如何自动扩充podCPU（自动扩充内存容量技术）

开源爆款,阿里P6技术笔《k8s+Docker》,图文并茂,理论与实战齐飞!_百度...

镜像自动拉取：配置ImagePullSecrets实现私有仓库镜像拉取。例如，使用Docker Registry的认证信息生成Secret，并在Pod中引用。K8S实践篇核心内容节点就绪问题之一：分析节点未就绪的常见原因，如kubelet服务崩溃、网络插件故障等。通过kubectl describe Node命令查看节点状态和事件。

Docker存储：介绍Docker的数据卷管理和持久化存储。Docker COMPOSe：使用Docker compose进行多容器应用的部署和管理。Docker实战：通过实际案例，展示Docker在开发、测试和生产环境中的应用。

这份《k8s+docker》的学习资料是一份不可多得的宝贵资源，它涵盖了Kubernetes和Docker技术的核心概念和原理，以及丰富的实战案例。无论你是初学者还是有一定经验的技术人员，都能从中获得巨大的收益。

一份来自阿里内部的实战笔记，包括《阿里云kubernetes项目实战实战》、《轻松玩转Docker》以及《Jenkins持续集成从入门到精通》。这三份资料图文并茂，含金量高，侧重实战应用。《阿里云Kubernetes项目实战实战》分为理论篇和实践篇，内容详尽，基于真实项目，适合Kubernetes爱好者学习。

HPA与VPA

HPA与VPA是Kubernetes环境中用于pod资源管理的两种自动化扩缩容工具。HPA： 功能：主要负责POD的水平扩展，即根据Pod的负载变化自动调整Deployment的副本数量。 数据源：依赖于Metrics Server来获取Pod的资源指标数据，每15秒更新一次。

创建VPA对象，如Nginx-vpa-test，设置updateMode为off，观察资源推荐的动态变化。 理解VPA的UpdateMode选项，了解其在不同场景下的应用策略。 注意事项与局限性/ HPA与VPA需谨慎协作，避免资源指标冲突。 VPA可能推荐过多资源，导致Pod运行问题，需谨慎管理。

HPA是Kubernetes中的一种自动扩展工具，旨在通过动态调整Pod副本数来解决资源与业务负载之间的平衡问题。它与ClusterAutoscale和VPA协同工作，其中VPA负责优化资源配额，而HPA负责根据业务需求动态调整副本数。运作原理：HPA通过Kubernetes的metrics接口获取业务繁忙指标数据，这些数据通常来自prometheus或Metrics server。

此外，HPA设计了机制处理metrics数据的过滤和异常情况，确保计算的可靠性。HPA的scale速度控制 为了提供更灵活的速度控制，HPA引入了behavior结构，允许用户自定义扩缩容的策略，包括周期、变化幅度和缩容冷却机制。这些策略可以在不牺牲快速响应能力的同时，确保系统的稳定性和资源的高效利用。

vertical-pod-autoscaler（VPA）：根据Pod资源利用率、历史数据、异常事件动态调整负载的Request值，主要关注有状态服务、单体应用的资源伸缩场景，目前处于beta阶段。addon-resizer：根据集群中节点数目纵向调整负载的Request，目前处于beta阶段。

潮汐调度通过利用K8S的VPA（Vertical Pod Autoscaler）和HPA（Horizontal Pod Autoscaler）组件，实现低峰期缩容和高峰期扩容，以动态调整资源。这种方法在低峰期通过填充离线服务或作业，提升资源利用率。然而，这种方法在隔离资源池和同节点资源相互干扰时，可能效果有限。动态资源潮汐调度则侧重于节点的伸缩。

Kubernetes自动缩扩容HPA算法小结

在扩容计算时，获取所有pod的metrics，刚刚变为ready状态的pod load虽然降低了，但由于指标收集的滞后性，此时拿到的指标大概率是高负载时的数据，由于pod已经ready，该数据将会参与计算目标副本数。为了避免这种情况，目前做法是，在进行滚动升级之前将HPA移除，待发布完成时，再重建HPA。

查看HPA配置：使用kubectl get hpa命令查看HPA的配置情况。设置缩扩容规则：例如，设置当CPU使用率达到20%时，允许从2个Pod扩容到5个。验证缩扩容：执行自动更新命令后，检查Pod数量，确认已成功扩容。缩容操作通常会在负载降低后自动进行。

HPA的扩缩容算法与策略 HPA的扩缩容算法基于目标值和当前metrics来计算新的副本数。 默认策略是快速扩容，谨慎缩容，以确保业务指标维持在期望水平。 但可以通过Behavior配置来调整扩缩容的速度和冷却期，以适应不同场景的需求。

在HPA的扩缩容算法中，控制器会根据目标值和当前metrics计算新的副本数，确保业务指标维持在期望水平。默认策略是快速扩容，谨慎缩容，但可以通过Behavior配置调整速度和冷却期，以适应不同场景的需求。HPA还考虑了异常情况，如Pod状态变化和数据缺失，会采取保守策略来避免不稳定。

用户可以通过Policies结构定制更为精细的扩缩容策略，如周期性调整、幅度限制和延迟缩容机制。HPA机制虽然强大，但尚处于非稳定版本，存在一些限制，如粒度不够灵活和reconcile循环的并发限制。总结：Kubernetes的HPA通过实时监控业务指标并动态调整Pod副本数，为云原生应用提供了强大的自动扩展能力。

创建HPA规则：创建HPA规则，设定当Deployment的CPU使用率超过50%时，自动进行扩容，且最大扩容至10个副本。执行压测并观察：执行压测，观察CPU使用率逐渐上升，同时Pod数量也相应增加。压测停止后，Pod会按需回收，实现弹性伸缩。通过以上步骤，可以成功实践Kubernetes的弹性伸缩HPA功能，确保资源得到优化利用。