共计 5236 个字符，预计需要花费 14 分钟才能阅读完成。
HPA – Horizontal Pod Autoscaler 的缩写，Pod 程度主动伸缩。通过对 Pod 负载的监控，来主动减少或者缩小 Pod 的正本数量。
从字面意思来看，其次要蕴含了两局部：
- 监控 Pod 的负载
- 管制 Pod 的正本数量
那具体是如何实现的呢？以下基于 1.17 源码，来剖析下 HPA 如何工作。
留神：文章中的代码在源码的根底上进行了精简：删掉了正文、序列化等信息，或保留了局部外围代码，加上新的正文。
资源
HPA 的资源是 HorizontalPodAutoscaler，在v1 版本中，只反对基于 CPU 指标的计算；在 v2beta2 版本中退出了基于内存和自定义指标的计算。
v1
//staging/src/k8s.io/api/autoscaling/v1/types.go
type HorizontalPodAutoscaler struct {
metav1.TypeMeta
metav1.ObjectMeta
Spec HorizontalPodAutoscalerSpec
Status HorizontalPodAutoscalerStatus
}
type HorizontalPodAutoscalerSpec struct {
ScaleTargetRef CrossVersionObjectReference // 监控的指标资源
MinReplicas *int32 // 最小正本数
MaxReplicas int32 // 最大正本数
TargetCPUUtilizationPercentage *int32 // 触发调整的 CPU 使用率
}v2
//staging/src/k8s.io/api/autoscaling/v2beta2/types.go
type HorizontalPodAutoscaler struct {
metav1.TypeMeta
metav1.ObjectMeta
Spec HorizontalPodAutoscalerSpec
Status HorizontalPodAutoscalerStatus
}
type HorizontalPodAutoscalerSpec struct {
ScaleTargetRef CrossVersionObjectReference // 监控的指标资源
MinReplicas *int32
MaxReplicas int32
Metrics []MetricSpec // 新退出的自定义指标}
type MetricSpec struct {
Type MetricSourceType // 指标源的类型：Object（基于某个对象）、Pods（基于 pod 数）、Resource（基于资源应用计算，比方 v1 版本中 cpu）、External（基于内部的指标）。对应 MetricsClient 接口的四个办法
Object *ObjectMetricSource // 对应 Object 类型的指标源
Pods *PodsMetricSource // 对应 Pod 类型的指标源
Resource *ResourceMetricSource // 对应 Resource 类型的指标源
External *ExternalMetricSource // 对应 External 类型的指标源
}
type ObjectMetricSource struct {
DescribedObject CrossVersionObjectReference // 指标对象
Target MetricTarget // 指定指标的目标值、平均值或者均匀使用率
Metric MetricIdentifier // 指标标识：名字、label 选择器
}
type PodsMetricSource struct {
Metric MetricIdentifier
Target MetricTarget
}
type ResourceMetricSource struct {
Name v1.ResourceName
Target MetricTarget
}
type ExternalMetricSource struct {
Metric MetricIdentifier
Target MetricTarget
}
type MetricTarget struct {
Type MetricTargetType // 类型：Utilization、Value、AverageValue
Value *resource.Quantity
AverageValue *resource.Quantity
AverageUtilization *int32
}控制器 HorizontalController
HorizontalController被通过 key horizontalpodautoscaling 退出到 controller manager 中。用来管制 HorizontalPodAutoscaler 实例。
///cmd/kube-controller-manager/app/controllermanager.go
func NewControllerInitializers(loopMode ControllerLoopMode) map[string]InitFunc {
...
controllers["horizontalpodautoscaling"] = startHPAController
...
}
获取负载指标
既然 Pod 正本数量的计算是基于 Pod 的负载状况，那边须要路径获取负载数据，这个路径就是MetricsClient。
MetricsClient有两种实现：REST 形式和传统（Legacy）形式，别离是 restMetricsClient 和HeapsterMetricsClient。一个是 REST 实现以反对自定义的指标；一个是传统的 Heapster 指标（heapster 曾经从 1.13 版本开始被废除了）。
//cmd/kube-controller-manager/app/autoscaling.go
func startHPAController(ctx ControllerContext) (http.Handler, bool, error) {if !ctx.AvailableResources[schema.GroupVersionResource{Group: "autoscaling", Version: "v1", Resource: "horizontalpodautoscalers"}] {return nil, false, nil}
if ctx.ComponentConfig.HPAController.HorizontalPodAutoscalerUseRESTClients {
// use the new-style clients if support for custom metrics is enabled
return startHPAControllerWithRESTClient(ctx)
}
return startHPAControllerWithLegacyClient(ctx)
}控制器逻辑HorizontalController#Run()
//pkg/controller/podautoscaler/horizontal.go
func (a *HorizontalController) Run(stopCh <-chan struct{}) {defer utilruntime.HandleCrash()
defer a.queue.ShutDown()
klog.Infof("Starting HPA controller")
defer klog.Infof("Shutting down HPA controller")
// 期待 informer 实现 HorizontalPodAutoscaler 相干事件的同步
if !cache.WaitForNamedCacheSync("HPA", stopCh, a.hpaListerSynced, a.podListerSynced) {return}
// start a single worker (we may wish to start more in the future)
// 执行 worker 逻辑，直到收到退出指令
go wait.Until(a.worker, time.Second, stopCh)
<-stopCh
}worker的外围是从工作队列中获取一个 key（格局为：namespace/name），而后对 key 进行 reconcile（这个词是 Kubernetes 的外围，翻译为“和谐”、“和解”。集体更喜爱“调整”，即 将实例的状态调整为冀望的状态。此处，对于 hpa 的实例的每个事件，都会依照特定的逻辑调整指标实例的 Pod 的正本数量。）。
//pkg/controller/podautoscaler/horizontal.go
func (a *HorizontalController) worker() {for a.processNextWorkItem() { }
klog.Infof("horizontal pod autoscaler controller worker shutting down")
}
func (a *HorizontalController) processNextWorkItem() bool {key, quit := a.queue.Get()
if quit {return false}
defer a.queue.Done(key)
deleted, err := a.reconcileKey(key.(string))
if err != nil {utilruntime.HandleError(err)
}
if !deleted {a.queue.AddRateLimited(key)
}
return true
}对 key 进行 reconcile 的调用栈：HorizontalController#reconcileKey -> HorizontalController#reconcileAutoscaler -> HorizontalController#computeReplicasForMetrics -> ScaleInterface#Update
简略来说就是先从 Informer 中拿到 key 对应的 HorizontalPodAutoscaler 资源实例；而后通过 HorizontalPodAutoscaler 实例中的信息，查看指标资源的 Pod 负载以及以后的正本数，失去冀望的 Pod 正本数；最终通过 Scale API 来调整 Pod 的正本数。最初会将调整的起因、计算的后果等信息写入 HorizontalPodAutoscaler 实例的 condition 中。
计算冀望的正本数
对每个指标进行计算，都会失去倡议的正本数，而后最大的那个就是最终的冀望正本数。
//pkg/controller/podautoscaler/horizontal.go
func (a *HorizontalController) computeReplicasForMetrics(hpa *autoscalingv2.HorizontalPodAutoscaler, scale *autoscalingv1.Scale,
metricSpecs []autoscalingv2.MetricSpec) (replicas int32, metric string, statuses []autoscalingv2.MetricStatus, timestamp time.Time, err error) {
......
for i, metricSpec := range metricSpecs {replicaCountProposal, metricNameProposal, timestampProposal, condition, err := a.computeReplicasForMetric(hpa, metricSpec, specReplicas, statusReplicas, selector, &statuses[i])
if err != nil {
if invalidMetricsCount <= 0 {
invalidMetricCondition = condition
invalidMetricError = err
}
invalidMetricsCount++
}
if err == nil && (replicas == 0 || replicaCountProposal > replicas) {
timestamp = timestampProposal
replicas = replicaCountProposal
metric = metricNameProposal
}
}
......
}#computeStatusForObjectMetric（留神这个办法名少了个 “s”）应用 MetricsClient 失去指定指标的值。
这个流程的细节还能够持续深挖，但到此已够咱们了解 HPA 的实现形式了。
文章对立公布在公众号
云原生指北