基于Prometheus指标的弹性伸缩实践

前提条件

• 已创建一个集群。
• 已通过kubectl连接集群，详情请参见通过kubectl连接集群。

步骤一：安装云原生监控插件

1. 登录CCE控制台，单击集群名称进入集群，单击左侧导航栏的“插件中心”。
2. 在“插件中心”页面右侧找到云原生监控插件，单击“安装”。
   建议您关注以下配置，其他配置可按需进行设置。详情请参见云原生监控插件。

   • 部署模式：此处选择“Server模式”，使用本地存储监控数据，监控数据可选择是否对接AOM或三方监控平台。
   • 自定义指标采集：该配置在本实践中必须选择开启，否则将无法采集自定义指标。

3. 插件配置完成后，单击“安装”。

步骤二：获取Prometheus监控数据

本文中通过与Pod相关的指标进行HPA扩缩，例如Pod自身维度的指标。您也可以通过与Pod不相关的的指标进行HPA扩缩，例如外部ELB指标，请参见基于ELB监控指标的弹性伸缩实践。

下文介绍如何部署sample-app应用，并通过Prometheus标准方式暴露指container_memory_working_set_bytes_per_second的指标用来标识容器内存工作集每秒字节。关于Prometheus指标的更多信息，请参见metric_type。

1. 部署测试应用。
   1. 创建sample-app.yaml文件，内容如下：

      apiVersion: apps/v1
      kind: Deployment
      metadata:
        name: sample-app
        labels:
          app: sample-app
      spec:
        replicas: 1
        selector:
          matchLabels:
            app: sample-app
        template:
          metadata: 
            labels:
              app: sample-app
          spec:
            containers: 
            - image: luxas/autoscale-demo:v0.1.2 #镜像
              name: metrics-provider 
              ports:
              - name: http
                containerPort: 8080   #容器暴露的端口
      ---
      apiVersion: v1
      kind: Service
      metadata:
        name: sample-app
        namespace: default
        labels: 
          app: sample-app
      spec:
        ports: 
          - port: 80
            name: http
            protocol: TCP
            targetPort: 8080
        selector:
          app: sample-app 
        type: ClusterIP 

      

      该应用将暴露指标container_memory_working_set_bytes_per_second，用于查看容器每秒的工作内存大小。

   2. 创建工作负载。

      kubectl apply -f sample-app.yaml

2. 创建ServiceMonitor监控自定义指标。
   1. 创建servicemonitor.yaml文件，内容如下：

      apiVersion: monitoring.coreos.com/v1 
      kind: ServiceMonitor
      metadata:
        name: sample-app  # ServiceMonitor名称
        namespace: default
      spec:
        endpoints:        # 定义要监控的服务的端点，包括名称、端口、路径、协议等信息
        - interval: 30s   # 表示Prometheus Operator将每30秒检查一次服务是否需要添加到监控目标列表中
          port: http
          path: /metrics
        namespaceSelector:
          any: true
        selector: 
          matchLabels:
            app: sample-app  #需要采集数据的对象标签

   2. 创建ServiceMonitor。

      kubectl apply -f servicemonitor.yaml

步骤三：修改配置文件

1. 修改Prometheus的adapter-config配置项，通过修改adapter-config中rules字段将Prometheus暴露出的指标转换为HPA可关联的指标。

   kubectl -n monitoring edit configmap user-adapter-config

2. 在rules字段下添加自定义指标采集规则。如果您需要增加多个采集规则，可在rules字段下添加多个配置，关于采集规则配置详情请参见Metrics Discovery and Presentation Configuration。
   自定义采集规则示例如下：

   rules:
   - seriesQuery: container_memory_working_set_bytes{namespace!="",pod!=""}
     resources:
       overrides:
         namespace: 
           resource: namespace
         pod: 
   	resource: pod
     name:
       matches: ^(.*)_bytes
       as: ${1}_bytes_per_second #此处${1}取值为matches:"^(.*)_bytes"中^(.*)匹配到的值
     metricsQuery: sum(<<.Series>>{<<.LabelMatchers>>}) by (<<.GroupBy>>)

   • seriesQuery：PromQL请求数据（用户需要查询的指标，可根据实际情况填写）。
   • metricsQuery：对seriesQuery中PromQL请求的数据进行聚合操作。
   • resources：是PromQL里的数据Label，与resource进行匹配。此处的resource是指集群内的api-resource，例如Pod、Namespace和Node。您可以通过kubectl api-resources -o wide命令查看。此处Key对应Prometheus数据中的LabelName，请确认Prometheus指标数据中有此LabelName。
   • name：指根据正则匹配把Prometheus指标名转为比较可读的指标名，此处将container_memory_working_set_bytes转为container_memory_working_set_bytes_per_second。

3. 重新部署monitoring命名空间下的custom-metrics-apiserver工作负载。

   kubectl -nmonitoring delete pod -l app=custom-metrics-apiserver

4. 执行命令查看指标是否添加成功。

   kubectl get --raw /apis/custom.metrics.k8s.io/v1beta1/namespaces/default/pods/*/container_memory_working_set_bytes_per_second

   

步骤四：创建HPA策略

1. 使用自定义指标创建HPA策略。
   1. 创建hpa.yaml文件，内容如下：

      kind: HorizontalPodAutoscaler
      apiVersion: autoscaling/v2
      metadata:
        name: sample-app-memory-high
      spec:
      # HPA的伸缩对象描述，HPA会动态修改该对象的Pod数量。
        scaleTargetRef:
          apiVersion: apps/v1
          kind: Deployment
          name: sample-app
      # HPA的最小Pod数量和最大Pod数量。
        minReplicas: 1
        maxReplicas: 10
      # 监控的指标数组，支持多种类型的指标共存。
        metrics:
        - type: Pods
          pods:
            metric: 
              name: container_memory_working_set_bytes_per_second   # 使用自定义容器指标
            target:
              type: AverageValue  # AverageValue类型的目标值，Pods指标类型下只支持AverageValue类型的目标值
              averageValue: 1024000m   # 此处1024000m代表1KB

   2. 创建HPA策略。

      kubectl apply -f hpa.yaml

2. 查看HPA策略是否生效。

   kubectl get hpa sample-app-memory-high

   

   可见副本数已由初始1扩容至10。