我在我们的k8s集群上创建了HPA，它应该在90%的内存利用率上自动扩展。但是，它在没有达到目标百分比的情况下向上扩展。我使用了以下配置：
apiVersion: autoscaling/v2beta1
kind: HorizontalPodAutoscaler
metadata:
namespace: {{ .Values.namespace }}
name: {{ include "helm-generic.fullname" . }}
labels:
{{- include "helm-generic.labels" . | nindent 4 }}
spec:
scaleTargetRef:
apiVersion: apps/v1
kind: Deployment
name: {{ include "helm-generic.fullname" . }}
minReplicas: 1
maxReplicas: 2
metrics:
- type: Resource
resource:
name: memory
targetAverageUtilization: 90所以对于这个配置，它创建了2个pod，这是maxReplicas的数量。如果我为maxReplicas添加4，它将创建3个。
这是我从kubectl得到的描述hpa
$ kubectl describe hpa -n trunkline
Name: test-v1
Namespace: trunkline
Labels: app.kubernetes.io/instance=test-v1
app.kubernetes.io/managed-by=Helm
app.kubernetes.io/name=helm-generic
app.kubernetes.io/version=0.0.0
helm.sh/chart=helm-generic-0.1.3
Annotations: meta.helm.sh/release-name: test-v1
meta.helm.sh/release-namespace: trunkline
CreationTimestamp: Wed, 12 Oct 2022 17:36:54 +0300
Reference: Deployment/test-v1
Metrics: ( current / target )
**resource memory on pods (as a percentage of request): 59% (402806784) / 90%**
resource cpu on pods (as a percentage of request): 11% (60m) / 80%
Min replicas: 1
Max replicas: 2
Deployment pods: **2 current / 2**desired
Conditions:
Type Status Reason Message
---- ------ ------ -------
AbleToScale True ReadyForNewScale recommended size matches current size
ScalingActive True ValidMetricFound the HPA was able to successfully calculate a replica count from memory resource utilization (percentage of request)
ScalingLimited False DesiredWithinRange the desired count is within the acceptable range
Events: <none>如您所见，pod内存%为59，目标为90，我预计仅生产1个pod。
2条答案
按热度按时间2nc8po8w1#
这是按预期工作。
targetAverageUtilization是所有目标匹配Pod的 * 平均值 *。HPA的理念是：
***纵向扩展？*我们有2个单元， 平均 * 内存利用率仅为59%，低于90%，无需纵向扩展
***缩减？**由于59%是当前负载下2个单元的 * 平均值 *，因此如果只有一个单元承担所有负载，则利用率将提高到59%*2=118%，即超过90%，因此我们需要再次进行扩展，而不是进行缩减
kkbh8khc2#
水平盒自动定标器有一个非常具体的公式来计算目标副本计数：
在您显示的输出中，
currentMetricValue为59%，desiredMetricValue为90%。将其乘以currentReplicas的2，您将得到大约1.3个副本，四舍五入为2。此公式，尤其是
ceil()向上取整行为，会使HPA的缩减速度非常慢，尤其是在副本数量较少的情况下。更广泛地说，在Kubernetes可观测内存上的自动缩放可能不会以您期望的方式工作。（C、C++和Rust是最值得注意的例外），垃圾收集器通常倾向于分配一大块操作系统内存并重用它，而不是在负载降低时将其返回到操作系统。如果从Kubernetes的Angular 来看，您有一个达到90%内存的Pod，内存使用可能永远不会减少。您可能需要根据不同的度量标准进行自动缩放，或者附加一个外部度量标准系统（如Prometheus），以获得更详细的内存管理器统计信息，以便进行操作。