关于kubernetes:Kubernetes的控制器类型及使用案例

什么是控制器

Kubernetes 中内建了很多的 controller（控制器），这些控制器相当于一个状态机，用来管制 Pod 的具体状态和行为

控制器的类型

ReplicationController 和 ReplicaSet

ReplicationController(RC) 用来确保容器利用的正本数始终维持在用户定义的正本数，即如果有容器异样退出，会主动创立新的 Pod 来代替，而如果异样多进去的容器也会主动回收。

在新版本的 Kubernetes 中倡议应用 ReplicaSet 来取代 ReplicationController，ReplicaSet 跟 ReplicationController 没有实质的区别，只是名字不一样，并且 ReplicaSet 反对汇合式的 selector（标签）。

apiVersion: extensions/v1beta1
kind: ReplicaSet
metadata:
  name: frontend
spec:
  replicas: 3
  selector:
    natchLatels:
      tier: frontend
  template:
    metadata:
      latels:
        tier: frontend
    sepc:
      containsers:
      - name: myapp
        image: myapp:v1
        env:
        - name: GET_HOST_FROM
          values: dns
        ports:
        - containerPort: 80

Deployment

Deployment 为 Pod 和 ReplicaSet 提供了一个申明式定义（declarative) 办法，用来代替以前的 ReplicationController 类不便的治理利用，典型的利用场景包含：

• 定义 Deployment 来创立 Pod 和 ReplicaSet
• 滚动降级和回滚利用
• 扩容和缩容
• 暂停和持续 Deployment

apiVersion: extensions/v1beta1
kind:Deployment
metadata:
  name: nginx-deployment
spec:
  replicas: 3
  template:
    metadata:
      labels:
        app: nginx
    spec:
      containers:
      - name: nginx
        image: myapp:v1
        ports:
        - containerPort: 80

扩容

kubectl scale deployment nginx-deployment --replicats 10

如果集群反对 HPA 的话，还能够为 Deployment 设置主动扩大

kubectl autoscale deployment nginx-deployment --min=10 --max=15 --cpu-percent=80

更新镜像也比较简单

kubectl set image deployment/nginx-deployment nginx=nginx:1.9.1

回滚

kubectl rollout undo deployment/nginx-deployment
kubectl rollout status deployments nginx-deployment #查看回滚状态
kubectl rollout history deployment/nginx-deployment #查看回滚历史
kubectl rollout pause deployment/nginx-deployment #暂停 deployment 的更新 

DaemonSet

Daemon 确保全副或者一些 Node 上运行一个 Pod 的正本，当有 Node 退出集群时，也会为他们新增一个 Pod，当有 Node 从集群移除时，这些 Pod 也会被回收，删除 DaemonSet 将会删除它创立的所有 Pod

应用 DaemonSet 的一些典型用法：

• 运行集群存储 daemon，如 glusterd、ceph
• 在每个 Node 上运行日志手机 daemon，如 fluentd、logstash
• 在每个 Node 上运行监控 daemon，如 prometheus Node Exporter、colletcd、Datadog 代理、New Relic 代理，或 Ganglia gmond

apiVersion: apps/v1
kind: DaemonSet
metadata:
  name: daemonset-example #与上面的 selector.matchLabels 中的 name 必须保持一致，不然会始终重启
  labels:
    app: daemonset
spec:
  selector:
    matchLabels:
      name: daemonset-example
  template:
    metadata:
      labels:
        name: daemonset-example
    spec:
      containers:
      - name: daemonset-example
        image: myapp:v1

StateFulSet

StateFulSet 作为 Controller 为 Pod 提供惟一的标识，它能够保障部署和 scale 的程序

StateFulSet 是为了解决有状态服务的问题，对应 Deployment 和 ReplicaSet 是为无状态服务而设计的，器利用场景包含：

• 稳固的长久化存储，即 Pod 从新调度后还能拜访到雷同的长久化数据，基于 PVC 来实现
• 稳固的网络标识，即 Pod 从新调度后其 PodName 和 HostName 不变，基于 Headless Service（即没有 Cluster IP 的 Service）来实现
• 有序部署，有序扩大，即 Pod 是有程序的，在部署或者扩大的时候要根据定义的程序顺次进行（即从 0 到 N -1，在下一个 Pod 运行之前所有之前的 Pod 必须都是 Runing 和 Ready 状态），基于 init containers 来实现
• 有序膨胀，有序删除（即从 N - 1 到 0）

Job/CronJob

Job 负责批处理工作，即仅执行一次工作，它保障批处理工作的一个或者多个 Pod 胜利完结

CronJob 治理基于工夫的 Job，即：

• 在给定工夫只运行一次
• 周期性地在给定工夫点运行

典型利用场景如数据库备份，发送邮件等

Job

apiVersion: batch/v1
kind: Job
metadata:
  name: pi
spec:
  templata:
    metadata:
      name: pi
    spec:
      containers:
      - name: pi
        image: perl
        command: ["perl","-Mbignum=bpi","-wle","print bpi(2000)"]
      restartPolicy: Never

CronJob

apiVersion: batch/v1beta1
kind: CronJob
metadata:
  name: hello
spec:
  schedule: "*/1 * * * *" #必须填写的字段
  completions: 1 #标记 Job 完结须要胜利运行的 Pod 个数，默认为 1
  parallelism: 1 #标记并行运行的 Pod 个数，默认为 1
  activeDeadlineSeconds: 5 #标记失败 Pod 的重试最大工夫，超过这个工夫不会持续重试
  startingDeadlinSeconds: 5 #启动 Job 的期限（秒级别）concurrencyPolicy: Allow #并发策略，可选 Allow（默认）容许并发运行 Job、Forbid 禁止编发运行、Replace 替换
  jobTemplate: #必须填写的字段
    spec:
      template:
        spec:
          containers:
          - name: hello
            image: busybox
            args:
            - /bin/sh
            - -c
            - date: echo Hello from the Kubernetes cluster
          restartPolicy: OnFailure

Horizontal Pod Autoscaling

利用的资源使用率通常都有顶峰和低谷的时候，如何削峰填谷，进步集群的整体资源利用率，让 service 中的 Pod 个数主动调整呢？这就要依赖于 Horizontal Pod Autoscaling 了，即 Pod 的程度主动缩放