DockerInfo自动扩容算法
算法描述
autoscaler（自动扩容器）的实现方式是一个循环，它通过定期通过Status.PodSelector来查询Pods的状态，获得他们的CPU使用率。然后，它通过现有Pods的CPU使用率的算数平均值跟目标使用率进行比较，并且在扩容的时候，还要遵循预先设定的副本数限制：MinReplicas <= Replicas <= MaxReplicas（MinReplicas是用户预先设置的最小副本数，MaxReplicas是用户预先设置的最大副本数）
定期轮询的时间通过–horizontal-pod-autoscaler-sync-period选项来设置，默认的时间为30秒。
CPU利用率是指最近的Pod使用量（最近一分钟的平均值，从heapster中获得）除以设定的每个Pod的CPU使用率限额，在kubernetes1.1版本中，CPU的使用率直接从Heapster中获得，将来，我们将从Master提供的API中获得。
计算扩容后Pod的个数计算公式：
TargetNumOfPods = ceil(sum(CurrentPodsCPUUtilization) / Target)ceil()为取整操作，表示取大于或等于某数的最近一个整数；
sum为算术求和操作；
CurrentPodsCPUUtilization为最近一分钟内某个Pod的CPU使用率/量的平均值；
Target为CPU使用上限。
算法说明
整个自动扩容的流程是：
1、创建HPA资源，设定目标CPU使用率限额，以及最大、最小实例数
2、收集一组中（PodSelector）每个Pod最近一分钟内的CUP使用率，并计算平均值
3、读取HPA中设定的CPU使用限额
4、计算：平均值之和/限额，求出目标调整的实例个数
5、目标调整的实例数不能超过1中设定的最大、最小实例数，如果没有超过，则扩容；超过，则扩容至最大的实例个数
5、默认情况每隔30秒做一次自动扩容判断
举例说明：
假设我们一组Pod中有三个实例，CPU限额为50%，当前的CPU使用率/量分别为：60%， 80%， 80%时，要扩容成多少实例呢？
（60%+80%+80%）/50% =4.4，4.4取整后为4，即应该扩容到4个实例。
附加说明
启动、停止Pod可能会引入噪声度量（例如，启动过程会暂时增加cpu的使用），所以，在每次起/停操作后，自动扩容器会等待一段时间（冷却时间），以获得更可靠的数据。扩容每次要冷却3分钟之后才能再次扩容，缩容要冷却5分钟。在实际的生产环境，缩容是的需求不是紧迫的，所以扩容要比缩容敏感，缩容还涉及资源可抢占的问题，我们将在以后的文章中讨论。
只有avg(CurrentPodsConsumption) / Target小于90%或者d大于110%时才会触发扩容或缩容，避免频繁扩容、缩容造成颠簸。
为什么选择相对度量（比率）
为了简便，我们选用了相对度量（90%的CPU资源）而不是0.6个CPU core来描述扩容、缩容条件。如果我们选择使用绝对度量，用户需要保证目标（限额）要比请求使用的低，否则，过载的Pod未必能够消耗那么多，从而自动扩容永远不会被触发：假设我们设置CPU为1个核，那么这个pod只能使用1个核，可能Pod在过载的情况下也不能完全利用这个核，所以扩容不会发生。在我们修改申请资源的时候，还有同时调整扩容的条件，比如将1个core变为1.2core，那么扩容条件应该同步改为1.2core，真是太麻烦了，与我们的自动扩容的目标相悖。
推荐阅读：
Kubernetes 1.2 新功能介绍：Ingress 原理及实例
Kubernetes 1.2 新功能介绍：Deployment
Kubernetes 1.2 新功能介绍：Limit Range和Resource Quota
评论前必须登录！
注册