Вертикальное масштабирование приложения в кластере

Managed Service for Kubernetes поддерживает несколько видов автоматического масштабирования. Из этой статьи вы узнаете, как настроить автоматическое управление ресурсами пода с помощью Vertical Pod Autoscaler:

• Создайте Vertical Pod Autoscaler и тестовое приложение.
• Проверьте работу Vertical Pod Autoscaler.

Перед началом работы

1. Если у вас еще нет интерфейса командной строки Yandex Cloud, установите и инициализируйте его.

   По умолчанию используется каталог, указанный в профиле CLI. Вы можете указать другой каталог с помощью параметра --folder-name или --folder-id.

2. Создайте группы безопасности для мастера Kubernetes и узлов:

   • sg-k8s — для мастера и группы узлов.
   • k8s-public-services — для публичного доступа к сервисам из интернета.
   • k8s-master-whitelist — для доступа к API Kubernetes.

3. Создайте кластер Managed Service for Kubernetes и группу узлов любой подходящей конфигурации. При создании кластера и группы узлов:

   • Используйте созданные ранее группы безопасности.
   • Выберите автоматический тип назначения публичного адреса.

4. Установите kubectl и настройте его на работу с созданным кластером.

Создайте Vertical Pod Autoscaler и тестовое приложение

1. Создайте файл app.yaml, содержащий настройки тестового приложения nginx и балансировщика нагрузки:

   app.yaml

   ---
   ### Deployment
   apiVersion: apps/v1
   kind: Deployment
   metadata:
     name: nginx
     labels:
       app: nginx
   spec:
     replicas: 1
     selector:
       matchLabels:
         app: nginx
     template:
       metadata:
         name: nginx
         labels:
           app: nginx
       spec:
         containers:
           - name: nginx
             image: k8s.gcr.io/hpa-example
             resources:
               requests:
                 memory: "256Mi"
                 cpu: "500m"
               limits:
                 memory: "500Mi"
                 cpu: "1"
   ---
   ### Service
   apiVersion: v1
   kind: Service
   metadata:
     name: nginx
   spec:
     selector:
       app: nginx
     ports:
       - protocol: TCP
         port: 80
         targetPort: 80
     type: LoadBalancer
   

2. Создайте файл vpa.yaml, содержащий настройки Vertical Pod Autoscaler:

   vpa.yaml

   ---
   apiVersion: autoscaling.k8s.io/v1
   kind: VerticalPodAutoscaler
   metadata:
     name: nginx
   spec:
     targetRef:
       apiVersion: "apps/v1"
       kind:       Deployment
       name:       nginx
     updatePolicy:
       updateMode: "Auto"
   

3. Создайте объекты:

   kubectl apply -f app.yaml && \
   kubectl apply -f vpa.yaml
   

4. Убедитесь, что поды Vertical Pod Autoscaler и nginx перешли в состояние Running:

   kubectl get pods -n kube-system | grep vpa && \
   kubectl get pods | grep nginx
   

   Результат:

   vpa-admission-controller-58cf99779c-qmxtv  1/1  Running  0  44h
   vpa-recommender-678f4f6d4b-jqvgt           1/1  Running  0  44h
   vpa-updater-64ddd67787-xqsts               1/1  Running  0  44h
   nginx-6c5cbfc6d9-62j7w                     1/1  Running  0  42h
   nginx-6c5cbfc6d9-6t4nz                     1/1  Running  0  42h
   

   Примечание

   Для корректной работы Vertical Pod Autoscaler требуется как минимум два пода nginx.

Проверьте работу Vertical Pod Autoscaler

Для проверки работы Vertical Pod Autoscaler будет создана имитация рабочей нагрузки на приложение nginx.

1. Изучите рекомендации, которые предоставляет Vertical Pod Autoscaler до создания нагрузки:

   kubectl describe vpa nginx
   

   Обратите внимание на низкие значения Cpu в метриках Status.Recommendation.Container Recommendations:

   Name:         nginx
   Namespace:    default
   Labels:       <none>
   Annotations:  <none>
   API Version:  autoscaling.k8s.io/v1
   Kind:         VerticalPodAutoscaler
   ...
   Status:
     Conditions:
       Last Transition Time:  2022-03-18T08:02:04Z
       Status:                True
       Type:                  RecommendationProvided
     Recommendation:
       Container Recommendations:
         Container Name:  nginx
         Lower Bound:
           Cpu:     25m
           Memory:  262144k
         Target:
           Cpu:     25m
           Memory:  262144k
         Uncapped Target:
           Cpu:     25m
           Memory:  262144k
         Upper Bound:
           Cpu:     25m
           Memory:  262144k
   

2. Убедитесь, что Vertical Pod Autoscaler управляет ресурсами подов приложения nginx:

   kubectl get pod <имя одного из подов nginx> --output yaml
   

   Результат:

   apiVersion: v1
   kind: Pod
   metadata:
     annotations:
       vpaObservedContainers: nginx
       vpaUpdates: 'Pod resources updated by nginx: container 0: cpu request, memory
         request, cpu limit, memory limit'
   ...
   spec:
     containers:
     ...
       name: nginx
       resources:
         limits:
           cpu: 50m
           memory: 500000Ki
         requests:
           cpu: 25m
           memory: 262144k
   

3. В отдельном окне запустите процесс, имитирующий рабочую нагрузку:

   URL=$(kubectl get service nginx -o json \
     | jq -r '.status.loadBalancer.ingress[0].ip') && \
     while true; do wget -q -O- http://$URL; done
   

   Совет

   Чтобы увеличить нагрузку и ускорить выполнение сценария, запустите несколько процессов в отдельных окнах.

4. Через несколько минут изучите рекомендации, которые предоставляет Vertical Pod Autoscaler после создания нагрузки:

   kubectl describe vpa nginx
   

   Vertical Pod Autoscaler выделил дополнительные ресурсы подам при повышении нагрузки. Обратите внимание на повышение значений Cpu в метриках Status.Recommendation.Container Recommendations:

   Name:         nginx
   Namespace:    default
   Labels:       <none>
   Annotations:  <none>
   API Version:  autoscaling.k8s.io/v1
   Kind:         VerticalPodAutoscaler
   ...
   Status:
    Conditions:
       Last Transition Time:  2022-03-18T08:02:04Z
       Status:                True
       Type:                  RecommendationProvided
     Recommendation:
       Container Recommendations:
         Container Name:  nginx
         Lower Bound:
           Cpu:     25m
           Memory:  262144k
         Target:
           Cpu:     410m
           Memory:  262144k
         Uncapped Target:
           Cpu:     410m
           Memory:  262144k
         Upper Bound:
           Cpu:     28897m
           Memory:  1431232100
   

5. Завершите процесс имитации рабочей нагрузки. В течение нескольких минут значения метрик Status.Recommendation.Container Recommendations вернутся к первоначальным.

Удалите созданные ресурсы

Если созданные ресурсы вам больше не нужны, удалите их:

1. Удалите кластер Kubernetes.
2. Если для доступа к кластеру или узлам использовались статические публичные IP-адреса, освободите и удалите их.