docker中资源指标API及自定义指标API的示例分析

发布时间：2021-11-19 11:45:20 作者：小新
来源：亿速云阅读：169

这篇文章给大家分享的是有关docker中资源指标API及自定义指标API的示例分析的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。

以前是用heapster来收集资源指标才能看，现在heapster要废弃了。

从k8s v1.8开始后，引入了新的功能，即把资源指标引入api。

资源指标：metrics-server

自定义指标： prometheus,k8s-prometheus-adapter

因此，新一代架构：

1）核心指标流水线：由kubelet、metrics-server以及由API server提供的api组成；cpu累计利用率、内存实时利用率、pod的资源占用率及容器的磁盘占用率

2）监控流水线：用于从系统收集各种指标数据并提供终端用户、存储系统以及HPA，他们包含核心指标以及许多非核心指标。非核心指标不能被k8s所解析。

metrics-server是个api server，仅仅收集cpu利用率、内存利用率等。

[root@master ~]# kubectl api-versions
admissionregistration.k8s.io/v1beta1
apiextensions.k8s.io/v1beta1
apiregistration.k8s.io/v1
apiregistration.k8s.io/v1beta1
apps/v1
apps/v1beta1
apps/v1beta2
authentication.k8s.io/v1
authentication.k8s.io/v1beta1
authorization.k8s.io/v1

资源指标（metrics）

docker中资源指标API及自定义指标API的示例分析

访问 https://github.com/kubernetes/kubernetes/tree/master/cluster/addons/metrics-server

把文件下载到本地目录,，注意，一定要到和自己k8s集群版本一致目录里面下载，比如我的k8s 是v1.11.2。否则安装后metrics的pod运行不起来。

[root@master metrics-server]# cd kubernetes-1.11.2/cluster/addons/metrics-server

[root@master metrics-server]# ls
auth-delegator.yaml  metrics-apiservice.yaml         metrics-server-service.yaml
auth-reader.yaml     metrics-server-deployment.yaml  resource-reader.yaml

注意：需要修改的地方：

metrics-server-deployment.yaml
# - --source=kubernetes.summary_api:''
- --source=kubernetes.summary_api:https://kubernetes.default?kubeletHttps=true&kubeletPort=10250&insecure=true
 
resource-reader.yaml
 resources:
  - pods
  - nodes
  - namespaces
  - nodes/stats  #新加

[root@master metrics-server]# kubectl apply -f ./
clusterrolebinding.rbac.authorization.k8s.io/metrics-server:system:auth-delegator created
rolebinding.rbac.authorization.k8s.io/metrics-server-auth-reader created
apiservice.apiregistration.k8s.io/v1beta1.metrics.k8s.io created
serviceaccount/metrics-server created
configmap/metrics-server-config created
deployment.extensions/metrics-server-v0.3.1 created
service/metrics-server created
clusterrole.rbac.authorization.k8s.io/system:metrics-server created
clusterrolebinding.rbac.authorization.k8s.io/system:metrics-server created

[root@master metrics-server]# kubectl get pods -n kube-system -o wide
NAME                                    READY     STATUS    RESTARTS   AGE       IP             NODE
metrics-server-v0.2.1-fd596d746-c7x6q   2/2       Running   0          1m        10.244.2.49    node2

[root@master metrics-server]# kubectl api-versions
metrics.k8s.io/v1beta1

看到api-version里面有metrics了。

[root@master ~]# kubectl proxy --port=8080
Starting to serve on 127.0.0.1:8080

[root@master ~]# curl http://localhost:8080/apis/metrics.k8s.io/v1beta1
{
  "kind": "APIResourceList",
  "apiVersion": "v1",
  "groupVersion": "metrics.k8s.io/v1beta1",
  "resources": [
    {
      "name": "nodes",
      "singularName": "",
      "namespaced": false,
      "kind": "NodeMetrics",
      "verbs": [
        "get",
        "list"
      ]
    },
    {
      "name": "pods",
      "singularName": "",
      "namespaced": true,
      "kind": "PodMetrics",
      "verbs": [
        "get",
        "list"
      ]
    }
  ]

[root@master metrics-server]#  curl http://localhost:8080/apis/metrics.k8s.io/v1beta1/pods
{
  "kind": "PodMetricsList",
  "apiVersion": "metrics.k8s.io/v1beta1",
  "metadata": {
    "selfLink": "/apis/metrics.k8s.io/v1beta1/pods"
  },
  "items": [
    {
      "metadata": {
        "name": "pod1",
        "namespace": "dev",
        "selfLink": "/apis/metrics.k8s.io/v1beta1/namespaces/dev/pods/pod1",
        "creationTimestamp": "2018-10-15T09:26:57Z"
      },
      "timestamp": "2018-10-15T09:26:00Z",
      "window": "1m0s",
      "containers": [
        {
          "name": "myapp",
          "usage": {
            "cpu": "0",
            "memory": "2940Ki"
          }
        }
      ]
    },
    {
      "metadata": {
        "name": "rook-ceph-osd-0-b9b94dc6c-ffs8z",
        "namespace": "rook-ceph",
        "selfLink": "/apis/metrics.k8s.io/v1beta1/namespaces/rook-ceph/pods/rook-ceph-osd-0-b9b94dc6c-ffs8z",
        "creationTimestamp": "2018-10-15T09:26:57Z"
      },
      "timestamp": "2018-10-15T09:26:00Z",
      "window": "1m0s",
      "containers": [
        {

[root@master metrics-server]#  curl http://localhost:8080/apis/metrics.k8s.io/v1beta1/nodes
{
  "kind": "NodeMetricsList",
  "apiVersion": "metrics.k8s.io/v1beta1",
  "metadata": {
    "selfLink": "/apis/metrics.k8s.io/v1beta1/nodes"
  },
  "items": [
    {
      "metadata": {
        "name": "node2",
        "selfLink": "/apis/metrics.k8s.io/v1beta1/nodes/node2",
        "creationTimestamp": "2018-10-15T09:27:26Z"
      },
      "timestamp": "2018-10-15T09:27:00Z",
      "window": "1m0s",
      "usage": {
        "cpu": "90m",
        "memory": "1172044Ki"
      }
    },
    {
      "metadata": {
        "name": "master",
        "selfLink": "/apis/metrics.k8s.io/v1beta1/nodes/master",
        "creationTimestamp": "2018-10-15T09:27:26Z"
      },
      "timestamp": "2018-10-15T09:27:00Z",
      "window": "1m0s",
      "usage": {
        "cpu": "186m",
        "memory": "1582972Ki"
      }
    },
    {
      "metadata": {
        "name": "node1",
        "selfLink": "/apis/metrics.k8s.io/v1beta1/nodes/node1",
        "creationTimestamp": "2018-10-15T09:27:26Z"
      },
      "timestamp": "2018-10-15T09:27:00Z",
      "window": "1m0s",
      "usage": {
        "cpu": "68m",
        "memory": "1079332Ki"
      }
    }
  ]
}[root@master metrics-server]#

看到iterms里面有数据了，说明可以采集各节点和pod里面的资源使用情况了。注意，如果你看不到就多等一会，如果等了很长的时间,iterm里面还是空，那么就看看metrics容器里面的日志是不是有报错。查看日志的方法为：

[root@master metrics-server]#kubectl get pods -n kube-system
NAME                                    READY     STATUS    RESTARTS   AGE
metrics-server-v0.2.1-84678c956-jdtr5   2/2       Running   0          14m

[root@master metrics-server]# kubectl logs metrics-server-v0.2.1-84678c956-jdtr5 -c metrics-server -n kube-system
-8r6lz
I1015 09:26:57.117323       1 reststorage.go:93] No metrics for pod rook-ceph/rook-ceph-osd-prepare-node1-8r6lz
I1015 09:26:57.117336       1 reststorage.go:140] No metrics for container rook-ceph-osd in pod rook-ceph/rook-ceph-osd-prepare-node2-vnr97
I1015 09:26:57.117347       1 reststorage.go:93] No metrics for pod rook-ceph/rook-ceph-osd-prepare-node2-vnr97

这样，kubectl top命令就能使用了：

[root@master ~]# kubectl top nodes
NAME      CPU(cores)   CPU%      MEMORY(bytes)   MEMORY%   
master    131m         3%        1716Mi          46%       
node1     68m          1%        1169Mi          31%       
node2     96m          2%        1236Mi          33%

[root@master manifests]# kubectl top pods 
NAME                            CPU(cores)   MEMORY(bytes)   
myapp-deploy-69b47bc96d-dfpvp   0m           2Mi             
myapp-deploy-69b47bc96d-g9kkz   0m           2Mi

[root@master manifests]# kubectl top pods -n kube-system
NAME                                    CPU(cores)   MEMORY(bytes)   
canal-4h3ww                             11m          49Mi            
canal-6tdxn                             11m          49Mi            
canal-z2tp4                             11m          43Mi            
coredns-78fcdf6894-2l2cf                1m           9Mi             
coredns-78fcdf6894-dkkfq                1m           10Mi            
etcd-master                             14m          242Mi           
kube-apiserver-master                   26m          527Mi           
kube-controller-manager-master          20m          68Mi            
kube-flannel-ds-amd64-6zqzr             2m           15Mi            
kube-flannel-ds-amd64-7qtcl             2m           17Mi            
kube-flannel-ds-amd64-kpctn             2m           18Mi            
kube-proxy-9snbs                        2m           16Mi            
kube-proxy-psmxj                        2m           18Mi            
kube-proxy-tc8g6                        2m           17Mi            
kube-scheduler-master                   6m           16Mi            
kubernetes-dashboard-767dc7d4d-4mq9z    0m           12Mi            
metrics-server-v0.2.1-84678c956-jdtr5   0m           29Mi

自定义指标（prometheus)

大家看到，我们的metrics已经可以正常工作了。不过，metrics只能监控cpu和内存，对于其他指标如用户自定义的监控指标，metrics就无法监控到了。这时就需要另外一个组件叫prometheus。

docker中资源指标API及自定义指标API的示例分析

prometheus的部署非常麻烦。

node_exporter是agent;

PromQL相当于sql语句来查询数据;

k8s-prometheus-adapter:prometheus是不能直接解析k8s的指标的，需要借助k8s-prometheus-adapter转换成api

kube-state-metrics是用来整合数据的。

docker中资源指标API及自定义指标API的示例分析

下面开始部署。

访问 https://github.com/ikubernetes/k8s-prom

[root@master pro]# git clone https://github.com/iKubernetes/k8s-prom.git

先创建一个叫prom的名称空间：

[root@master k8s-prom]# kubectl apply -f namespace.yaml 
namespace/prom created

部署node_exporter：

[root@master k8s-prom]# cd node_exporter/
[root@master node_exporter]# ls
node-exporter-ds.yaml  node-exporter-svc.yaml
[root@master node_exporter]# kubectl apply -f .
daemonset.apps/prometheus-node-exporter created
service/prometheus-node-exporter created

[root@master node_exporter]# kubectl get pods -n prom
NAME                             READY     STATUS    RESTARTS   AGE
prometheus-node-exporter-dmmjj   1/1       Running   0          7m
prometheus-node-exporter-ghz2l   1/1       Running   0          7m
prometheus-node-exporter-zt2lw   1/1       Running   0          7m

部署prometheus:

[root@master k8s-prom]# cd prometheus/
[root@master prometheus]# ls
prometheus-cfg.yaml  prometheus-deploy.yaml  prometheus-rbac.yaml  prometheus-svc.yaml
[root@master prometheus]# kubectl apply -f .
configmap/prometheus-config created
deployment.apps/prometheus-server created
clusterrole.rbac.authorization.k8s.io/prometheus created
serviceaccount/prometheus created
clusterrolebinding.rbac.authorization.k8s.io/prometheus created
service/prometheus created

看prom名称空间中的所有资源：

[root@master prometheus]# kubectl get all -n prom
NAME                                     READY     STATUS    RESTARTS   AGE
pod/prometheus-node-exporter-dmmjj       1/1       Running   0          10m
pod/prometheus-node-exporter-ghz2l       1/1       Running   0          10m
pod/prometheus-node-exporter-zt2lw       1/1       Running   0          10m
pod/prometheus-server-65f5d59585-6l8m8   1/1       Running   0          55s
NAME                               TYPE        CLUSTER-IP      EXTERNAL-IP   PORT(S)          AGE
service/prometheus                 NodePort    10.111.127.64   <none>        9090:30090/TCP   56s
service/prometheus-node-exporter   ClusterIP   None            <none>        9100/TCP         10m
NAME                                      DESIRED   CURRENT   READY     UP-TO-DATE   AVAILABLE   NODE SELECTOR   AGE
daemonset.apps/prometheus-node-exporter   3         3         3         3            3           <none>          10m
NAME                                DESIRED   CURRENT   UP-TO-DATE   AVAILABLE   AGE
deployment.apps/prometheus-server   1         1         1            1           56s
NAME                                           DESIRED   CURRENT   READY     AGE
replicaset.apps/prometheus-server-65f5d59585   1         1         1         56s

上面我们看到通过NodePorts的方式，可以通过宿主机的30090端口，来访问prometheus容器里面的应用。

docker中资源指标API及自定义指标API的示例分析

最好挂载个pvc的存储，要不这些监控数据过一会就没了。

部署kube-state-metrics，用来整合数据：

[root@master k8s-prom]# cd kube-state-metrics/
[root@master kube-state-metrics]# ls
kube-state-metrics-deploy.yaml  kube-state-metrics-rbac.yaml  kube-state-metrics-svc.yaml
[root@master kube-state-metrics]# kubectl apply -f .
deployment.apps/kube-state-metrics created
serviceaccount/kube-state-metrics created
clusterrole.rbac.authorization.k8s.io/kube-state-metrics created
clusterrolebinding.rbac.authorization.k8s.io/kube-state-metrics created
service/kube-state-metrics created

[root@master kube-state-metrics]# kubectl get all -n prom
NAME                                      READY     STATUS    RESTARTS   AGE
pod/kube-state-metrics-58dffdf67d-v9klh   1/1       Running   0          14m
NAME                               TYPE        CLUSTER-IP      EXTERNAL-IP   PORT(S)          AGE
service/kube-state-metrics         ClusterIP   10.111.41.139   <none>        8080/TCP         14m

部署k8s-prometheus-adapter,这个需要自制证书：

[root@master k8s-prometheus-adapter]# cd /etc/kubernetes/pki/
[root@master pki]# (umask 077; openssl genrsa -out serving.key 2048)
Generating RSA private key, 2048 bit long modulus
...........................................................................................+++
...............+++
e is 65537 (0x10001)

证书请求：

[root@master pki]#  openssl req -new -key serving.key -out serving.csr -subj "/CN=serving"

开始签证：

[root@master pki]# openssl  x509 -req -in serving.csr -CA ./ca.crt -CAkey ./ca.key -CAcreateserial -out serving.crt -days 3650
Signature ok
subject=/CN=serving
Getting CA Private Key

创建加密的配置文件：

[root@master pki]# kubectl create secret generic cm-adapter-serving-certs --from-file=serving.crt=./serving.crt --from-file=serving.key=./serving.key  -n prom
secret/cm-adapter-serving-certs created

注：cm-adapter-serving-certs是custom-metrics-apiserver-deployment.yaml文件里面的名字。

[root@master pki]# kubectl get secrets -n prom
NAME                             TYPE                                  DATA      AGE
cm-adapter-serving-certs         Opaque                                2         51s
default-token-knsbg              kubernetes.io/service-account-token   3         4h
kube-state-metrics-token-sccdf   kubernetes.io/service-account-token   3         3h
prometheus-token-nqzbz           kubernetes.io/service-account-token   3         3h

部署k8s-prometheus-adapter：

[root@master k8s-prom]# cd k8s-prometheus-adapter/
[root@master k8s-prometheus-adapter]# ls
custom-metrics-apiserver-auth-delegator-cluster-role-binding.yaml   custom-metrics-apiserver-service.yaml
custom-metrics-apiserver-auth-reader-role-binding.yaml              custom-metrics-apiservice.yaml
custom-metrics-apiserver-deployment.yaml                            custom-metrics-cluster-role.yaml
custom-metrics-apiserver-resource-reader-cluster-role-binding.yaml  custom-metrics-resource-reader-cluster-role.yaml
custom-metrics-apiserver-service-account.yaml                       hpa-custom-metrics-cluster-role-binding.yaml

由于k8s v1.11.2和k8s-prometheus-adapter最新版不兼容，解决办法就是访问https://github.com/DirectXMan12/k8s-prometheus-adapter/tree/master/deploy/manifests下载最新版的custom-metrics-apiserver-deployment.yaml文件，并把里面的namespace的名字改成prom；同时还要下载custom-metrics-config-map.yaml文件到本地来，并把里面的namespace的名字改成prom。

[root@master k8s-prometheus-adapter]# kubectl apply -f .
clusterrolebinding.rbac.authorization.k8s.io/custom-metrics:system:auth-delegator created
rolebinding.rbac.authorization.k8s.io/custom-metrics-auth-reader created
deployment.apps/custom-metrics-apiserver created
clusterrolebinding.rbac.authorization.k8s.io/custom-metrics-resource-reader created
serviceaccount/custom-metrics-apiserver created
service/custom-metrics-apiserver created
apiservice.apiregistration.k8s.io/v1beta1.custom.metrics.k8s.io created
clusterrole.rbac.authorization.k8s.io/custom-metrics-server-resources created
clusterrole.rbac.authorization.k8s.io/custom-metrics-resource-reader created
clusterrolebinding.rbac.authorization.k8s.io/hpa-controller-custom-metrics created

[root@master k8s-prometheus-adapter]# kubectl get all -n prom
NAME                                           READY     STATUS    RESTARTS   AGE
pod/custom-metrics-apiserver-65f545496-64lsz   1/1       Running   0          6m
pod/kube-state-metrics-58dffdf67d-v9klh        1/1       Running   0          4h
pod/prometheus-node-exporter-dmmjj             1/1       Running   0          4h
pod/prometheus-node-exporter-ghz2l             1/1       Running   0          4h
pod/prometheus-node-exporter-zt2lw             1/1       Running   0          4h
pod/prometheus-server-65f5d59585-6l8m8         1/1       Running   0          4h
NAME                               TYPE        CLUSTER-IP      EXTERNAL-IP   PORT(S)          AGE
service/custom-metrics-apiserver   ClusterIP   10.103.87.246   <none>        443/TCP          36m
service/kube-state-metrics         ClusterIP   10.111.41.139   <none>        8080/TCP         4h
service/prometheus                 NodePort    10.111.127.64   <none>        9090:30090/TCP   4h
service/prometheus-node-exporter   ClusterIP   None            <none>        9100/TCP         4h
NAME                                      DESIRED   CURRENT   READY     UP-TO-DATE   AVAILABLE   NODE SELECTOR   AGE
daemonset.apps/prometheus-node-exporter   3         3         3         3            3           <none>          4h
NAME                                       DESIRED   CURRENT   UP-TO-DATE   AVAILABLE   AGE
deployment.apps/custom-metrics-apiserver   1         1         1            1           36m
deployment.apps/kube-state-metrics         1         1         1            1           4h
deployment.apps/prometheus-server          1         1         1            1           4h
NAME                                                  DESIRED   CURRENT   READY     AGE
replicaset.apps/custom-metrics-apiserver-5f6b4d857d   0         0         0         36m
replicaset.apps/custom-metrics-apiserver-65f545496    1         1         1         6m
replicaset.apps/custom-metrics-apiserver-86ccf774d5   0         0         0         17m
replicaset.apps/kube-state-metrics-58dffdf67d         1         1         1         4h
replicaset.apps/prometheus-server-65f5d59585          1         1         1         4h

最终看到prom名称空间里面的所有资源都是running状态了。

[root@master k8s-prometheus-adapter]# kubectl api-versions
custom.metrics.k8s.io/v1beta1

可以看到custom.metrics.k8s.io/v1beta1这个api了。

开个代理：

[root@master k8s-prometheus-adapter]# kubectl proxy --port=8080

可以看到指标数据了：

[root@master pki]# curl  http://localhost:8080/apis/custom.metrics.k8s.io/v1beta1/
 {
      "name": "pods/ceph_rocksdb_submit_transaction_sync",
      "singularName": "",
      "namespaced": true,
      "kind": "MetricValueList",
      "verbs": [
        "get"
      ]
    },
    {
      "name": "jobs.batch/kube_deployment_created",
      "singularName": "",
      "namespaced": true,
      "kind": "MetricValueList",
      "verbs": [
        "get"
      ]
    },
    {
      "name": "jobs.batch/kube_pod_owner",
      "singularName": "",
      "namespaced": true,
      "kind": "MetricValueList",
      "verbs": [
        "get"
      ]
    },

下面我们就可以愉快的创建HPA了（水平Pod自动伸缩）。

另外，prometheus还可以和grafana整合。如下步骤。

先下载文件grafana.yaml，访问https://github.com/kubernetes/heapster/blob/master/deploy/kube-config/influxdb/grafana.yaml

[root@master pro]# wget

修改grafana.yaml文件内容：

 把namespace: kube-system改成prom，有两处；
 把env里面的下面两个注释掉：
        - name: INFLUXDB_HOST
          value: monitoring-influxdb
 在最有一行加个type: NodePort
 ports:
  - port: 80
    targetPort: 3000
  selector:
    k8s-app: grafana
  type: NodePort

[root@master pro]# kubectl apply -f grafana.yaml 
deployment.extensions/monitoring-grafana created
service/monitoring-grafana created

[root@master pro]# kubectl get pods -n prom
NAME                                       READY     STATUS    RESTARTS   AGE
monitoring-grafana-ffb4d59bd-gdbsk         1/1       Running   0          5s

看到grafana这个pod运行起来了。

[root@master pro]# kubectl get svc -n prom
NAME                       TYPE        CLUSTER-IP       EXTERNAL-IP   PORT(S)          AGE
monitoring-grafana         NodePort    10.106.164.205   <none>        80:32659/TCP     19m

我们可以访问宿主机ip： http://172.16.1.100:32659

docker中资源指标API及自定义指标API的示例分析

然后，就能从界面上看到相应的数据了。

登录下面的网站下载个grafana监控k8s-prometheus的模板：

docker中资源指标API及自定义指标API的示例分析

然后再grafana的界面中导入上面下载的模板：

docker中资源指标API及自定义指标API的示例分析

导入模板之后，就能看到监控数据了：

docker中资源指标API及自定义指标API的示例分析

HPA（水平pod自动扩展）

当pod压力大了，会根据负载自动扩展Pod个数以均匀压力。

目前，HPA只支持两个版本，v1版本只支持核心指标的定义（只能根据cpu利用率的指标进行pod的扩展）；

[root@master pro]# kubectl explain hpa.spec.scaleTargetRef
scaleTargetRef：表示基于什么指标来计算pod伸缩的标准

[root@master pro]# kubectl api-versions |grep auto
autoscaling/v1
autoscaling/v2beta1

上面看到分别支持hpav1和hpav2。

下面我们用命令行的方式重新创建一个带有资源限制的pod myapp：

[root@master ~]# kubectl run myapp --image=ikubernetes/myapp:v1 --replicas=1 --requests='cpu=50m,memory=256Mi' --limits='cpu=50m,memory=256Mi' --labels='app=myapp' --expose --port=80
service/myapp created
deployment.apps/myapp created

[root@master ~]# kubectl get pods
NAME                     READY     STATUS    RESTARTS   AGE
myapp-6985749785-fcvwn   1/1       Running   0          58s

下面我们让myapp 这个pod能自动水平扩展，用kubectl autoscale，其实就是指明HPA控制器的。

[root@master ~]# kubectl autoscale deployment myapp --min=1 --max=8 --cpu-percent=60
horizontalpodautoscaler.autoscaling/myapp autoscaled

--min：表示最小扩展pod的个数

--max：表示最多扩展pod的个数

--cpu-percent：cpu利用率

[root@master ~]# kubectl get hpa
NAME      REFERENCE          TARGETS   MINPODS   MAXPODS   REPLICAS   AGE
myapp     Deployment/myapp   0%/60%    1         8         1          4m

[root@master ~]# kubectl get svc
NAME         TYPE        CLUSTER-IP       EXTERNAL-IP   PORT(S)             AGE
myapp        ClusterIP   10.105.235.197   <none>        80/TCP              19

下面我们把service改成NodePort的方式：

[root@master ~]# kubectl patch svc myapp -p '{"spec":{"type": "NodePort"}}'
service/myapp patched

[root@master ~]# kubectl get svc
NAME         TYPE        CLUSTER-IP       EXTERNAL-IP   PORT(S)             AGE
myapp        NodePort    10.105.235.197   <none>        80:31990/TCP        22m

[root@master ~]# yum install httpd-tools #主要是为了安装ab压测工具

[root@master ~]# kubectl get pods -o wide
NAME                     READY     STATUS    RESTARTS   AGE       IP            NODE
myapp-6985749785-fcvwn   1/1       Running   0          25m       10.244.2.84   node2

开始用ab工具压测

[root@master ~]# ab -c 1000 -n 5000000 http://172.16.1.100:31990/index.html
This is ApacheBench, Version 2.3 <$Revision: 1430300 $>
Copyright 1996 Adam Twiss, Zeus Technology Ltd, http://www.zeustech.net/
Licensed to The Apache Software Foundation, http://www.apache.org/
Benchmarking 172.16.1.100 (be patient)

多等一会，会看到pods的cpu利用率为98%，需要扩展为2个pod了：

[root@master ~]# kubectl describe hpa
resource cpu on pods  (as a percentage of request):  98% (49m) / 60%
Deployment pods:                                       1 current / 2 desired

[root@master ~]# kubectl top pods
NAME                     CPU(cores)   MEMORY(bytes)   
myapp-6985749785-fcvwn   49m （我们设置的总cpu是50m）         3Mi

[root@master ~]#  kubectl get pods -o wide
NAME                     READY     STATUS    RESTARTS   AGE       IP             NODE
myapp-6985749785-fcvwn   1/1       Running   0          32m       10.244.2.84    node2
myapp-6985749785-sr4qv   1/1       Running   0          2m        10.244.1.105   node1

上面我们看到已经自动扩展为2个pod了，再等一会，随着cpu压力的上升，还会看到自动扩展为4个或更多的pod：

[root@master ~]#  kubectl get pods -o wide
NAME                     READY     STATUS    RESTARTS   AGE       IP             NODE
myapp-6985749785-2mjrd   1/1       Running   0          1m        10.244.1.107   node1
myapp-6985749785-bgz6p   1/1       Running   0          1m        10.244.1.108   node1
myapp-6985749785-fcvwn   1/1       Running   0          35m       10.244.2.84    node2
myapp-6985749785-sr4qv   1/1       Running   0          5m        10.244.1.105   node1

等压测一停止，pod个数还会收缩为正常个数的。

上面我们用的是hpav1来做的水平pod自动扩展的功能，我们前面也说过，hpa v1版本只能根据cpu利用率括水平自动扩展pod。

下面我们介绍一下hpa v2的功能，它可以根据自定义指标利用率来水平扩展pod。

在使用hpa v2版本前，我们先把前面创建的hpa v1版本删除了，以免和我们测试的hpa v2版本冲突：

[root@master hpa]# kubectl delete hpa myapp
horizontalpodautoscaler.autoscaling "myapp" deleted

好了，下面我们创建一个hpa v2：

[root@master hpa]# cat hpa-v2-demo.yaml 
apiVersion: autoscaling/v2beta1   #从这可以看出是hpa v2版本
kind: HorizontalPodAutoscaler
metadata:
  name: myapp-hpa-v2
spec:
  scaleTargetRef: #根据什么指标来做评估压力
    apiVersion: apps/v1 #对谁来做自动扩展
    kind: Deployment
    name: myapp
  minReplicas: 1 #最少副本数量
  maxReplicas: 10
  metrics: #表示依据哪些指标来进行评估
  - type: Resource #表示基于资源进行评估
    resource: 
      name: cpu
      targetAverageUtilization: 55 #表示pod cpu使用率超过55%，就自动水平扩展pod个数
  - type: Resource
    resource:
      name: memory #我们知道hpa v1版本只能根据cpu来进行评估，而到了我们的hpa v2版本就可以根据内存来进行评估了
      targetAverageValue: 50Mi #表示pod内存使用超过50M，就自动水平扩展pod个数

[root@master hpa]# kubectl apply -f hpa-v2-demo.yaml 
horizontalpodautoscaler.autoscaling/myapp-hpa-v2 created

[root@master hpa]# kubectl get hpa
NAME           REFERENCE          TARGETS                MINPODS   MAXPODS   REPLICAS   AGE
myapp-hpa-v2   Deployment/myapp   3723264/50Mi, 0%/55%   1         10        1          37s

我们看到现在只有一个pod

[root@master hpa]# kubectl get pods -o wide
NAME                     READY     STATUS    RESTARTS   AGE       IP            NODE
myapp-6985749785-fcvwn   1/1       Running   0          57m       10.244.2.84   node2

开始压测：

[root@master ~]# ab -c 100 -n 5000000 http://172.16.1.100:31990/index.html

看hpa v2的检测情况：

[root@master hpa]# kubectl describe hpa
Metrics:                                               ( current / target )
  resource memory on pods:                             3756032 / 50Mi
  resource cpu on pods  (as a percentage of request):  82% (41m) / 55%
Min replicas:                                          1
Max replicas:                                          10
Deployment pods:                                       1 current / 2 desired

[root@master hpa]# kubectl get pods -o wide
NAME                     READY     STATUS    RESTARTS   AGE       IP             NODE
myapp-6985749785-8frq4   1/1       Running   0          1m        10.244.1.109   node1
myapp-6985749785-fcvwn   1/1       Running   0          1h        10.244.2.84    node2

看到自动扩展出了2个Pod。等压测一停止，pod个数还会收缩为正常个数的。

将来我们不光可以用hpa v2，根据cpu和内存使用率进行伸缩Pod个数，还可以根据http并发量等。

比如下面的：

[root@master hpa]# cat hpa-v2-custom.yaml 
apiVersion: autoscaling/v2beta1  #从这可以看出是hpa v2版本
kind: HorizontalPodAutoscaler
metadata:
  name: myapp-hpa-v2
spec:
  scaleTargetRef: #根据什么指标来做评估压力
    apiVersion: apps/v1 #对谁来做自动扩展
    kind: Deployment
    name: myapp
  minReplicas: 1 #最少副本数量
  maxReplicas: 10
  metrics: #表示依据哪些指标来进行评估
  - type: Pods #表示基于资源进行评估
    pods: 
      metricName: http_requests#自定义的资源指标
        targetAverageValue: 800m #m表示个数,表示并发数800

感谢各位的阅读！关于“docker中资源指标API及自定义指标API的示例分析”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！

docker中资源指标API及自定义指标API的示例分析

资源指标（metrics）

自定义指标（prometheus)

HPA（水平pod自动扩展）

相关阅读