HPA扩展，即使当前CPU低于目标CPU

Question

我的HPA的内容

apiVersion: autoscaling/v1
kind: HorizontalPodAutoscaler
metadata:
 name: django
spec:
{{ if eq .Values.env "prod" }}
 minReplicas: 5
 maxReplicas: 35
{{ else if eq .Values.env "staging" }}
 minReplicas: 1
 maxReplicas: 3
{{ end }}
 scaleTargetRef:
   apiVersion: apps/v1
   kind: Deployment
   name: django-app
 targetCPUUtilizationPercentage: 35

有谁知道这可能是什么原因？

Answer 1

缩放基于%的请求而不是限制。我认为我们应该更改这个答案，因为已接受答案中的示例显示：

 limits:
   cpu: 1000m

但目标 CPU 利用率百分比基于以下请求：

requests:
   cpu: 1000m

对于每个pod的资源指标(如CPU)，控制器从HorizontalPodAutoscaler针对的每个Pod的资源指标API中获取指标。然后，如果设置了目标利用率值，则控制器将利用率值计算为每个箱中的容器上的等效资源请求的百分比。如果设置了目标原始值，则直接使用原始度量值。然后，控制器取所有目标箱的利用率或原始值(取决于指定的目标类型)的平均值，并产生一个比率，用于缩放所需副本的数量。

https://kubernetes.io/docs/tasks/run-application/horizontal-pod-autoscale/#how-does-a-horizontalpodautoscaler-work

Answer 2

这很棘手，可能是一个bug，但我不这么认为，正如我将解释的，大多数时候人们配置的值太低。

< code > targetCPUUtilizationPercentage 根据pod可以使用的所有CPU来配置百分比。在Kubernetes上，如果不对CPU使用指定一些< code >限制,我们就无法创建< code>HPA。

让我们假设这是我们的极限:

apiVersion: v1
kind: Pod
metadata:
  name: apache
spec:
  containers:
    - name: apache
      image: httpd:alpine
      resources:
        limits:
          cpu: 1000m

在HPA内部的targetCPUtilizationPercentage中，我们指定75%。

这很容易解释，因为我们要求100% (1000m = 1个CPU内核)的单核，所以当这个内核的使用率达到75%左右时，HPA就会开始工作。

但是，如果我们将极限定义为：

spec:
  containers:
    - name: apache
      image: httpd:alpine
      resources:
        limits:
          cpu: 500m

现在，我们的吊舱可以利用的100%CPU仅为单核的50%。很好，所以这个吊舱100%的cpu使用率意味着，在硬件上，单核使用率为50%。

这对于目标CPU利用率百分比是无动于衷的，如果我们保持75%的值，HPA将在我们的单个内核使用率约为37.5%时开始工作，因为这是这个pod可以消耗的所有CPU的75%。

从pod/hpa的角度来看，他们从不知道自己在CPU或内存方面受到了限制。

对于上面问题中使用的一些程序——CPU峰值确实会发生——但是只在小时间范围内（例如10秒峰值）。由于这些峰值的持续时间很短，度量服务器不会保存这个峰值，而只会在1m窗口后保存度量。在这种情况下，这些窗口之间的峰值将被排除在外。这解释了为什么在度量仪表板中看不到峰值，而是由HPA接收。

因此，对于cpu限制较低的服务，较大的纵向扩展时间窗口(HPA中的< code>scaleUp设置)可能是理想的。