Roman
10 KiB
HPA v1
1. Запускаем Metric server (!!! только при выполнении практики на собственном кластере - Minikube и тд)
- Применяем манифесты Metric server
Поскольку Metric server не устанавливается в Kubernetes кластер по умолчанию, первое что необходимо сделать - это установить его. Все необходимые манифесты находятся в каталоге for-minikube-only-metric-server и их можно сразу применить в кластер. Для этого необходимо в консоли выполнить команду:
kubectl apply -f for-minikube-only-metrics-server/ -n kube-system
- Проверяем работу Metric server
Metric server собирает данные с kubelet c периодичностью 1 раз в минуту. После установки необходимо подождать 1-2 минуты и выполнить команду:
kubectl top node
Данная команда выведет текущую нагрузку на ноды. В результате выполнения команды на экран будут выведены примерно следующие данные:
NAME CPU(cores) CPU% MEMORY(bytes) MEMORY%
master-1.s000000.slurm.io 122m 12% 1693Mi 44%
master-2.s000000.slurm.io 114m 11% 1489Mi 38%
master-3.s000000.slurm.io 97m 9% 1423Mi 37%
node-1.s000000.slurm.io 59m 5% 1505Mi 39%
node-2.s000000.slurm.io 357m 35% 1389Mi 36%
Важной особенностью Metric Server является то, что он не хранит полученные данные, а только отображает последние полученные. По этому расценивать его как полноценную систему мониторинга нельзя.
2. Запускаем тестовое приложение
В качестве тестового приложения будет использоваться специальное приложение, предназначенное для тестирования HPA. Приложение написано на PHP, и при запросах генерирует высокую нагрузку. Для начала применим Deployment в кластер, выполнив команду:
kubectl apply -f deploy/deployment.yml
Для работы HPA обязательным является наличие у Pod выставленных request. Обратите внимание на deployment.yml, в нем указано:
resources:
requests:
cpu: 100m
Теперь создадим Service. Для этого мы не будем использовать готовые манифесты, а воспользуемся ключом expose для kubectl. Данный ключ позволяет создать Service для Deployment без написания манифеста. В итоге получается следующая команда, которую необходимо выполнить в консоли:
kubectl expose deployment php-apache --port 80
3. Устанавливаем HPA
Для запуска HPA так же воспользуемся возможностями kubectl. Для создания абстракции HPA без манифеста можно использовать ключ autoscale. Выполним команду:
kubectl autoscale deployment php-apache --cpu-percent=50 --min=1 --max=5
В результате выполнения команды будет создан HPA, который отслеживает состояние Deployment с именем php-apache. При достижении средней нагрузки на все Pod 50% (для расчетов суммируется процент нагрузки на каждый Pod и делится на их количество) scaling будет производиться в границах от 1-го Pod до 5 Pod.
4. Проверяем работу
- Смотрим на текущее количество Pod
kubectl get pod
Должен быть запущен один Pod
NAME READY STATUS RESTARTS AGE
php-apache-566d7644df-z9dtt 1/1 Running 0 15s
- Смотрим на HPA
kubectl get hpa
Видим созданный HPA
NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE
php-apache Deployment/php-apache 1%/50% 1 5 1 32s
Она будет скейлить Pod, как только их использование cpu начнет составлять 50% от request.
- Создаем нагрузку
Для генерации нагрузки создадим еще один Pod из образа busybox. Внутри Pod в цикле будет запущена утилита wget, которая будет обращаться к тестовому приложению по имени Service. В итоге получается следующая команда, которую необходимо выполнить в консоли:
kubectl run load-generator --image=busybox -- /bin/sh -c "while true; do wget -q -O- http://php-apache; done"
?!? Если возникают ошибки "load-generator 0/1 ImagePullBackOff" запрашиваем образ так --image=gcr.io/google-containers/busybox:latest
- Проверяем текущее потребление cpu Pod
Metric server может отдавать не только нагрузку по Node, но и по Pod. Для вывода информации по нагрузке от Pod выполните команду:
kubectl top pod
Видим, что нагрузка начинает увеличиваться.
NAME CPU(cores) MEMORY(bytes)
php-apache-566d7644df-z9dtt 936m 11Mi
- Ждем когда начнет работать Autoscaling
У kubectl есть ключ -w, который позволяет выводить в режиме реального времени все изменения для нашего текущего запроса. Выполним следующую команду в консоли, чтобы отслеживать изменения количества Pod:
kubectl get pod -w
Спустя несколько минут количество Pod должно увеличиться до 5-ти.
NAME READY STATUS RESTARTS AGE
load-generator-6b9cf94758-5qmbx 1/1 Running 0 2m16s
php-apache-566d7644df-4zvv7 1/1 Running 0 108s
php-apache-566d7644df-kv662 1/1 Running 0 93s
php-apache-566d7644df-tg8qw 1/1 Running 0 108s
php-apache-566d7644df-z9dtt 1/1 Running 0 13m
php-apache-566d7644df-zlwd7 1/1 Running 0 108s
Отлично, autoscaling сработал!
- Проверяем работу в обратную сторону
Удаляем Pod с тестовой нагрузкой выполнив команду:
kubectl delete pod load-generator
- Проверяем нагрузку на поды
kubectl top pod
Через какое-то время замечаем, что она упала
NAME CPU(cores) MEMORY(bytes)
php-apache-566d7644df-4zvv7 1m 11Mi
php-apache-566d7644df-kv662 1m 11Mi
php-apache-566d7644df-tg8qw 1m 11Mi
php-apache-566d7644df-z9dtt 1m 11Mi
php-apache-566d7644df-zlwd7 1m 11Mi
- Проверяем, как autoscaling отработает в обратную сторону
kubectl get pod -w
Видим, что ненужные поды умирают (в течение 5 минут). После снижения нагрузки scale down не происходит слишком быстро, чтобы избежать ситуации, когда значения по потреблению находятся в пограничном состоянии.
NAME READY STATUS RESTARTS AGE
php-apache-566d7644df-4zvv7 0/1 Terminating 0 8m59s
php-apache-566d7644df-kv662 0/1 Terminating 0 8m44s
php-apache-566d7644df-tg8qw 0/1 Terminating 0 8m59s
php-apache-566d7644df-z9dtt 1/1 Running 0 20m
php-apache-566d7644df-zlwd7 0/1 Terminating 0 8m59s
Autoscaling вернул все к первоначальному варианту с одним Pod.
5. Чистим за собой кластер
kubectl delete all --all
Troubleshooting
- Проверяем, что Metric server запущен
kubectl get po -n kube-system | grep metrics-server
Поды должны быть в состоянии STATUS: Running и READY 1/1. Если Pod отсутствует, начинаем практику с первого пункта. Если состояние не Running или 0/1, то смотрим причины, выполнив команду:
kubectl describe po -n kube-system metrics-server-<TAB>
- Проверяем, что метрики доступны
Для проверки доступности метрик выполним команду:
kubectl top node
Если не выводится потребления по Node, но в прошлом шаге не выявлено ошибок, то пробуем установить еще раз все абстракции, выполнив команду:
kubectl apply -f ~/slurm/practice/8.hpa/v1/metrics-server -n kube-system