提供了编程的基础技术教程

zl程序教程

您现在的位置是：首页 >  后端

当前栏目

K8s降本增效之VPA上篇

k8s 降本增效 上篇
2023-06-13 09:16:40 时间

VPA全称VerticalPodAutoscaler，即Pod的横向扩缩，其根据容器资源使用率自动设置CPU和内存的requests及limit，从而允许在节点上进行适当的调度，以便为每个 Pod 提供适当的资源。它既可以缩小过度请求资源的容器，也可以根据其使用情况随时提升资源不足的容量。

编辑｜阎锡山

接受范围｜中度

VPA使用户无需为pod中的容器设置资源请求。配置后，它将根据资源（cpu 与内存）使用情况自动设置 requests。在对 pod 的调度过程中，使得每个 pod 都可以使用适当的资源量从而分配到适合的节点上。它既可以缩小资源请求过多的 pod，也可以根据一段时间内的使用情况扩大资源请求不足的 pod。

使用场景

自动资源配置提升管理效率

提高集群资源利用率

社区现状

目前，Kubernetes并不支持pod的in-place-update，因此vpa的auto等同recreate，目前版本的in-place-update还在review当中，并有望在未来的版本中提供，当前版本兼容如下所示。

版本

K8s release

0.12

1.25+

0.11

1.22-1.24

0.10

1.22+

0.9

1.16+

架构简介

VPA主要由三个组件组成，分别为recommender、updater、admission-controller

1）recommender：引入VerticalPodAutoscaler对象，其由 Pod 的标签选择器、资源策略（控制 VPA 如何计算资源）、更新策略（控制如何将更改应用于 Pod）和推荐的 Pod 资源组成，其根据metric-server获取到的容器指标并观测 OOM 事件，计算推荐指标，最终更新VerticalPodAutoscaler对象

2）updater：其是负责Pod更新的组件。如果 Pod 在 "Auto" 模式下使用 VPA，则 Updater 可以决定使用推荐器资源对其进行更新。这只是通过驱逐Pod以便使用新资源重新创建它来实现的。简单来说，其是根据pod的request中设置的指标和recommend计算的推荐指标，在一定条件下驱逐pod，

3）admission-controller：这是一个webhook组件，所有 Pod 创建请求都通过 VPA Admission Controller，如果Pod与VerticalPodAutoscaler 对象匹配，把recommend计算出的指标应用到pod的request和limit，如果 Recommender 不可用，它会回退到 VPA 对象中缓存的推荐。

相关资源

涉及到的自定义资源主要有两个：VerticalPodAutoscaler 、VerticalPodAutoscalerCheckpoint

VerticalPodAutoscaler

该资源由用户创建，用于设置纵向扩容的目标对象和存储recommend组件计算出的推荐指标。

VerticalPodAutoscalerCheckpoint

该资源由recommend组件创建和维护，用于存储指标相关信息。一个vpa对应的多个容器，每个容器创建一个该资源。

VPA实践

VPA部署

a.获取metrics-server manifest

wget https://github.com/kubernetes-sigs/metrics-server/releases/download/v0.6.2/components.yaml

b.执行部署

kubectl apply -f components.yaml

c.验证结果


[root@master ~]# kubectl  get po -n kube-system
NAME                                       READY   STATUS    RESTARTS   AGE
metrics-server-3358ad021s-wqmc9            1/1     Running   0          5m

[root@master ~]# kubectl  top nodes
NAME          CPU(cores)   CPU%   MEMORY(bytes)   MEMORY%
master         528m         5%       4385Mi           13%

d.获取vpa项目

git clone https://github.com/kubernetes/autoscaler.git

e.部署vpa


[root@master vertical-pod-autoscaler]#  cd autoscaler/vertical-pod-autoscaler
[root@master vertical-pod-autoscaler]#  ./hack/vpa-up.sh

f.验证vpa


[root@master ～]# kubectl  get po -n kube-system
NAME                                        READY   STATUS    RESTARTS   AGE
metrics-server-3358ad021s-wqmc9             1/1     Running   0          15m
vpa-admission-controller-78e7f86645-67897   1/1     Running   0          3m
vpa-recommender-tq4f7fb9db-32776            1/1     Running   0          3m
vpa-updater-53er87q7qt-5p889                1/1     Running   0          3m

测试 updateMode为off

a.部署应用


apiVersion: apps/v1
kind: Deployment
metadata:
  labels:
    app: test
  name: nginx
spec:
  replicas: 1
  selector:
    matchLabels:
      app: test
  template:
    metadata:
      labels:
        app: test
    spec:
      containers:
      - image: nginx
        name: nginx
        resources:
          requests:
            cpu: 200m
            memory: 250Mi

b.查看结果


[root@master examples]# kubectl  get po
NAME                         READY   STATUS    RESTARTS   AGE
pod/nginx-5334b745w3-qwew3   1/1     Running   0          1m

c.创建服务


[root@master ～]# cat  nginx-test-svc.yaml
apiVersion: v1
kind: Service
metadata:
  name: nginx
spec:
  type: NodePort
  ports:
  - port: 80
    targetPort: 80
  selector:
    app: test

[root@master examples]# kubectl  get svc
NAME    TYPE       CLUSTER-IP      EXTERNAL-IP   PORT(S)        AGE
nginx   NodePort   10.99.106.213   <none>        80:31496/TCP   55s

[root@k8s-node001 examples]# curl -I 10.99.106.213:31496
HTTP/1.1 200 OK

d. 创建vpa

使用updateMode: "Off"模式，其仅计算资源的推荐而不应用Pod



[root@master ～]# cat   nginx-vpa-test.yaml
apiVersion: autoscaling.k8s.io/v1beta2
kind: VerticalPodAutoscaler
metadata:
  name: nginx-vpa-test
spec:
  targetRef:
    apiVersion: "apps/v1"
    kind: Deployment
    name: nginx
  updatePolicy:
    updateMode: "Off"
  resourcePolicy:
    containerPolicies:
    - containerName: "nginx"
      minAllowed:
        cpu: "250m"
        memory: "100Mi"
      maxAllowed:
        cpu: "2000m"
        memory: "2048Mi"
      controlledResources: ["cpu", "memory"]

e.查看结果


[root@master ~]# kubectl  describe  vpa nginx-vpa-test
Name:         nginx-vpa-test
...
  Update Policy:
    Update Mode:  Off
Status:
  Conditions:
    Last Transition Time:  2022-11-28T03:21:14Z
    Status:                True
    Type:                  RecommendationProvided
  Recommendation:
    Container Recommendations:
      Container Name:  nginx
      Lower Bound:
        Cpu:     250m
        Memory:  262027k
      Target:
        Cpu:     250m
        Memory:  262027k
      Uncapped Target:
        Cpu:     50m
        Memory:  262027k
      Upper Bound:
        Cpu:     717m
        Memory:  650210341
Events:          <none>

观察到推荐有四部分组成，其中lower为下限值，target为推荐值，而upper为上限值，其中uncap为实际值，250m为vpa单独配置的兜底。

f.压测

可以通过两种方式进行压测：内部及外部

for i in $(seq $(getconf _NPROCESSORS_ONLN)); do yes > /dev/null & done

或者通过ab进行外部压测


[root@master ~]# ab -c 200 -n 10000000 http://10.99.106.213:31496/
...
Benchmarking 10.99.106.213 (be patient)
Completed 1000000 requests
Completed 2000000 requests
Completed 3000000 requests

g.观测结果


[root@master ~]# kubectl  describe  vpa nginx-vpa |tail -n 20 
  Conditions:
    Last Transition Time:  2022-11-28T04:14:21Z
    Status:                True
    Type:                  RecommendationProvided
  Recommendation:
    Container Recommendations:
      Container Name:  nginx
      Lower Bound:
        Cpu:     250m
        Memory:  262027k
      Target:
        Cpu:     673m
        Memory:  262027k
      Uncapped Target:
        Cpu:     673m
        Memory:  262027k
      Upper Bound:
        Cpu:     2
        Memory:  650210341
Events:          <none>

从上述信息可以得知，VPA对Pod给出了推荐值：Cpu:673m，因为设置updateMode:"Off"，所以不会应用Pod。

小结

局限性

1.不要将VPA与HPA一起使用，后者基于相同的资源指标（例如CPU和MEMORY使用率）进行缩放。这是因为当指标(CPU/MEMORY)达到其定义的阈值时，VPA和HPA将同时发生缩放事件，这可能会产生未知的副作用并可能导致问题，该处可以进行优化

2. VPA 可能会推荐比集群中可用的资源更多的资源，从而导致 pod 未分配给节点（由于资源不足），因此永远不会运行。为了克服这个限制，最好将LimitRange 设置为最大可用资源。这将确保 pod 不会要求超过 LimitRange 定义的资源，这里会导致资源碎片或节点热点

3.VPA不会驱逐不在控制器下运行的pod，驱逐可以单独处理

优化方向

1.对于非原生workload的优化，针对非原生工作负载，VPA使用scale方式获取，效率较低

2.VPA跟其他controller一样，使用selector模式，可以进行适当优化

3.VPA的历史数据加载只在启动时才会进行，且效率跟性能较低

4.多种推荐算法的支持

5.VPA对象更新瓶颈等

由于笔者时间、视野、认知有限，本文难免出现错误、疏漏等问题，期待各位读者朋友、业界专家指正交流。

参考文献

1.https://github.com/kubernetes/autoscaler/tree/master/vertical-pod-autoscaler

2. https://github.com/containerd/containerd/pull/6965

相关文章