L'autoscaling horizontal des pods vous permet d'ajuster automatiquement le nombre de pods en cours d'exécution pour les charges de travail sans état existantes de votre cluster en fonction de la demande en temps réel. L'autoscaler ajoute des pods lorsque la charge augmente et les supprime lorsque la demande diminue, ce qui vous aide à maintenir la disponibilité de l'application, à utiliser efficacement les ressources et à contrôler les coûts sans intervention manuelle. Vous pouvez effectuer un scaling en fonction de métriques de ressources standards, telles que l'utilisation du processeur, ou de métriques d'application personnalisées de Prometheus, telles que les taux de requêtes HTTP.
Effectuer le scaling d'un déploiement
Utilisez la fonctionnalité de scaling de Kubernetes pour adapter le nombre de pods exécutés dans votre déploiement.
Activer l'autoscaling des pods d'un déploiement
Kubernetes propose l'autoscaling pour vous éviter d'avoir à mettre à jour manuellement votre déploiement lorsque la demande évolue. Pour activer l'autoscaling des pods de votre déploiement, procédez comme suit :
Pour vous assurer que l'autoscaler horizontal des pods peut mesurer correctement le pourcentage de CPU, définissez la requête de ressource de CPU sur votre déploiement.
Définissez l'autoscaler horizontal des pods dans votre déploiement :
kubectl --kubeconfig CLUSTER_KUBECONFIG \ -n NAMESPACE \ autoscale deployment DEPLOYMENT_NAME \ --cpu-percent=CPU_PERCENT \ --min=MIN_NUMBER_REPLICAS \ --max=MAX_NUMBER_REPLICASRemplacez les éléments suivants :
CLUSTER_KUBECONFIG: fichier kubeconfig du cluster.NAMESPACE: espace de noms. Pour les clusters partagés, il doit s'agir d'un espace de noms de projet. Pour les clusters standards, il peut s'agir de n'importe quel espace de noms.DEPLOYMENT_NAME: nom du déploiement à autoscaler.CPU_PERCENT: utilisation moyenne cible du processeur à demander, représentée sous forme de pourcentage, pour l'ensemble des pods.MIN_NUMBER_REPLICAS: limite inférieure du nombre de pods que l'autoscaler peut provisionner.MAX_NUMBER_REPLICAS: limite supérieure du nombre de pods que l'autoscaler peut provisionner.
Vérifiez l'état actuel de l'autoscaler horizontal des pods :
kubectl get hpaLe résultat ressemble à ce qui suit :
NAME REFERENCE TARGET MINPODS MAXPODS REPLICAS AGE DEPLOYMENT_NAME Deployment/DEPLOYMENT_NAME/scale 0% / 50% 1 10 1 18s
Effectuer un scaling manuel des pods d'un déploiement
Si vous préférez effectuer le scaling manuel d'un déploiement, exécutez la commande suivante :
kubectl --kubeconfig CLUSTER_KUBECONFIG \
-n NAMESPACE \
scale deployment DEPLOYMENT_NAME \
--replicas NUMBER_OF_REPLICAS
Remplacez les éléments suivants :
CLUSTER_KUBECONFIG: fichier kubeconfig du cluster.NAMESPACE: espace de noms. Pour les clusters partagés, il doit s'agir d'un espace de noms de projet. Pour les clusters standards, il peut s'agir de n'importe quel espace de noms.DEPLOYMENT_NAME: nom du déploiement dans lequel effectuer l'autoscaling.DEPLOYMENT_NAME: nombre d'objetsPodrépliqués dans le déploiement.
Utiliser des métriques personnalisées de Prometheus pour l'autoscaling
L'autoscaling horizontal des pods utilise par défaut des métriques de ressources standards telles que l'utilisation du processeur et de la mémoire. Les métriques standards fonctionnent pour le scaling général, mais ne sont pas utiles pour les charges d'application spécialisées.
Lorsque vous utilisez l'autoscaling horizontal des pods avec des métriques personnalisées de Prometheus, vous pouvez effectuer le scaling des charges de travail en fonction de métriques spécifiques à l'application, telles que les taux de requêtes HTTP, la profondeur de la file d'attente et la latence de traitement. Votre cluster peut répondre plus précisément à la demande réelle en exploitant les données enrichies déjà collectées par votre pile de surveillance Prometheus.
Prérequis pour utiliser Prometheus avec l'autoscaling horizontal des pods
Avant d'activer la fonctionnalité, les conditions suivantes doivent être remplies :
Serveur Prometheus existant : un serveur Prometheus doit déjà être déployé et accessible par le réseau depuis le cluster (le contrôleur AHP ne gère pas l'instance Prometheus elle-même). Pour en savoir plus, consultez Déployer et configurer l'opérateur Prometheus dans Kubernetes.
Autorisations d'administration : vous devez disposer des autorisations nécessaires pour modifier la ressource personnalisée Cluster.
Aucun conflit d'API : une vérification préliminaire permet de s'assurer qu'aucun autre composant n'a déjà enregistré un APIService pour
custom.metrics.k8s.io. En cas de conflit, l'adaptateur ne peut pas être activé.
Activer et configurer Prometheus
Le processus implique de définir des règles de métriques et de mettre à jour la configuration du cluster :
Créez un ou plusieurs ConfigMaps de règles de métriques.
Définissez les règles basées sur PromQL pour vos métriques personnalisées dans un ou plusieurs ConfigMaps de l'espace de noms du cluster cible. Le contrôleur surveille ces ConfigMaps, les fusionne et les applique automatiquement à l'adaptateur.
Pour en savoir plus sur la définition de règles, consultez Configuration de la découverte et de la présentation des métriques dans kubernetes-sigs/prometheus-adapter.
L'exemple suivant montre un ConfigMap avec des règles définies pour
http_requests_per_seconddans le champdata:apiVersion: v1 kind: ConfigMap metadata: name: my-app-rules namespace: <cluster-namespace> data: config.yaml: | rules: - seriesQuery: 'http_requests_total' resources: overrides: namespace_name: {resource: "namespace"} pod_name: {resource: "pod"} name: matches: "^(.*)_total$" as: "${1}_per_second" metricsQuery: 'sum(rate(<<.Series>>{<<.LabelMatchers>>}[5m])) by (<<.GroupBy>>)'Si votre serveur Prometheus nécessite une authentification, telle que la sécurité de la couche de transport mutuelle (mTLS), créez un secret Kubernetes au format kubeconfig contenant les identifiants nécessaires.
L'exemple suivant montre un secret compatible avec l'authentification de base :
apiVersion: v1 kind: Secret metadata: name: prometheus-auth-secret namespace: <cluster-namespace> annotations: baremetal.cluster.gke.io/mark-source: "true" type: Opaque stringData: config: authentication-credentialsMettez à jour la ressource personnalisée Cluster :
Ajoutez l'annotation
preview.baremetal.cluster.gke.io/metrics-adapter: "true"àmetadatapour la ressource personnalisée Cluster.Ajoutez la section
spec.metricsAdapterpour définir l'URL Prometheus et référencer vos ConfigMaps de règles.apiVersion: baremetal.cluster.gke.io/v1 kind: Cluster metadata: name: <cluster-name> namespace: <cluster-namespace> annotations: preview.baremetal.cluster.gke.io/metrics-adapter: "true" spec: # ... other existing cluster configurations ... metricsAdapter: prometheus: url: "http://prometheus-k8s.monitoring.svc.cluster.local:9090" orgID: "production-environment" auth: configSecretRef: name: prometheus-auth-secret key: config # This is the key within the Secret's 'data' field rules: configMapKeyRefs: - name: my-app-rules key: config.yaml # This is the key within the ConfigMap's 'data' field # - name: base-system-rules # key: config.yamlSi votre instance Prometheus ne nécessite pas d'authentification, vous pouvez omettre la section
metricsAdapter.prometheus.authde la spécification du cluster.
Appliquez la ressource personnalisée Cluster mise à jour.
Le contrôleur déploie automatiquement l'adaptateur Prometheus dans l'espace de noms
kube-system.Utilisez les métriques personnalisées pour l'autoscaling horizontal des pods en créant une ressource HorizontalPodAutoscaler qui cible les métriques personnalisées définies dans les champs
rulesde ConfigMap.L'exemple de ConfigMap d'une étape précédente définissait une métrique personnalisée
http_requests_per_second. Pour utiliser cette métrique, la ressource HorizontalPodAutoscaler doit ressembler à l'exemple suivant :apiVersion: autoscaling/v2 kind: HorizontalPodAutoscaler metadata: name: <name> namespace: <namespace> spec: scaleTargetRef: apiVersion: apps/v1 kind: Deployment name: <workload-name> minReplicas: 1 maxReplicas: 10 metrics: - type: Pods pods: metric: name: http_requests_per_second target: type: AverageValue averageValue: 10
Désactiver Prometheus
Pour désactiver l'utilisation de Prometheus avec l'autoscaling horizontal des pods, supprimez la section spec.metricsAdapter de la ressource personnalisée Cluster.