可扩展性是云应用程序的关键要求。 使用 Kubernetes,扩展应用程序就像增加适当部署的副本数量或 ReplicaSet
——但这是一个手动过程。
Kubernetes 允许应用程序自动扩展(即部署中的 Pod 或 ReplicaSet
)使用 Horizontal Pod Autoscaler 规范以声明方式。 自动扩展的默认标准是CPU使用率指标(资源指标),但您可以集成自定义和外部提供的指标。
团队
使用开源 Kubernetes 运算符 Kubernetes 事件驱动自动缩放 (KEDA),而不是 Pod 的水平自动缩放。 它与 Horizontal Pod Autoscaler 原生集成,为事件驱动的工作负载提供无缝自动缩放(包括从零到零)。 代码可在
系统简要概述
该图显示了一切如何工作的简要描述:
- 该应用程序提供 Prometheus 格式的 HTTP 命中计数指标。
- Prometheus 配置为收集这些指标。
- KEDA 中的 Prometheus 缩放器配置为根据 HTTP 命中数自动缩放应用程序。
现在我将详细告诉您每个要素。
科达与普罗米修斯
Prometheus是一个开源系统监控和警报工具包,部分
KEDA 支持缩放器的概念 - 它充当 KEDA 和外部系统之间的桥梁。 缩放器实现特定于每个目标系统并从中提取数据。 然后 KEDA 使用它们来控制自动缩放。
Scalers支持多种数据源,例如Kafka、Redis、Prometheus。 也就是说,KEDA 可用于使用 Prometheus 指标作为标准自动扩展 Kubernetes 部署。
测试应用
Golang 测试应用程序提供通过 HTTP 的访问并执行两个重要功能:
- 使用 Prometheus Go 客户端库来检测应用程序并提供 http_requests 指标,其中包含点击计数。 Prometheus 指标可用的端点位于 URI
/metrics
.var httpRequestsCounter = promauto.NewCounter(prometheus.CounterOpts{ Name: "http_requests", Help: "number of http requests", })
- 响应请求
GET
应用程序增加键的值(access_count
)在Redis中。 这是作为 HTTP 处理程序的一部分完成工作并检查 Prometheus 指标的简单方法。 指标值必须与值相同access_count
在Redis中。func main() { http.Handle("/metrics", promhttp.Handler()) http.HandleFunc("/test", func(w http.ResponseWriter, r *http.Request) { defer httpRequestsCounter.Inc() count, err := client.Incr(redisCounterName).Result() if err != nil { fmt.Println("Unable to increment redis counter", err) os.Exit(1) } resp := "Accessed on " + time.Now().String() + "nAccess count " + strconv.Itoa(int(count)) w.Write([]byte(resp)) }) http.ListenAndServe(":8080", nil) }
该应用程序通过以下方式部署到 Kubernetes Deployment
。 还创建了一个服务 ClusterIP
,它允许Prometheus服务器获取应用程序指标。
这里
普罗米修斯服务器
Prometheus 部署清单包括:
ConfigMap
— 传输 Prometheus 配置;Deployment
— 用于在 Kubernetes 集群中部署 Prometheus;ClusterIP
— 访问 UI Prometheus 的服务;ClusterRole
,ClusterRoleBinding
иServiceAccount
— 用于自动检测 Kubernetes 中的服务(自动发现)。
科达 Prometheus ScaledObject
缩放器充当 KEDA 和需要从中获取指标的外部系统之间的桥梁。 ScaledObject
是需要部署的自定义资源,以将部署与事件源(在本例中为 Prometheus)同步。
ScaledObject
包含部署扩展信息、事件源元数据(例如连接机密、队列名称)、轮询间隔、恢复周期和其他数据。 它会产生相应的自动扩展资源(HPA 定义)来扩展部署。
当一个物体 ScaledObject
删除后,对应的HPA定义被清除。
这是定义 ScaledObject
对于我们的示例,它使用缩放器 Prometheus
:
apiVersion: keda.k8s.io/v1alpha1
kind: ScaledObject
metadata:
name: prometheus-scaledobject
namespace: default
labels:
deploymentName: go-prom-app
spec:
scaleTargetRef:
deploymentName: go-prom-app
pollingInterval: 15
cooldownPeriod: 30
minReplicaCount: 1
maxReplicaCount: 10
triggers:
- type: prometheus
metadata:
serverAddress:
http://prometheus-service.default.svc.cluster.local:9090
metricName: access_frequency
threshold: '3'
query: sum(rate(http_requests[2m]))
考虑以下几点:
- 他指
Deployment
有名字go-prom-app
. - 触发类型 -
Prometheus
。 Prometheus 服务器地址以及指标名称、阈值和PromQL 查询 ,这将被使用。 PromQL 查询 -sum(rate(http_requests[2m]))
. - 根据
pollingInterval
,KEDA 每十五秒向 Prometheus 请求一个目标。 至少一项 (minReplicaCount
),且最大 pod 数量不超过maxReplicaCount
(在本例中为十)。
可以安装 minReplicaCount
等于零。 在这种情况下,KEDA 会激活零到一的部署,然后公开 HPA 以进行进一步的自动扩展。 相反的顺序也是可能的,即从一缩放到零。 在示例中,我们没有选择零,因为这是一个 HTTP 服务而不是按需系统。
自动缩放的魔力
该阈值用作扩展部署的触发器。 在我们的示例中,PromQL 查询 sum(rate (http_requests [2m]))
返回过去两分钟内测量的聚合 HTTP 请求率(每秒请求数)。
由于阈值为 XNUMX,这意味着当该值小于 XNUMX 时,就会出现 XNUMX sum(rate (http_requests [2m]))
少于三个。 如果该值增加,则每次都会添加一个额外的 sub sum(rate (http_requests [2m]))
增加三。 例如,如果该值为 12 到 14,则 Pod 数量为 XNUMX。
现在让我们尝试设置它!
预设
您只需要一个 Kubernetes 集群和一个配置好的实用程序 kubectl
。 本例使用集群 minikube
,但您可以选择任何其他的。 要安装集群,有
在 Mac 上安装最新版本:
curl -Lo minikube
https://storage.googleapis.com/minikube/releases/latest/minikube-linux-amd64
&& chmod +x minikube
sudo mkdir -p /usr/local/bin/
sudo install minikube /usr/local/bin/
集
在 Mac 上安装最新版本:
curl -LO
"https://storage.googleapis.com/kubernetes-release/release/$(curl -s
https://storage.googleapis.com/kubernetes-release/release/stable.txt)/bin/darwin/amd64/kubectl"
chmod +x ./kubectl
sudo mv ./kubectl /usr/local/bin/kubectl
kubectl version
科达安装
您可以通过多种方式部署 KEDA,它们列于
kubectl apply -f
https://raw.githubusercontent.com/kedacore/keda/master/deploy/KedaScaleController.yaml
KEDA 及其组件安装到命名空间中 keda
。 检查命令:
kubectl get pods -n keda
等待 KEDA Operator 启动并进入 Running State
。 之后,继续。
使用 Helm 安装 Redis
如果您没有安装Helm,请使用这个
brew install kubernetes-helm
helm init --history-max 200
helm init
初始化本地命令行界面并安装 Tiller
到 Kubernetes 集群。
kubectl get pods -n kube-system | grep tiller
等待 Tiller Pod 进入 Running 状态。
译者注:作者使用Helm@2,需要安装Tiller服务器组件。 现在 Helm@3 是相关的,它不需要服务器部分。
安装 Helm 后,一条命令足以启动 Redis:
helm install --name redis-server --set cluster.enabled=false --set
usePassword=false stable/redis
验证Redis是否启动成功:
kubectl get pods/redis-server-master-0
等待Redis进入状态 Running
.
应用部署
部署命令:
kubectl apply -f go-app.yaml
//output
deployment.apps/go-prom-app created
service/go-prom-app-service created
检查一切是否已开始:
kubectl get pods -l=app=go-prom-app
等待Redis进入状态 Running
.
部署普罗米修斯服务器
Prometheus 清单使用
kubernetes_sd_configs:
- role: service
relabel_configs:
- source_labels: [__meta_kubernetes_service_label_run]
regex: go-prom-app-service
action: keep
部署:
kubectl apply -f prometheus.yaml
//output
clusterrole.rbac.authorization.k8s.io/prometheus created
serviceaccount/default configured
clusterrolebinding.rbac.authorization.k8s.io/prometheus created
configmap/prom-conf created
deployment.extensions/prometheus-deployment created
service/prometheus-service created
检查一切是否已开始:
kubectl get pods -l=app=prometheus-server
等待Prometheus进入状态 Running
.
使用 kubectl port-forward
访问 Prometheus 用户界面(或 API 服务器)
kubectl port-forward service/prometheus-service 9090
部署 KEDA 自动缩放配置
创建命令 ScaledObject
:
kubectl apply -f keda-prometheus-scaledobject.yaml
检查KEDA操作员日志:
KEDA_POD_NAME=$(kubectl get pods -n keda
-o=jsonpath='{.items[0].metadata.name}')
kubectl logs $KEDA_POD_NAME -n keda
结果看起来像这样:
time="2019-10-15T09:38:28Z" level=info msg="Watching ScaledObject:
default/prometheus-scaledobject"
time="2019-10-15T09:38:28Z" level=info msg="Created HPA with
namespace default and name keda-hpa-go-prom-app"
检查应用程序下。 一个实例必须正在运行,因为 minReplicaCount
等于 1:
kubectl get pods -l=app=go-prom-app
验证 HPA 资源是否已成功创建:
kubectl get hpa
您应该看到类似以下内容:
NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE
keda-hpa-go-prom-app Deployment/go-prom-app 0/3 (avg) 1 10 1 45s
健康检查:应用程序访问
要访问我们应用程序的 REST 端点,请运行:
kubectl port-forward service/go-prom-app-service 8080
您现在可以使用该地址访问您的 Go 应用程序
curl http://localhost:8080/test
结果看起来像这样:
Accessed on 2019-10-21 11:29:10.560385986 +0000 UTC
m=+406004.817901246
Access count 1
此时还要检查Redis。 你会看到关键 access_count
增加到1:
kubectl exec -it redis-server-master-0 -- redis-cli get access_count
//output
"1"
确保度量值是 http_requests
相同:
curl http://localhost:8080/metrics | grep http_requests
//output
# HELP http_requests number of http requests
# TYPE http_requests counter
http_requests 1
负载创建
我们将使用
curl -o hey https://storage.googleapis.com/hey-release/hey_darwin_amd64
&& chmod a+x hey
您还可以下载该实用程序
运行:
./hey http://localhost:8080/test
默认情况下,该实用程序发送 200 个请求。 您可以使用 Prometheus 指标和 Redis 来验证这一点。
curl http://localhost:8080/metrics | grep http_requests
//output
# HELP http_requests number of http requests
# TYPE http_requests counter
http_requests 201
kubectl exec -it redis-server-master-0 -- redis-cli get access_count
//output
201
验证实际指标的值(由 PromQL 查询返回):
curl -g
'http://localhost:9090/api/v1/query?query=sum(rate(http_requests[2m]))'
//output
{"status":"success","data":{"resultType":"vector","result":[{"metric":{},"value":[1571734214.228,"1.686057971014493"]}]}}
在这种情况下,实际结果是 1,686057971014493
并显示在字段中 value
。 这对于缩放来说是不够的,因为我们设置的阈值是 3。
更多负载!
在新终端中,监控应用程序 pod 的数量:
kubectl get pods -l=app=go-prom-app -w
让我们使用以下命令增加负载:
./hey -n 2000 http://localhost:8080/test
一段时间后,您将看到 HPA 扩展部署并启动新的 Pod。 检查您的 HPA 以确保:
kubectl get hpa
NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE
keda-hpa-go-prom-app Deployment/go-prom-app 1830m/3 (avg) 1 10 6 4m22s
如果负载不一致,部署就会减少到只有一个 pod 运行。 如果您想检查实际指标(由 PromQL 查询返回),请使用以下命令:
curl -g
'http://localhost:9090/api/v1/query?query=sum(rate(http_requests[2m]))'
清洁的
//Delete KEDA
kubectl delete namespace keda
//Delete the app, Prometheus server and KEDA scaled object
kubectl delete -f .
//Delete Redis
helm del --purge redis-server
结论
KEDA 允许您根据外部指标的数据自动扩展 Kubernetes 部署(从零到零)。 例如,基于 Prometheus 指标、Redis 中的队列长度、Kafka 主题中的消费者延迟。
KEDA 与外部源集成,还通过 Metrics Server 向 Horizontal Pod Autoscaler 提供其指标。
祝你好运!
还有什么要读的:
在生产环境中运行容器和 Kubernetes 的最佳实践和最佳实践 .90 多种 Kubernetes 有用工具:部署、管理、监控、安全等 .我们在 Telegram 中围绕 Kubernetes 的频道 .
来源: habr.com