Kubernetes弹性伸缩全场景解读（五） - 定时伸缩组件发布与开源

前言
容器技术的发展让软件交付和运维变得更加标准化、轻量化、自动化。这使得动态调整负载的容量变成一件非常简单的事情。在kubernetes中，通常只需要修改对应的replicas数目即可完成。当负载的容量调整变得如此简单后，我们再回过头来看下应用的资源画像。对于大部分互联网的在线应用而言，负载的峰谷分布是存在一定规律的。例如下图是一个典型web应用的负载曲线。从每天早上8点开始，负载开始飙高，在中午12点到14点之间，负载会回落；14点到18点会迎来第二个高峰；在18点之后负载会逐渐回落到最低点。

资源的波峰和波谷之间相差3~4倍左右的容量，低负载的时间会维持8个小时左右。如果使用纯静态的容量规划方式进行应用管理与部署，我们可以计算得出资源浪费比为25% (计算方式:1 - (18+416)/424 = 0.25 )。而当波峰和波谷之间的差别到达10倍的时候，资源浪费比就会飙升至57%(计算方式:1 - (18+1016)/1024 = 0.57 )。

那么当我们面对这么多的资源浪费时，是否可以通过弹性的方式来解决呢？标准的HPA是基于指标阈值进行伸缩的，常见的指标主要是CPU、内存，当然也可以通过自定义指标例如QPS、连接数等进行伸缩。但是这里存在一个问题，因为基于资源的伸缩存在一定的时延，这个时延主要包含：采集时延(分钟级) + 判断时延(分钟级) + 伸缩时延(分钟级)。而对于上图中，我们可以发现负载的峰值毛刺还是非常尖锐的，这有可能会由于HPA分钟级别的伸缩时延造成负载数目无法及时变化，短时间内应用的整体负载飙高，响应时间变慢。特别是对于一些游戏业务而言，由于负载过高带来的业务抖动会造成玩家非常差的体验。

为了解决这个场景，阿里云容器服务提供了kube-cronhpa-controller，专门应对资源画像存在周期性的场景。开发者可以根据资源画像的周期性规律，定义time schedule，提前扩容好资源，而在波谷到来后定时回收资源。底层再结合cluster-autoscaler的节点伸缩能力，提供资源成本的节约。

使用方式
cronhpa是基于CRD的方式开发的controller，使用cronhpa的方式非常简单，整体的使用习惯也尽可能的和HPA保持一致。代码仓库地址

1. 安装CRD

kubectl apply -f config/crds/autoscaling_v1beta1_cronhorizontalpodautoscaler.yaml

1. 安装RBAC授权

create ClusterRole

kubectl apply -f config/rbac/rbac_role.yaml

create ClusterRolebinding and ServiceAccount

kubectl apply -f config/rbac/rbac_role_binding.yaml

1. 部署kubernetes-cronhpa-controller

kubectl apply -f config/deploy/deploy.yaml

1. 验证kubernetes-cronhpa-controller安装状态

kubectl get deploy kubernetes-cronhpa-controller -n kube-system -o wide

kubernetes-cronhpa-controller git:(master) kubectl get deploy kubernetes-cronhpa-controller -n kube-system
NAME DESIRED CURRENT UP-TO-DATE AVAILABLE AGE
kubernetes-cronhpa-controller 1 1 1 1 49s
运行一个cronhpa的demo
安装了kubernetes-cronhpa-controller后，我们可以通过一个简单的demo进行功能的验证。在部署前，我们先看下一个标准的cronhpa的定义。

apiVersion: autoscaling.alibabacloud.com/v1beta1
kind: CronHorizontalPodAutoscaler
metadata:
labels:

controller-tools.k8s.io: "1.0"

name: cronhpa-sample
namespace: default
spec:
scaleTargetRef:

  apiVersion: apps/v1beta2
  kind: Deployment
  name: nginx-deployment-basic

jobs:

• name: "scale-down"
  schedule: "30 /1 *"
  targetSize: 1
• name: "scale-up"
  schedule: "0 /1 *"
  targetSize: 3

其中scaleTargetRef字段负责描述伸缩的对象，jobs中定义了扩展的crontab定时任务。在这个例子中，设定的是每分钟的第0秒扩容到3个Pod，每分钟的第30s缩容到1个Pod。如果执行正常，我们可以在30s内看到负载数目的两次变化。

1. 部署demo应用与cronhpa的配置

kubectl apply -f examples/deployment_cronhpa.yaml

1. 检查demo应用副本数目

kubectl get deploy nginx-deployment-basic

kubernetes-cronhpa-controller git:(master) kubectl get deploy nginx-deployment-basic
NAME DESIRED CURRENT UP-TO-DATE AVAILABLE AGE
nginx-deployment-basic 2 2 2 2 9s

1. 查看cronhpa的状态 ，确认cronhpa的job已提交

kubectl describe cronhpa cronhpa-sample

Name: cronhpa-sample
Namespace: default
Labels: controller-tools.k8s.io=1.0
Annotations: kubectl.kubernetes.io/last-applied-configuration:

            {"apiVersion":"autoscaling.alibabacloud.com/v1beta1","kind":"CronHorizontalPodAutoscaler","metadata":{"annotations":{},"labels":{"controll...

API Version: autoscaling.alibabacloud.com/v1beta1
Kind: CronHorizontalPodAutoscaler
Metadata:
Creation Timestamp: 2019-04-14T10:42:38Z
Generation: 1
Resource Version: 4017247
Self Link: /apis/autoscaling.alibabacloud.com/v1beta1/namespaces/default/cronhorizontalpodautoscalers/cronhpa-sample
UID: 05e41c95-5ea2-11e9-8ce6-00163e12e274
Spec:
Jobs:

Name:         scale-down
Schedule:     30 */1 * * * *
Target Size:  1
Name:         scale-up
Schedule:     0 */1 * * * *
Target Size:  3

Scale Target Ref:

API Version:  apps/v1beta2
Kind:         Deployment
Name:         nginx-deployment-basic

Status:
Conditions:

Job Id:           38e79271-9a42-4131-9acd-1f5bfab38802
Last Probe Time:  2019-04-14T10:43:02Z
Message:
Name:             scale-down
Schedule:         30 */1 * * * *
State:            Submitted
Job Id:           a7db95b6-396a-4753-91d5-23c2e73819ac
Last Probe Time:  2019-04-14T10:43:02Z
Message:
Name:             scale-up
Schedule:         0 */1 * * * *
State:            Submitted

Events: <none>

1. 等待一段时间，查看cronhpa的运行状态。

kubernetes-cronhpa-controller git:(master) kubectl describe cronhpa cronhpa-sample
Name: cronhpa-sample
Namespace: default
Labels: controller-tools.k8s.io=1.0
Annotations: kubectl.kubernetes.io/last-applied-configuration:

            {"apiVersion":"autoscaling.alibabacloud.com/v1beta1","kind":"CronHorizontalPodAutoscaler","metadata":{"annotations":{},"labels":{"controll...

API Version: autoscaling.alibabacloud.com/v1beta1
Kind: CronHorizontalPodAutoscaler
Metadata:
Creation Timestamp: 2019-04-15T06:41:44Z
Generation: 1
Resource Version: 15673230
Self Link: /apis/autoscaling.alibabacloud.com/v1beta1/namespaces/default/cronhorizontalpodautoscalers/cronhpa-sample
UID: 88ea51e0-5f49-11e9-bd0b-00163e30eb10
Spec:
Jobs:

Name:         scale-down
Schedule:     30 */1 * * * *
Target Size:  1
Name:         scale-up
Schedule:     0 */1 * * * *
Target Size:  3

Scale Target Ref:

API Version:  apps/v1beta2
Kind:         Deployment
Name:         nginx-deployment-basic

Status:
Conditions:

Job Id:           84818af0-3293-43e8-8ba6-6fd3ad2c35a4
Last Probe Time:  2019-04-15T06:42:30Z
Message:          cron hpa job scale-down executed successfully
Name:             scale-down
Schedule:         30 */1 * * * *
State:            Succeed
Job Id:           f8579f11-b129-4e72-b35f-c0bdd32583b3
Last Probe Time:  2019-04-15T06:42:20Z
Message:
Name:             scale-up
Schedule:         0 */1 * * * *
State:            Submitted

Events:
Type Reason Age From Message
---- ------ ---- ---- -------
Normal Succeed 5s cron-horizontal-pod-autoscaler cron hpa job scale-down executed successfully
此时可以在event中发现负载的定时伸缩已经生效。

最后
kubernetes-cronhpa-controller可以很好的解决拥有周期性资源画像的负载弹性，结合底层的cluster-autoscaler可以降低大量的资源成本。目前kubernetes-cronhpa-controller已经正式开源，更详细的用法与文档请查阅代码仓库的文档，欢迎开发者提交issue与pr。