Kubernetes Deployment 充分利用了 cpu 和内存，而不会给它带来压力答案

【问题标题】：Kubernetes Deployment makes great use of cpu and memory without stressing itKubernetes Deployment 充分利用了 cpu 和内存，而不会给它带来压力
【发布时间】：2020-12-31 17:00:22
【问题描述】：

我在 Kubernetes 上部署了一个应用程序，并想测试 hpa。使用 kubectl top nodes 命令，我注意到 cpu 和内存在没有压力的情况下增加了。有意义吗？

另外，在强调使用 apache bench 部署时，cpu 和内存不会增加到足以通过目标并制作副本。

我的部署 yaml 文件太大了，无法提供它。这是我的容器之一。

    - name: web
      image: php_apache:1.0
      imagePullPolicy: Always
      resources:
        requests:
          memory: 50Mi
          cpu: 80m
        limits:
          memory: 100Mi
          cpu: 120m
      volumeMounts:
      - name: shared-data
        mountPath: /var/www/html
      ports:
      - containerPort: 80

它由 15 个容器组成我有一个 VM，其中包含一个具有 2 个节点（主节点、工作节点）的集群。

我想强调部署，以便我可以看到它扩大规模。但是这里我觉得有问题！在不强调应用程序的情况下，

来自 Pod 的 CPU/内存已经超过了目标，并且已经制作了 2 个副本（没有强调它）。我知道我向容器提供的请求越多，这个百分比就越少。但是，从一开始就增加内存/cpu 的使用率而不强调它是否有意义？

我希望目标的左侧部分（pod 中内存的使用）处于开始的 0%，并且尽可能多地增加它并创建副本。但是由于我在使用 apache bench 时强调，该值最多增加了 10%

我们可以在这里看到 CPU 的使用情况： kubectl 顶级吊舱

NAME CPU(cores) MEMORY(bytes) x-app-55b54b6fc8-7dqjf 76m 765Mi

!!59% 是 pod 的内存使用率，由 Sum of Memory Requests/Memory(usage of memory) 描述。在我的情况下 59% = 765Mi/1310Mi

HPA yaml 文件：

apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
  name: hpa
spec:
  maxReplicas: 10
  minReplicas: 1
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: myapp
  metrics:
  - type: Resource
    resource:
      name: memory
      target:
        type: Utilization
        averageUtilization: 35

【问题讨论】：

一切都取决于您在配置 YAML 中包含的内容。你能提供那些 YAML 吗？你部署了什么应用程序，它应该做什么。您是否设置了 CPU/内存Request/Limits？你的环境是什么？您是如何尝试增加此负载的？您必须提供更多信息，因为这个问题太笼统了。
感谢您的回答...我已经编辑了我的帖子！

标签： kubernetes deployment cpu-usage hpa

【解决方案1】：

使用 kubectl top nodes 命令，我注意到 cpu 和内存在没有压力的情况下增加了。有意义吗？

是的，这是有道理的。如果你会检查Google Cloud 关于Requests and Limits

请求和限制是 Kubernetes 用来控制 CPU 和内存等资源的机制。 请求是容器保证会得到的。 如果容器请求资源，Kubernetes 只会将其调度到可以为其提供该资源的节点上。 另一方面，限制确保容器永远不会超过某个值。容器只允许上到极限，然后就被限制了。

但是从一开始就增加内存/cpu 的使用率，而不强调它是否有意义？

是的，例如您的容器www 可以以memory: 50Mi 和cpu: 80m 开头，但允许增加到memory: 100Mi 和cpu: 120m。此外，正如您提到的，您总共有 15 个容器，因此取决于它们的 request、limits，它可以达到比您的 memory 更多的 35%。

在HPA documentation - algorithm-details你可以找到信息：

当指定了 targetAverageValue 或 targetAverageUtilization 时，currentMetricValue 的计算方法是取 HorizontalPodAutoscaler 的缩放目标中所有 Pod 的给定指标的平均值。但是，在检查容差并决定最终值之前，我们会考虑 pod 的就绪情况和缺失的指标。

所有设置了删除时间戳的 Pod（即正在关闭的 Pod）和所有失败的 Pod 都将被丢弃。

如果某个特定 Pod 缺少指标，则将其搁置以备后用；缺少指标的 Pod 将用于调整最终的缩放量。

不确定最后一个问题：

!!59% 是 pod 的内存使用量，由内存请求/内存的总和（内存使用量）描述。在我的情况下 59% = 765Mi/1310Mi

在您的HPA 中，您设置创建另一个pod，此时averageUtilization: 将达到35% 的memory。它到达 59% 并创建了另一个 pod。由于 HPA 目标是 memory，所以 HPA 根本不算 CPU。另外请记住，这是average，更改值需要大约 1 分钟。

为了更好地了解HPA 的工作原理，请尝试this walkthrough。

如果这没有帮助，请澄清您的确切要求。

【讨论】：