Dela via

Använda autoskalning av lodrät podd i Azure Kubernetes Service (AKS)

  • Artikel

Den här artikeln visar hur du använder VPA (Vertical Pod Autoscaler) i ditt AkS-kluster (Azure Kubernetes Service). VPA justerar automatiskt cpu- och minnesbegäranden för dina poddar så att de matchar användningsmönstren för dina arbetsbelastningar. Den här funktionen hjälper till att optimera prestanda för dina program och minska kostnaden för att köra dina arbetsbelastningar i AKS.

Mer information finns i översikten över autoskalning av lodrät podd.

Innan du börjar

  • Om du har ett befintligt AKS-kluster kontrollerar du att det kör Kubernetes version 1.24 eller senare.

  • Du behöver Azure CLI version 2.52.0 eller senare installerad och konfigurerad. Kör az --version för att hitta versionen. Om du behöver installera eller uppgradera kan du läsa Installera Azure CLI.

  • Om du aktiverar VPA i ett befintligt kluster kontrollerar du att kubectl det är installerat och konfigurerat för att ansluta till ditt AKS-kluster med hjälp av az aks get-credentials kommandot .

    az aks get-credentials --name <cluster-name> --resource-group <resource-group-name>

Distribuera autoskalning av lodrät podd i ett nytt kluster

  • Skapa ett nytt AKS-kluster med VPA aktiverat med kommandot az aks create med --enable-vpa flaggan .

    az aks create --name <cluster-name> --resource-group <resource-group-name> --enable-vpa --generate-ssh-keys

    Efter några minuter slutförs kommandot och returnerar JSON-formaterad information om klustret.

Uppdatera ett befintligt kluster för att använda autoskalning av lodrät podd

  • Uppdatera ett befintligt kluster för att använda VPA med hjälp av az aks update kommandot med --enable-vpa flaggan .

    az aks update --name <cluster-name> --resource-group <resource-group-name> --enable-vpa

    Efter några minuter slutförs kommandot och returnerar JSON-formaterad information om klustret.

Inaktivera autoskalning av lodrät podd i ett befintligt kluster

  • Inaktivera VPA på ett befintligt kluster med kommandot az aks update med --disable-vpa flaggan .

    az aks update --name <cluster-name> --resource-group <resource-group-name> --disable-vpa

    Efter några minuter slutförs kommandot och returnerar JSON-formaterad information om klustret.

Testa installation av vertikal podd autoskalning

I följande exempel skapar vi en distribution med två poddar, var och en kör en enda container som begär 100 millicore och försöker använda något över 500 millicores. Vi skapar också en VPA-konfiguration som pekar på distributionen. VPA observerar poddarnas beteende och uppdaterar poddarna efter cirka fem minuter för att begära 500 millicores.

  1. Skapa en fil med namnet hamster.yaml och kopiera i följande manifest i exemplet Vertical Pod Autoscaler från GitHub-lagringsplatsen kubernetes/autoscaler :

    apiVersion: "autoscaling.k8s.io/v1"
kind: VerticalPodAutoscaler
metadata:
  name: hamster-vpa
spec:
  targetRef:
    apiVersion: "apps/v1"
    kind: Deployment
    name: hamster
  resourcePolicy:
    containerPolicies:
      - containerName: '*'
        minAllowed:
          cpu: 100m
          memory: 50Mi
        maxAllowed:
          cpu: 1
          memory: 500Mi
        controlledResources: ["cpu", "memory"]
---
apiVersion: apps/v1
kind: Deployment
metadata:
  name: hamster
spec:
  selector:
    matchLabels:
      app: hamster
  replicas: 2
  template:
    metadata:
      labels:
        app: hamster
    spec:
      securityContext:
        runAsNonRoot: true
        runAsUser: 65534
      containers:
        - name: hamster
          image: registry.k8s.io/ubuntu-slim:0.1
          resources:
            requests:
              cpu: 100m
              memory: 50Mi
          command: ["/bin/sh"]
          args:
            - "-c"
            - "while true; do timeout 0.5s yes >/dev/null; sleep 0.5s; done"

  2. Distribuera exemplet hamster.yaml Vertical Pod Autoscaler med kommandot kubectl apply .

    kubectl apply -f hamster.yaml

    Efter några minuter slutförs kommandot och returnerar JSON-formaterad information om klustret.

  3. Visa de poddar som körs med kommandot kubectl get .

    kubectl get pods -l app=hamster

    Dina utdata bör se ut ungefär som följande exempelutdata:

    hamster-78f9dcdd4c-hf7gk   1/1     Running   0          24s
hamster-78f9dcdd4c-j9mc7   1/1     Running   0          24s

  4. Visa cpu- och minnesreservationerna på en av poddarna med hjälp av kubectl describe kommandot . Se till att du ersätter <example-pod> med ett av de podd-ID:t som returnerades i dina utdata från föregående steg.

    kubectl describe pod hamster-<example-pod>

    Dina utdata bör se ut ungefär som följande exempelutdata:

     hamster:
    Container ID:  containerd://
    Image:         k8s.gcr.io/ubuntu-slim:0.1
    Image ID:      sha256:
    Port:          <none>
    Host Port:     <none>
    Command:
      /bin/sh
    Args:
      -c
      while true; do timeout 0.5s yes >/dev/null; sleep 0.5s; done
    State:          Running
      Started:      Wed, 28 Sep 2022 15:06:14 -0400
    Ready:          True
    Restart Count:  0
    Requests:
      cpu:        100m
      memory:     50Mi
    Environment:  <none>

    Podden har 100 millicpu och 50 Mibibyte minne reserverade i det här exemplet. För det här exempelprogrammet behöver podden mindre än 100 millicpu för att köras, så det finns ingen tillgänglig processorkapacitet. Poddarna reserverar också mindre minne än vad som behövs. Distributionen vertical pod autoscaler vpa-recommender analyserar poddarna som är värd för hamsterprogrammet för att se om kraven på processor och minne är lämpliga. Om justeringar behövs startar vpa-updater om poddarna med uppdaterade värden.

  5. Övervaka poddarna med kommandot kubectl get .

    kubectl get --watch pods -l app=hamster

  6. När den nya hamsterpodden startar kan du visa de uppdaterade cpu- och minnesreservationerna kubectl describe med kommandot . Se till att du ersätter <example-pod> med ett av de podd-ID:t som returnerades i dina utdata från föregående steg.

    kubectl describe pod hamster-<example-pod>

    Dina utdata bör se ut ungefär som följande exempelutdata:

    State:          Running
  Started:      Wed, 28 Sep 2022 15:09:51 -0400
Ready:          True
Restart Count:  0
Requests:
  cpu:        587m
  memory:     262144k
Environment:  <none>

    I föregående utdata kan du se att CPU-reservationen ökade till 587 millicpu, vilket är över fem gånger det ursprungliga värdet. Minnet ökade till 262 144 kilobyte, vilket är cirka 250 Mibibyte, eller fem gånger det ursprungliga värdet. Den här podden var underbetonad och Autoskalning av lodrät podd korrigerade uppskattningen med ett mycket mer lämpligt värde.

  7. Visa uppdaterade rekommendationer från VPA med hjälp av kubectl describe kommandot för att beskriva information om hamster-vpa-resursen.

    kubectl describe vpa/hamster-vpa

    Dina utdata bör se ut ungefär som följande exempelutdata:

     State:          Running
  Started:      Wed, 28 Sep 2022 15:09:51 -0400
Ready:          True
Restart Count:  0
Requests:
  cpu:        587m
  memory:     262144k
Environment:  <none>

Ange lodrät autoskalning av poddar

Objektet VerticalPodAutoscaler anger automatiskt resursbegäranden på poddar med en updateMode av Auto. Du kan ange ett annat värde beroende på dina krav och testning. I det här exemplet skapar och testar vi ett distributionsmanifest med två poddar, var och en kör en container som begär 100 milliCPU och 50 MiB minne och anger updateMode till Recreate.

  1. Skapa en fil med namnet azure-autodeploy.yaml och kopiera i följande manifest:

    apiVersion: apps/v1
kind: Deployment
metadata:
  name: vpa-auto-deployment
spec:
  replicas: 2
  selector:
    matchLabels:
      app: vpa-auto-deployment
  template:
    metadata:
      labels:
        app: vpa-auto-deployment
    spec:
      containers:
      - name: mycontainer
        image: mcr.microsoft.com/oss/nginx/nginx:1.15.5-alpine
        resources:
          requests:
            cpu: 100m
            memory: 50Mi
        command: ["/bin/sh"]
        args: ["-c", "while true; do timeout 0.5s yes >/dev/null; sleep 0.5s; done"]

  2. Skapa podden med kommandot kubectl create .

    kubectl create -f azure-autodeploy.yaml

    Efter några minuter slutförs kommandot och returnerar JSON-formaterad information om klustret.

  3. Visa de poddar som körs med kommandot kubectl get .

    kubectl get pods

    Dina utdata bör se ut ungefär som följande exempelutdata:

    NAME                                   READY   STATUS    RESTARTS   AGE
vpa-auto-deployment-54465fb978-kchc5   1/1     Running   0          52s
vpa-auto-deployment-54465fb978-nhtmj   1/1     Running   0          52s

  4. Skapa en fil med namnet azure-vpa-auto.yaml och kopiera i följande manifest:

    apiVersion: autoscaling.k8s.io/v1
kind: VerticalPodAutoscaler
metadata:
  name: vpa-auto
spec:
  targetRef:
    apiVersion: "apps/v1"
    kind:       Deployment
    name:       vpa-auto-deployment
  updatePolicy:
    updateMode: "Recreate"

    Värdet targetRef.name anger att alla poddar som styrs av en distribution med namnet vpa-auto-deployment tillhör VerticalPodAutoscaler. Värdet updateMode Recreate för innebär att den lodräta autoskalningsstyrenheten för poddar kan ta bort en podd, justera cpu- och minnesbegäranden och sedan skapa en ny podd.

  5. Använd manifestet på klustret med kommandot kubectl apply .

    kubectl create -f azure-vpa-auto.yaml

  6. Vänta några minuter och visa sedan de poddar som körs med kommandot kubectl get .

    kubectl get pods

    Dina utdata bör se ut ungefär som följande exempelutdata:

    NAME                                   READY   STATUS    RESTARTS   AGE
vpa-auto-deployment-54465fb978-qbhc4   1/1     Running   0          2m49s
vpa-auto-deployment-54465fb978-vbj68   1/1     Running   0          109s

  7. Få detaljerad information om en av dina poddar som körs med kommandot kubectl get . Se till att du ersätter <pod-name> med namnet på en av dina poddar från dina tidigare utdata.

    kubectl get pod <pod-name> --output yaml

    Dina utdata bör se ut ungefär som i följande exempelutdata, vilket visar att VPA-styrenheten ökade minnesbegäran till 262144k och CPU-begäran till 25 milliCPU:

    apiVersion: v1
kind: Pod
metadata:
  annotations:
    vpaObservedContainers: mycontainer
    vpaUpdates: 'Pod resources updated by vpa-auto: container 0: cpu request, memory
      request'
  creationTimestamp: "2022-09-29T16:44:37Z"
  generateName: vpa-auto-deployment-54465fb978-
  labels:
    app: vpa-auto-deployment

spec:
  containers:
  - args:
    - -c
    - while true; do timeout 0.5s yes >/dev/null; sleep 0.5s; done
    command:
    - /bin/sh
    image: mcr.microsoft.com/oss/nginx/nginx:1.15.5-alpine
    imagePullPolicy: IfNotPresent
    name: mycontainer
    resources:
      requests:
        cpu: 25m
        memory: 262144k

  8. Få detaljerad information om autoskalning av lodrät podd och dess rekommendationer för CPU och minne med hjälp av kubectl get kommandot .

    kubectl get vpa vpa-auto --output yaml

    Dina utdata bör se ut ungefär som följande exempelutdata:

     recommendation:
  containerRecommendations:
  - containerName: mycontainer
    lowerBound:
      cpu: 25m
      memory: 262144k
    target:
      cpu: 25m
      memory: 262144k
    uncappedTarget:
      cpu: 25m
      memory: 262144k
    upperBound:
      cpu: 230m
      memory: 262144k

    I det här exemplet anger resultatet i target attributet att den inte behöver ändra cpu- eller minnesmålet för att containern ska köras optimalt. Resultaten kan dock variera beroende på programmet och dess resursanvändning.

    Autoskalning av lodrät podd använder attributen lowerBound och upperBound för att avgöra om en podd ska tas bort och ersättas med en ny podd. Om en podd har begäranden som är mindre än den nedre gränsen eller större än den övre gränsen, tar autoskalningsenheten lodrät podd bort podden och ersätter den med en podd som uppfyller målattributet.

Extrarekommendator för lodrät podd autoskalning

Rekommenderaren ger rekommendationer för resursanvändning baserat på resursförbrukning i realtid. AKS distribuerar en rekommenderare när ett kluster aktiverar VPA. Du kan distribuera en anpassad rekommenderare eller en extra rekommenderare med samma avbildning som standardvärdet. Fördelen med att ha en anpassad rekommenderare är att du kan anpassa rekommendationslogik. Med en extra rekommenderare kan du partitionera virtuella vpn-program för att använda olika rekommenderare.

I följande exempel skapar vi en extra rekommenderare, tillämpar på en befintlig AKS-clust och konfigurerar VPA-objektet så att det använder den extra rekommendationen.

  1. Skapa en fil med namnet extra_recommender.yaml och kopiera i följande manifest:

    apiVersion: apps/v1 
kind: Deployment 
metadata: 
  name: extra-recommender 
  namespace: kube-system 
spec: 
  replicas: 1 
  selector: 
    matchLabels: 
      app: extra-recommender 
  template: 
    metadata: 
      labels: 
        app: extra-recommender 
    spec: 
      serviceAccountName: vpa-recommender 
      securityContext: 
        runAsNonRoot: true 
        runAsUser: 65534
      containers: 
      - name: recommender 
        image: registry.k8s.io/autoscaling/vpa-recommender:0.13.0 
        imagePullPolicy: Always 
        args: 
          - --recommender-name=extra-recommender 
        resources: 
          limits: 
            cpu: 200m 
            memory: 1000Mi 
          requests: 
            cpu: 50m 
            memory: 500Mi 
        ports: 
        - name: prometheus 
          containerPort: 8942

  2. Distribuera exemplet extra-recomender.yaml Vertical Pod Autoscaler med kommandot kubectl apply .

    kubectl apply -f extra-recommender.yaml

    Efter några minuter slutförs kommandot och returnerar JSON-formaterad information om klustret.

  3. Skapa en fil med namnet hamster-extra-recommender.yaml och kopiera i följande manifest:

    apiVersion: "autoscaling.k8s.io/v1" 
kind: VerticalPodAutoscaler 
metadata: 
  name: hamster-vpa 
spec: 
  recommenders:  
    - name: 'extra-recommender' 
  targetRef: 
    apiVersion: "apps/v1" 
    kind: Deployment 
    name: hamster 
  updatePolicy: 
    updateMode: "Auto" 
  resourcePolicy: 
    containerPolicies: 
      - containerName: '*' 
        minAllowed: 
          cpu: 100m 
          memory: 50Mi 
        maxAllowed: 
          cpu: 1 
          memory: 500Mi 
        controlledResources: ["cpu", "memory"] 
--- 
apiVersion: apps/v1 
kind: Deployment 
metadata: 
  name: hamster 
spec: 
  selector: 
    matchLabels: 
      app: hamster 
  replicas: 2 
  template: 
    metadata: 
      labels: 
        app: hamster 
    spec: 
      securityContext: 
        runAsNonRoot: true 
        runAsUser: 65534 # nobody 
      containers: 
        - name: hamster 
          image: k8s.gcr.io/ubuntu-slim:0.1 
          resources: 
            requests: 
              cpu: 100m 
              memory: 50Mi 
          command: ["/bin/sh"] 
          args: 
            - "-c" 
            - "while true; do timeout 0.5s yes >/dev/null; sleep 0.5s; done"

    Om memory inte anges i controlledResourcessvarar inte rekommenderaren på OOM-händelser. I det här exemplet anger vi bara CPU i controlledValues. controlledValues låter dig välja om du vill uppdatera containerns resursbegäranden med hjälp avRequestsOnly alternativet eller av både resursbegäranden och begränsningar med hjälp av RequestsAndLimits alternativet . Standardvärdet är RequestsAndLimits. Om du använder RequestsAndLimits alternativet beräknas begäranden baserat på den faktiska användningen och gränserna beräknas baserat på den aktuella poddens förhållande för begäran och gräns.

    Om du till exempel börjar med en podd som begär 2 processorer och begränsar till 4 processorer, anger VPA alltid gränsen till dubbelt så mycket som begäranden. Samma princip gäller för minne. När du använder RequestsAndLimits läget kan det fungera som en skiss för dina första begäranden och begränsningar för programresurser.

    Du kan förenkla VPA-objektet med hjälp av Auto läges- och beräkningsrekommendationer för både CPU och minne.

  4. Distribuera exemplet hamster-extra-recomender.yaml med kommandot kubectl apply .

    kubectl apply -f hamster-extra-recommender.yaml

  5. Övervaka dina poddar med kommandot [kubectl get]kubectl-get .

    kubectl get --watch pods -l app=hamster

  6. När den nya hamsterpodden startar visar du de uppdaterade CPU- och minnesreservationerna kubectl describe med kommandot . Se till att du ersätter <example-pod> med ett av dina podd-ID:t.

    kubectl describe pod hamster-<example-pod>

    Dina utdata bör se ut ungefär som följande exempelutdata:

    State:          Running
  Started:      Wed, 28 Sep 2022 15:09:51 -0400
Ready:          True
Restart Count:  0
Requests:
  cpu:        587m
  memory:     262144k
Environment:  <none>

  7. Visa uppdaterade rekommendationer från VPA med kommandot kubectl describe .

    kubectl describe vpa/hamster-vpa

    Dina utdata bör se ut ungefär som följande exempelutdata:

    State:          Running
 Started:      Wed, 28 Sep 2022 15:09:51 -0400
Ready:          True
Restart Count:  0
Requests:
  cpu:        587m
  memory:     262144k
Environment:  <none>
Spec:
  recommenders:
    Name: customized-recommender

Felsöka autoskalning av lodrät podd

Om du stöter på problem med autoskalning av lodrät podd kan du felsöka systemkomponenterna och den anpassade resursdefinitionen för att identifiera problemet.

  1. Kontrollera att alla systemkomponenter körs med följande kommando:

    kubectl --namespace=kube-system get pods|grep vpa

    Dina utdata bör visa tre poddar: rekommenderare, uppdaterings- och antagningskontrollant, alla med statusen Running.

  2. För var och en av poddarna som returnerades i dina tidigare utdata kontrollerar du att systemkomponenterna loggar eventuella fel med hjälp av följande kommando:

    kubectl --namespace=kube-system logs [pod name] | grep -e '^E[0-9]\{4\}'

  3. Kontrollera att den anpassade resursdefinitionen skapades med hjälp av följande kommando:

    kubectl get customresourcedefinition | grep verticalpodautoscalers

Nästa steg

Mer information om VPA-objektet finns i API-referensen lodrät podd autoskalning.