration，上一次scale的時間戳LastScaleTime，當(dāng)前副本數(shù)CurrentReplicas，期望副本數(shù)DesiredReplicas，hpa對應(yīng)的所有pods的平均的百分比形式的當(dāng)前CPU利用率。

	pkg/apis/autoscaling/v1/types.go:52

	// current status of a horizontal pod autoscaler
	type HorizontalPodAutoscalerStatus struct {
		// most recent generation observed by this autoscaler.
		// +optional
		ObservedGeneration *int64 `json:"observedGeneration,omitempty" protobuf:"varint,1,opt,name=observedGeneration"`

		// last time the HorizontalPodAutoscaler scaled the number of pods;
		// used by the autoscaler to control how often the number of pods is changed.
		// +optional
		LastScaleTime *metav1.Time `json:"lastScaleTime,omitempty" protobuf:"bytes,2,opt,name=lastScaleTime"`

		// current number of replicas of pods managed by this autoscaler.
		CurrentReplicas int32 `json:"currentReplicas" protobuf:"varint,3,opt,name=currentReplicas"`

		// desired number of replicas of pods managed by this autoscaler.
		DesiredReplicas int32 `json:"desiredReplicas" protobuf:"varint,4,opt,name=desiredReplicas"`

		// current average CPU utilization over all pods, represented as a percentage of requested CPU,
		// e.g. 70 means that an average pod is using now 70% of its requested CPU.
		// +optional
		CurrentCPUUtilizationPercentage *int32 `json:"currentCPUUtilizationPercentage,omitempty" protobuf:"varint,5,opt,name=currentCPUUtilizationPercentage"`
	}

newInformer的代碼可見，不管hpa resource的event為Add或者update，最終都是調(diào)用reconcileAutoscaler來觸發(fā)HorizontalPodAutoscaler數(shù)據(jù)的更新。

pkg/controller/podautoscaler/horizontal.go:272

func (a *HorizontalController) reconcileAutoscaler(hpa *autoscaling.HorizontalPodAutoscaler) error {
	...

	// 獲取對應(yīng)resource的scale subresource數(shù)據(jù)。
	scale, err := a.scaleNamespacer.Scales(hpa.Namespace).Get(hpa.Spec.ScaleTargetRef.Kind, hpa.Spec.ScaleTargetRef.Name)
	
	...
	
	// 得到當(dāng)前副本數(shù)
	currentReplicas := scale.Status.Replicas

	cpuDesiredReplicas := int32(0)
	cpuCurrentUtilization := new(int32)
	cpuTimestamp := time.Time{}

	cmDesiredReplicas := int32(0)
	cmMetric := ""
	cmStatus := ""
	cmTimestamp := time.Time{}

	desiredReplicas := int32(0)
	rescaleReason := ""
	timestamp := time.Now()

	rescale := true

	// 如果期望副本數(shù)為0，這不進行scale操作。
	if scale.Spec.Replicas == 0 {
		// Autoscaling is disabled for this resource
		desiredReplicas = 0
		rescale = false
	} 
	
	// 期望副本數(shù)不能超過hpa中配置的最大副本數(shù)
	else if currentReplicas > hpa.Spec.MaxReplicas {
		rescaleReason = "Current number of replicas above Spec.MaxReplicas"
		desiredReplicas = hpa.Spec.MaxReplicas
	} 
	
	// 期望副本數(shù)不能低于配置的最小副本數(shù)
	else if hpa.Spec.MinReplicas != nil && currentReplicas < *hpa.Spec.MinReplicas {
		rescaleReason = "Current number of replicas below Spec.MinReplicas"
		desiredReplicas = *hpa.Spec.MinReplicas
	} 
	
	// 期望副本數(shù)最少為1
	else if currentReplicas == 0 {
		rescaleReason = "Current number of replicas must be greater than 0"
		desiredReplicas = 1
	} 
	// 如果當(dāng)前副本數(shù)在Min和Max之間，則需要根據(jù)cpu或者custom metrics（如果加了對應(yīng)的Annotation）數(shù)據(jù)進行算法計算得到期望副本數(shù)。
	else {
		// All basic scenarios covered, the state should be sane, lets use metrics.
		cmAnnotation, cmAnnotationFound := hpa.Annotations[HpaCustomMetricsTargetAnnotationName]

		if hpa.Spec.TargetCPUUtilizationPercentage != nil || !cmAnnotationFound {
		
			// 根據(jù)cpu利用率計算期望副本數(shù)
			cpuDesiredReplicas, cpuCurrentUtilization, cpuTimestamp, err = a.computeReplicasForCPUUtilization(hpa, scale)
			if err != nil {
			
				// 更新hpa的當(dāng)前副本數(shù)
				a.updateCurrentReplicasInStatus(hpa, currentReplicas)
				return fmt.Errorf("failed to compute desired number of replicas based on CPU utilization for %s: %v", reference, err)
			}
		}

		if cmAnnotationFound {
		
			// 根據(jù)custom metrics數(shù)據(jù)計算期望副本數(shù)
			cmDesiredReplicas, cmMetric, cmStatus, cmTimestamp, err = a.computeReplicasForCustomMetrics(hpa, scale, cmAnnotation)
			if err != nil {
			
				// 更新hpa的當(dāng)前副本數(shù)
				a.updateCurrentReplicasInStatus(hpa, currentReplicas)
				return fmt.Errorf("failed to compute desired number of replicas based on Custom Metrics for %s: %v", reference, err)
			}
		}

		// 取cpu和custom metric得到的期望副本數(shù)的最大值作為最終的desired replicas，并且要在min和max范圍內(nèi)。
		rescaleMetric := ""
		if cpuDesiredReplicas > desiredReplicas {
			desiredReplicas = cpuDesiredReplicas
			timestamp = cpuTimestamp
			rescaleMetric = "CPU utilization"
		}
		if cmDesiredReplicas > desiredReplicas {
			desiredReplicas = cmDesiredReplicas
			timestamp = cmTimestamp
			rescaleMetric = cmMetric
		}
		if desiredReplicas > currentReplicas {
			rescaleReason = fmt.Sprintf("%s above target", rescaleMetric)
		}
		if desiredReplicas < currentReplicas {
			rescaleReason = "All metrics below target"
		}

		if hpa.Spec.MinReplicas != nil && desiredReplicas < *hpa.Spec.MinReplicas {
			desiredReplicas = *hpa.Spec.MinReplicas
		}

		//  never scale down to 0, reserved for disabling autoscaling
		if desiredReplicas == 0 {
			desiredReplicas = 1
		}

		if desiredReplicas > hpa.Spec.MaxReplicas {
			desiredReplicas = hpa.Spec.MaxReplicas
		}

		// Do not upscale too much to prevent incorrect rapid increase of the number of master replicas caused by
		// bogus CPU usage report from heapster/kubelet (like in issue #32304).
		if desiredReplicas > calculateScaleUpLimit(currentReplicas) {
			desiredReplicas = calculateScaleUpLimit(currentReplicas)
		}

		// 根據(jù)currentReplicas和desiredReplicas的對比，以及scale時間是否滿足配置間隔要求，決定是否此時需要rescale
		rescale = shouldScale(hpa, currentReplicas, desiredReplicas, timestamp)
	}

	if rescale {
		scale.Spec.Replicas = desiredReplicas
		// 執(zhí)行ScaleInterface的Update接口，觸發(fā)調(diào)用API Server的對應(yīng)resource的scale subresource的數(shù)據(jù)更新。其實最終會去修改對應(yīng)rc或者deployment的replicas，然后由rc或deployment Controller去最終擴容或者縮容，使得副本數(shù)達到新的期望值。
		_, err = a.scaleNamespacer.Scales(hpa.Namespace).Update(hpa.Spec.ScaleTargetRef.Kind, scale)
		if err != nil {
			a.eventRecorder.Eventf(hpa, v1.EventTypeWarning, "FailedRescale", "New size: %d; reason: %s; error: %v", desiredReplicas, rescaleReason, err.Error())
			return fmt.Errorf("failed to rescale %s: %v", reference, err)
		}
		a.eventRecorder.Eventf(hpa, v1.EventTypeNormal, "SuccessfulRescale", "New size: %d; reason: %s", desiredReplicas, rescaleReason)
		glog.Infof("Successfull rescale of %s, old size: %d, new size: %d, reason: %s",
			hpa.Name, currentReplicas, desiredReplicas, rescaleReason)
	} else {
		desiredReplicas = currentReplicas
	}

	// 更新hpa resource的status數(shù)據(jù)
	return a.updateStatus(hpa, currentReplicas, desiredReplicas, cpuCurrentUtilization, cmStatus, rescale)
}

上面reconcileAutoscaler的代碼很重要，把想說的都寫到對應(yīng)的注釋了。其中computeReplicasForCPUUtilization 和computeReplicasForCustomMetrics 需要單獨提出來看看，因為這兩個方法是HPA算法的體現(xiàn)，實際上最終算法是在pkg/controller/podautoscaler/replica_calculator.go:45#GetResourceReplicas和pkg/controller/podautoscaler/replica_calculator.go:153#GetMetricReplicas實現(xiàn)的:

pkg/controller/podautoscaler/replica_calculator.go:45#GetResourceReplicas負責(zé)根據(jù)heapster提供的cpu利用率數(shù)據(jù)計算得到desired replicas number。
pkg/controller/podautoscaler/replica_calculator.go:153#GetMetricReplicas負責(zé)根據(jù)heapster提供的custom raw metric數(shù)據(jù)計算得到desired replicas number。

具體關(guān)于HPA算法的源碼分析，我后續(xù)會單獨寫一篇博客，有興趣的可以關(guān)注（對于絕大部分同學(xué)來說沒必要關(guān)注，除非需要定制HPA算法時，才會具體去分析）。

總而言之，根據(jù)cpu和custom metric數(shù)據(jù)分別計算得到desired replicas后，取兩者最大的值，但不能超過配置的Max Replicas。

稍等稍等，計算出了desired replicas還還夠，我們還要通過shouldScale看看現(xiàn)在距離上一次彈性伸縮的時間間隔是否滿足條件：

兩次縮容的間隔不得小于5min。
兩次擴容的間隔不得小于3min。

shouldScale的代碼如下：

pkg/controller/podautoscaler/horizontal.go:387

...

var downscaleForbiddenWindow = 5 * time.Minute
var upscaleForbiddenWindow = 3 * time.Minute

...

func shouldScale(hpa *autoscaling.HorizontalPodAutoscaler, currentReplicas, desiredReplicas int32, timestamp time.Time) bool {
	if desiredReplicas == currentReplicas {
		return false
	}

	if hpa.Status.LastScaleTime == nil {
		return true
	}

	// Going down only if the usageRatio dropped significantly below the target
	// and there was no rescaling in the last downscaleForbiddenWindow.
	if desiredReplicas < currentReplicas && hpa.Status.LastScaleTime.Add(downscaleForbiddenWindow).Before(timestamp) {
		return true
	}

	// Going up only if the usage ratio increased significantly above the target
	// and there was no rescaling in the last upscaleForbiddenWindow.
	if desiredReplicas > currentReplicas && hpa.Status.LastScaleTime.Add(upscaleForbiddenWindow).Before(timestamp) {
		return true
	}
	return false
}

只有滿足這個條件后，接著才會調(diào)用Scales.Update接口與API Server交互，完成Scale對應(yīng)的RC的replicas的設(shè)置。以rc Controller為例（deployment Controller的雷同），API Server對應(yīng)的Scales.Update接口的實現(xiàn)邏輯如下：

pkg/registry/core/rest/storage_core.go:91
func (c LegacyRESTStorageProvider) NewLegacyRESTStorage(restOptionsGetter generic.RESTOptionsGetter) (LegacyRESTStorage, genericapiserver.APIGroupInfo, error) {
	...
	if autoscalingGroupVersion := (schema.GroupVersion{Group: "autoscaling", Version: "v1"}); registered.IsEnabledVersion(autoscalingGroupVersion) {
		apiGroupInfo.SubresourceGroupVersionKind["replicationcontrollers/scale"] = autoscalingGroupVersion.WithKind("Scale")
	}

	...
	restStorageMap := map[string]rest.Storage{
		...
		
		"replicationControllers":        controllerStorage.Controller,
		"replicationControllers/status": controllerStorage.Status,
		
		...
	}
	return restStorage, apiGroupInfo, nil
}



pkg/registry/core/controller/etcd/etcd.go:124

func (r *ScaleREST) Update(ctx api.Context, name string, objInfo rest.UpdatedObjectInfo) (runtime.Object, bool, error) {
	rc, err := r.registry.GetController(ctx, name, &metav1.GetOptions{})
	if err != nil {
		return nil, false, errors.NewNotFound(autoscaling.Resource("replicationcontrollers/scale"), name)
	}

	oldScale := scaleFromRC(rc)
	obj, err := objInfo.UpdatedObject(ctx, oldScale)
	if err != nil {
		return nil, false, err
	}

	if obj == nil {
		return nil, false, errors.NewBadRequest("nil update passed to Scale")
	}
	scale, ok := obj.(*autoscaling.Scale)
	if !ok {
		return nil, false, errors.NewBadRequest(fmt.Sprintf("wrong object passed to Scale update: %v", obj))
	}

	if errs := validation.ValidateScale(scale); len(errs) > 0 {
		return nil, false, errors.NewInvalid(autoscaling.Kind("Scale"), scale.Name, errs)
	}
	
	// 設(shè)置rc對應(yīng)spec.replicas為Scale中的期望副本數(shù)
	rc.Spec.Replicas = scale.Spec.Replicas
	rc.ResourceVersion = scale.ResourceVersion
	
	// 更新到etcd
	rc, err = r.registry.UpdateController(ctx, rc)
	if err != nil {
		return nil, false, err
	}
	return scaleFromRC(rc), false, nil
}

了解kubernetes rc Controller的同學(xué)很清楚，修改rc的replicas后，會被rc Controller watch到，然后觸發(fā)rc Controller去執(zhí)行創(chuàng)建或者銷毀對應(yīng)差額數(shù)量的replicas，最終使得其副本數(shù)達到HPA計算得到的期望值。也就是說，最終由rc controller去執(zhí)行具體的擴容或縮容動作。

最后，來看看HorizontalController的Run方法：

pkg/controller/podautoscaler/horizontal.go:130

func (a *HorizontalController) Run(stopCh <-chan struct{}) {
	defer utilruntime.HandleCrash()
	glog.Infof("Starting HPA Controller")
	go a.controller.Run(stopCh)
	<-stopCh
	glog.Infof("Shutting down HPA Controller")
}

很簡單，就是負責(zé) HPA Resource的ListWatch，將change更新到對應(yīng)的store(cache)。

HPA Resource的同步周期通過 --horizontal-pod-autoscaler-sync-period設(shè)置，默認值為30s。

感謝各位的閱讀，以上就是“Kubernetes HPA Controller怎么使用”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對Kubernetes HPA Controller怎么使用這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關(guān)知識點的文章，歡迎關(guān)注！

網(wǎng)站欄目：KubernetesHPAController怎么使用
URL網(wǎng)址：http://www.muchs.cn/article44/ijsghe.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供微信公眾號、云服務(wù)器、ChatGPT、網(wǎng)站改版、自適應(yīng)網(wǎng)站、網(wǎng)站維護

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源：創(chuàng)新互聯(lián)

猜你還喜歡下面的內(nèi)容