Kubernetes Horizo​​ntal Pod Autoscaler 如何计算多容器 Pod 的 CPU 利用率？

Question

问题 1.)
给定一个多容器 pod 的场景，其中所有容器都有一个定义的 CPU 请求：
Kubernetes Horizo​​ntal Pod Autoscaler 如何计算多容器 pod 的 CPU 利用率？
它是平均它们吗？ ((((500m cpu req + 50m cpu req) /2) * X% HPA 目标 cpu 利用率
它会添加它们吗？ ((500m cpu req + 50m cpu req) * X% HPA 目标 cpu 利用率
它会单独跟踪它们吗？ （500m cpu req * X% HPA 目标 cpu 利用率 = 目标 #1，50m cpu req * X% HPA 目标 cpu 利用率 = 目标 #2。）

问题 2。） 鉴于多容器 pod 的场景，其中 1 个容器具有已定义的 CPU 请求，而其他容器的 CPU 请求为空白：
Kubernetes Horizo​​ntal Pod Autoscaler 如何计算多容器 pod 的 CPU 利用率？
它是否像您只有 1 个容器 pod 一样工作？

问题 3.)
问题 1 和 2 的答案是否会根据 HPA API 版本而变化？
我注意到 stable/nginx-ingress helm chart，chart 版本 1.10.2，为我部署了具有以下规范的 HPA：

apiVersion: autoscaling/v1
kind: HorizontalPodAutoscaler

（我注意到 apiVersion: autoscaling/v2beta2 现在存在）

背景信息：
我最近遇到了一个问题，即在将 sidecar（第二个容器）添加到 nginx 入口控制器部署（通常是带有单个容器的 pod）之后，意外的疯狂扩展/在最小和最大 pod 之间不断来回切换。在我的例子中，它是一个 oauth2 代理，虽然我想象 istio sidecar 容器的人也可能一直遇到这种问题。

apiVersion: apps/v1
kind: Deployment
spec:
  replicas: 3
  template:
    spec:
      containers:
        - name: nginx-ingress-controller #(primary-container)
          resources:
            requests:
              cpu: 500m    #baseline light load usage in my env 
              memory: 2Gi  #according to kubectl top pods
            limits:
              memory: 8Gi  #(oom kill pod if this high, because somethings wrong)
        - name: oauth2-proxy #(newly-added-2nd-sidecar-container)
          resources: 
            requests:
              cpu: 50m
              memory: 50Mi
            limits:
              memory: 4Gi

我有一个 HPA (apiVersion: autoscaling/v1)：

• 最少 3 个副本（在滚动更新期间保留 HA）
• targetCPUUtilizationPercentage = 150%

我突然想到，我的错误配置导致意外的疯狂扩展是由 2 个问题引起的：

1. 我真的不明白当 pod 有多个容器时 HPA 是如何工作的
2. 我不知道如何深入了解正在发生的事情的指标。
   

---

解决第一个问题：我集思广益，了解它在单容器场景中的工作原理（然后意识到我不知道多容器场景，所以我决定问这个问题)

这是我对当我有 1 个容器时 HPA（自动缩放/v1）如何工作的理解（暂时忽略上述部署规范中的第二个容器）：
当所有 pod 的 CPU 平均利用率从我正常预期的 500m 或更少负载转移到 750m（150% x 500m 请求）时，HPA 将生成更多副本

---

解决第二个问题：我发现了如何挖掘以查看基于数值的具体指标与基于相对百分比的指标，以帮助了解幕后发生的事情：

bash# kubectl describe horizontalpodautoscaler nginx-ingress-controller -n=ingress | grep Metrics: -A 1
Metrics:                                               ( current / target )
  resource cpu on pods  (as a percentage of request):  5% (56m) / 100%

（注意：kubectl top pods -n=ingress，显示 5 个副本的 cpu 使用率分别为 36m、34m、88m、36m、91m，因此 57m 电流 ~ 与 56m 电流相匹配）

现在它是一个基本的比例数学问题，允许求解目标静态值：
(5% / 56m) = (100% / x m) --> x = 56 * 100 / 5 = 1120m 目标cpu
（注意：此 HPA 与上述部署无关，这就是数字被关闭的原因。）

Answer 1

基于stackoverflow社区成员在其他case的回答

“HPA 将 pod cpu 利用率计算为 pod 中所有容器的总 cpu 使用率除以总请求。我认为在任何地方的文档中都没有指定，但相关代码是 here”

您已经获得了更多信息，上面的链接中有示例。

---

根据文档

Horizontal Pod Autoscaler 根据观察到的 CPU 利用率（或者，在 beta 支持下，在其他一些应用程序提供的指标上）自动扩展复制控制器、部署或副本集中的 pod 数量。

所以基本上：

apiVersion autoscaling/v1 HPA 基于 cpu。

apiVersion 自动缩放/v2beta2 基于cpu、内存、自定义指标。

更多信息here

Answer 2

对于问题 2，如果我们查看 source code，我们可以看到它单独查看所有容器，如果容器没有请求则返回。

func calculatePodRequests(pods []*v1.Pod, resource v1.ResourceName) (map[string]int64, error) {
   requests := make(map[string]int64, len(pods))
   for _, pod := range pods {
      podSum := int64(0)
      for _, container := range pod.Spec.Containers {
         if containerRequest, ok := container.Resources.Requests[resource]; ok {
            podSum += containerRequest.MilliValue()
         } else {
            return nil, fmt.Errorf("missing request for %s", resource)
         }
      }
      requests[pod.Name] = podSum
   }
   return requests, nil
}

---

---