diff --git a/content/zh/docs/tasks/run-application/horizontal-pod-autoscale-walkthrough.md b/content/zh/docs/tasks/run-application/horizontal-pod-autoscale-walkthrough.md index aa0aecc95f..1d94fd247a 100644 --- a/content/zh/docs/tasks/run-application/horizontal-pod-autoscale-walkthrough.md +++ b/content/zh/docs/tasks/run-application/horizontal-pod-autoscale-walkthrough.md @@ -19,48 +19,56 @@ weight: 100 -Horizontal Pod Autoscaler 可以根据 CPU 利用率自动扩缩 ReplicationController、Deployment 或者 ReplicaSet 中的 Pod 数量 +Horizontal Pod Autoscaler 可以根据 CPU 利用率自动扩缩 ReplicationController、 +Deployment、ReplicaSet 或 StatefulSet 中的 Pod 数量 （也可以基于其他应用程序提供的度量指标，目前这一功能处于 beta 版本）。 本文将引领你了解如何为 php-apache 服务器配置和使用 Horizontal Pod Autoscaler。 -更多 Horizontal Pod Autoscaler 的信息请参阅 +与 Horizontal Pod Autoscaler 相关的更多信息请参阅 [Horizontal Pod Autoscaler 用户指南](/zh/docs/tasks/run-application/horizontal-pod-autoscale/)。 ## {{% heading "prerequisites" %}} -本文示例需要一个运行中的 Kubernetes 集群以及 kubectl，集群中还要部署 1.2 或更高 -版本的 [Metrics 服务器](https://github.com/kubernetes-incubator/metrics-server/)。 -Metrics 服务器可以通过资源度量值 API 对外提供度量数据，Horizontal Pod Autoscaler -正是根据此 API 来获取度量数据。 -部署方法请参考 [metrics-server](https://github.com/kubernetes-incubator/metrics-server/) 。 -如果你正在使用 GCE，按照 [GCE 指南中的入门说明](/zh/docs/setup/production-environment/turnkey/gce/) 操作，metrics-server 会默认启动。 +本文示例需要一个运行中的 Kubernetes 集群以及 kubectl，版本为 1.2 或更高。 +[Metrics 服务器](https://github.com/kubernetes-incubator/metrics-server/) +需要被部署到集群中，以便通过 [Metrics API](https://github.com/kubernetes/metrics) +提供度量数据。 +Horizontal Pod Autoscaler 根据此 API 来获取度量数据。 +要了解如何部署 metrics-server，请参考 +[metrics-server 文档](https://github.com/kubernetes-incubator/metrics-server/) 。 -如果需要为 Horizontal Pod Autoscaler 指定多种资源度量指标，你的 Kubernetes 集群以及 kubectl 至少需要达到 1.6 版本。 +如果需要为 Horizontal Pod Autoscaler 指定多种资源度量指标，你的 Kubernetes +集群以及 kubectl 至少需要达到 1.6 版本。 此外，如果要使用自定义度量指标，你的 Kubernetes 集群还必须能够与提供这些自定义指标 的 API 服务器通信。 最后，如果要使用与 Kubernetes 对象无关的度量指标，则 Kubernetes 集群版本至少需要 达到 1.10 版本，同样，需要保证集群能够与提供这些外部指标的 API 服务器通信。 -更多详细信息，请参阅[Horizontal Pod Autoscaler 用户指南](/zh/docs/tasks/run-application/horizontal-pod-autoscale/#support-for-custom-metrics)。 +更多详细信息，请参阅 +[Horizontal Pod Autoscaler 用户指南](/zh/docs/tasks/run-application/horizontal-pod-autoscale/#support-for-custom-metrics)。 @@ -73,7 +81,8 @@ See the [Horizontal Pod Autoscaler user guide](/docs/tasks/run-application/horiz To demonstrate Horizontal Pod Autoscaler we will use a custom docker image based on the php-apache image. The Dockerfile has the following content: --> -为了演示 Horizontal Pod Autoscaler，我们将使用一个基于 php-apache 镜像的定制 Docker 镜像。 Dockerfile 内容如下： +为了演示 Horizontal Pod Autoscaler，我们将使用一个基于 php-apache 镜像的 +定制 Docker 镜像。Dockerfile 内容如下： ``` FROM php:5-apache @@ -97,17 +106,25 @@ It defines an index.php page which performs some CPU intensive computations: ``` -首先，我们先启动一个 Deployment 来运行这个镜像并暴露一个服务： +首先，我们使用下面的配置启动一个 Deployment 来运行这个镜像并暴露一个服务： + +{{< codenew file="application/php-apache.yaml" >}} + + +运行下面的命令： ```shell -kubectl run php-apache --image=k8s.gcr.io/hpa-example --requests=cpu=200m --expose --port=80 +kubectl apply -f https://k8s.io/examples/application/php-apache.yaml ``` ``` -service/php-apache created deployment.apps/php-apache created +service/php-apache created ``` -## 创建 Horizontal Pod Autoscaler +## 创建 Horizontal Pod Autoscaler {#create-horizontal-pod-autoscaler} 现在，php-apache 服务器已经运行，我们将通过 [kubectl autoscale](/docs/reference/generated/kubectl/kubectl-commands#autoscale) 命令创建 Horizontal Pod Autoscaler。 以下命令将创建一个 Horizontal Pod Autoscaler 用于控制我们上一步骤中创建的 Deployment，使 Pod 的副本数量维持在 1 到 10 之间。 -大致来说，HPA 将通过增加或者减少 Pod 副本的数量（通过 Deployment）以保持所有 Pod 的平均 CPU 利用率在 50% 以内（由于每个 Pod 通过 `kubectl run` 请求 200 毫核的 CPU） -，这意味着平均 CPU 利用率为 100 毫核）。 -相关算法的详情请参阅[文档](/zh/docs/tasks/run-application/horizontal-pod-autoscale/#algorithm-details)。 +大致来说，HPA 将（通过 Deployment）增加或者减少 Pod 副本的数量以保持所有 Pod +的平均 CPU 利用率在 50% 左右（由于每个 Pod 请求 200 毫核的 CPU，这意味着平均 +CPU 用量为 100 毫核）。 +算法的详情请参阅[相关文档](/zh/docs/tasks/run-application/horizontal-pod-autoscale/#algorithm-details)。 ```shell kubectl autoscale deployment php-apache --cpu-percent=50 --min=1 --max=10 @@ -169,17 +187,14 @@ Please note that the current CPU consumption is 0% as we are not sending any req Now, we will see how the autoscaler reacts to increased load. We will start a container, and send an infinite loop of queries to the php-apache service (please run it in a different terminal): --> -## 增加负载 +## 增加负载 {#increase-load} 现在，我们将看到 Autoscaler 如何对增加负载作出反应。 -我们将启动一个容器，并通过一个循环向 php-apache 服务器发送无限的查询请求（请在另一个终端中运行以下命令）： +我们将启动一个容器，并通过一个循环向 php-apache 服务器发送无限的查询请求 +（请在另一个终端中运行以下命令）： ```shell -kubectl run -i --tty load-generator --image=busybox /bin/sh - -Hit enter for command prompt - -while true; do wget -q -O- http://php-apache; done +kubectl run -i --tty load-generator --rm --image=busybox --restart=Never -- /bin/sh -c "while sleep 0.01; do wget -q -O- http://php-apache; done" ``` -这时，由于请求增多，CPU 利用率已经升至 305%。 +这时，由于请求增多，CPU 利用率已经升至请求值的 305%。 可以看到，Deployment 的副本数量已经增长到了 7： ```shell kubectl get deployment php-apache ``` + ``` -NAME DESIRED CURRENT UP-TO-DATE AVAILABLE AGE -php-apache 7 7 7 7 19m +NAME READY UP-TO-DATE AVAILABLE AGE +php-apache 7/7 7 7 19m ``` {{< note >}} -有时最终副本的数量可能需要几分钟才能稳定下来。由于环境的差异，不同环境中最终的副本数量可能与本示例中的数量不同。 +有时最终副本的数量可能需要几分钟才能稳定下来。由于环境的差异， +不同环境中最终的副本数量可能与本示例中的数量不同。 {{< /note >}} -## 基于多项度量指标和自定义度量指标自动扩缩 +## 基于多项度量指标和自定义度量指标自动扩缩 {#autoscaling-on-multiple-metrics-and-custom-metrics} -利用 `autoscaling/v2beta2` API 版本，你可以在自动扩缩 php-apache 这个 Deployment 时使用其他度量指标。 +利用 `autoscaling/v2beta2` API 版本，你可以在自动扩缩 php-apache 这个 +Deployment 时使用其他度量指标。 -你还可以指定资源度量指标使用绝对数值，而不是百分比，你需要将 `target` 类型 `AverageUtilization` 替换成 `AverageValue`，同时 -将 `target.averageUtilization` 替换成 `target.averageValue` 并设定相应的值。 +你还可以指定资源度量指标使用绝对数值，而不是百分比，你需要将 `target.type` 从 +`Utilization` 替换成 `AverageValue`，同时设置 `target.averageValue` +而非 `target.averageUtilization` 的值。 还有两种其他类型的度量指标，他们被认为是 *custom metrics*（自定义度量指标）： -即 pod 度量指标和 object 度量指标。 +即 Pod 度量指标和 Object 度量指标。 这些度量指标可能具有特定于集群的名称，并且需要更高级的集群监控设置。 -第一种可选的度量指标类型是 pod 度量指标。这些指标从某一方面描述了Pod，在不同 Pod 之间进行平均，并通过与一个目标值比对来确定副本的数量。 -它们的工作方式与资源度量指标非常相像，差别是它们仅支持 `target` 类型为 `AverageValue`。 +第一种可选的度量指标类型是 Pod 度量指标。这些指标从某一方面描述了 Pod， +在不同 Pod 之间进行平均，并通过与一个目标值比对来确定副本的数量。 +它们的工作方式与资源度量指标非常相像，只是它们仅支持 `target` 类型为 `AverageValue`。 -第二种可选的度量指标类型是对象（object）度量指标。相对于描述 Pod，这些度量指标用于描述一个在相同名字空间中的其他对象。 -请注意这些度量指标用于描述这些对象，并非从对象中获取指标。 -对象度量指标支持的 `target` 类型包括 `Value` 和 `AverageValue`。如果是 `Value` 类型，`target` 值将直接与 API 返回的度量指标比较， -而对于 `AverageValue` 类型，API 返回的度量值将按照 Pod 数量拆分，然后再与 `target` 值比较。 +第二种可选的度量指标类型是对象（Object）度量指标。这些度量指标用于描述 +在相同名字空间中的别的对象，而非 Pods。 +请注意这些度量指标不一定来自某对象，它们仅用于描述这些对象。 +对象度量指标支持的 `target` 类型包括 `Value` 和 `AverageValue`。 +如果是 `Value` 类型，`target` 值将直接与 API 返回的度量指标比较， +而对于 `AverageValue` 类型，API 返回的度量值将按照 Pod 数量拆分， +然后再与 `target` 值比较。 下面的 YAML 文件展示了一个表示 `requests-per-second` 的度量指标。 ```yaml @@ -398,7 +423,7 @@ object: metric: name: requests-per-second describedObject: - apiVersion: networking.k8s.io/v1beta1 + apiVersion: networking.k8s.io/v1 kind: Ingress name: main-route target: @@ -500,10 +525,10 @@ described below), you can specify an additional label selector which is passed t pipeline. For instance, if you collect a metric `http_requests` with the `verb` label, you can specify the following metric block to scale only on GET requests: --> -### 基于更确定的度量值来扩缩 +### 基于更特别的度量值来扩缩 {#autoscaing-on-more-specific-metrics} -许多度量流水线允许你通过名称或附加的_标签_来描述度量指标。 -对于所有非资源类型度量指标（pod、object 和后面将介绍的 external）， +许多度量流水线允许你通过名称或附加的 _标签_ 来描述度量指标。 +对于所有非资源类型度量指标（Pod、Object 和后面将介绍的 External）， 可以额外指定一个标签选择算符。例如，如果你希望收集包含 `verb` 标签的 `http_requests` 度量指标，可以按如下所示设置度量指标块，使得扩缩操作仅针对 GET 请求执行： @@ -538,7 +563,8 @@ with *external metrics*. --> ### 基于与 Kubernetes 对象无关的度量指标执行扩缩 -运行在 Kubernetes 上的应用程序可能需要基于与 Kubernetes 集群中的任何对象没有明显关系的度量指标进行自动扩缩， +运行在 Kubernetes 上的应用程序可能需要基于与 Kubernetes 集群中的任何对象 +没有明显关系的度量指标进行自动扩缩， 例如那些描述与任何 Kubernetes 名字空间中的服务都无直接关联的度量指标。 在 Kubernetes 1.10 及之后版本中，你可以使用外部度量指标（external metrics）。 @@ -604,7 +630,7 @@ Kubernetes 为 HorizongtalPodAutoscaler 设置的状态条件（Status Condition The conditions appear in the `status.conditions` field. To see the conditions affecting a HorizontalPodAutoscaler, we can use `kubectl describe hpa`: --> -`status.conditions`字段展示了这些状态条件。 +`status.conditions` 字段展示了这些状态条件。 可以通过 `kubectl describe hpa` 命令查看当前影响 HorizontalPodAutoscaler 的各种状态条件信息： @@ -655,16 +681,18 @@ HorizontalPodAutoscaler. ## Appendix: Quantities All metrics in the HorizontalPodAutoscaler and metrics APIs are specified using -a special whole-number notation known in Kubernetes as a *quantity*. For example, +a special whole-number notation known in Kubernetes as a +{{< glossary_tooltip term_id="quantity" text="quantity">}}. For example, the quantity `10500m` would be written as `10.5` in decimal notation. The metrics APIs will return whole numbers without a suffix when possible, and will generally return quantities in milli-units otherwise. This means you might see your metric value fluctuate -between `1` and `1500m`, or `1` and `1.5` when written in decimal notation. See the -[glossary entry on quantities](/docs/reference/glossary?core-object=true#term-quantity) for more information. +between `1` and `1500m`, or `1` and `1.5` when written in decimal notation. --> -## 附录：量纲 +## 附录：量纲 {#appendix-quantities} -HorizontalPodAutoscaler 和 度量指标 API 中的所有的度量指标使用 Kubernetes 中称为 *quantity* （量纲）的特殊整数表示。 +HorizontalPodAutoscaler 和 度量指标 API 中的所有的度量指标使用 Kubernetes 中称为 +{{< glossary_tooltip term_id="quantity" text="量纲（Quantity）">}} +的特殊整数表示。 例如，数量 `10500m` 用十进制表示为 `10.5`。 如果可能的话，度量指标 API 将返回没有后缀的整数，否则返回以千分单位的数量。 这意味着你可能会看到你的度量指标在 `1` 和 `1500m` （也就是在十进制记数法中的 `1` 和 `1.5`）之间波动。 @@ -675,9 +703,9 @@ HorizontalPodAutoscaler 和 度量指标 API 中的所有的度量指标使用 K ### Creating the autoscaler declaratively --> -## 附录：其他可能的情况 +## 附录：其他可能的情况 {#appendix-other-possible-scenarios} -### 使用 YAML 文件以声明式方式创建 Autoscaler +### 以声明式方式创建 Autoscaler {#creating-the-autoscaler-declaratively}