Udostępnij za pośrednictwem

Korzystanie z narzędzia Autoscaler pionowych zasobników w usłudze Azure Kubernetes Service (AKS)

  • Artykuł

W tym artykule pokazano, jak używać narzędzia Vertical Pod Autoscaler (VPA) w klastrze usługi Azure Kubernetes Service (AKS). VpA automatycznie dostosowuje żądania procesora CPU i pamięci dla zasobników w celu dopasowania ich do wzorców użycia obciążeń. Ta funkcja pomaga zoptymalizować wydajność aplikacji i zmniejszyć koszty uruchamiania obciążeń w usłudze AKS.

Aby uzyskać więcej informacji, zobacz Pionowy narzędzie do automatycznego skalowania zasobników — omówienie.

Zanim rozpoczniesz

  • Jeśli masz istniejący klaster usługi AKS, upewnij się, że jest uruchomiony program Kubernetes w wersji 1.24 lub nowszej.

  • Musisz zainstalować i skonfigurować interfejs wiersza polecenia platformy Azure w wersji 2.52.0 lub nowszej. Uruchom polecenie az --version, aby dowiedzieć się, jaka wersja jest używana. Jeśli konieczna będzie instalacja lub uaktualnienie, zobacz Instalowanie interfejsu wiersza polecenia platformy Azure.

  • Jeśli włączysz usługę VPA w istniejącym klastrze, upewnij się, że kubectl zainstalowano i skonfigurowano połączenie z klastrem az aks get-credentials usługi AKS przy użyciu polecenia .

    az aks get-credentials --name <cluster-name> --resource-group <resource-group-name>

Wdrażanie narzędzia do automatycznego skalowania zasobników pionowych w nowym klastrze

  • Utwórz nowy klaster usługi AKS z włączoną usługą VPA przy użyciu az aks create polecenia z flagą --enable-vpa .

    az aks create --name <cluster-name> --resource-group <resource-group-name> --enable-vpa --generate-ssh-keys

    Po kilku minutach polecenie zostanie wykonane i zwróci informacje o klastrze w formacie JSON.

Aktualizowanie istniejącego klastra w celu korzystania z narzędzia do automatycznego skalowania zasobników pionowych

  • Zaktualizuj istniejący klaster, aby używał vpA przy użyciu az aks update polecenia z flagą --enable-vpa .

    az aks update --name <cluster-name> --resource-group <resource-group-name> --enable-vpa

    Po kilku minutach polecenie zostanie wykonane i zwróci informacje o klastrze w formacie JSON.

Wyłączanie narzędzia Autoscaler pionowych zasobników w istniejącym klastrze

  • Wyłącz vpA w istniejącym klastrze przy użyciu az aks update polecenia z flagą --disable-vpa .

    az aks update --name <cluster-name> --resource-group <resource-group-name> --disable-vpa

    Po kilku minutach polecenie zostanie wykonane i zwróci informacje o klastrze w formacie JSON.

Testowanie instalacji autoskalatora zasobnika pionowego

W poniższym przykładzie utworzymy wdrożenie z dwoma zasobnikami, z których każdy uruchamia pojedynczy kontener, który żąda 100 milicore i próbuje użyć nieco powyżej 500 milicores. Tworzymy również konfigurację VPA wskazującą wdrożenie. VpA obserwuje zachowanie zasobników, a po około pięciu minutach aktualizuje zasobniki, aby zażądać 500 milicores.

  1. Utwórz plik o nazwie hamster.yaml i skopiuj w następującym manifeście przykładu narzędzia Vertical Pod Autoscaler z repozytorium Kubernetes/autoscaler w usłudze GitHub:

    apiVersion: "autoscaling.k8s.io/v1"
kind: VerticalPodAutoscaler
metadata:
  name: hamster-vpa
spec:
  targetRef:
    apiVersion: "apps/v1"
    kind: Deployment
    name: hamster
  resourcePolicy:
    containerPolicies:
      - containerName: '*'
        minAllowed:
          cpu: 100m
          memory: 50Mi
        maxAllowed:
          cpu: 1
          memory: 500Mi
        controlledResources: ["cpu", "memory"]
---
apiVersion: apps/v1
kind: Deployment
metadata:
  name: hamster
spec:
  selector:
    matchLabels:
      app: hamster
  replicas: 2
  template:
    metadata:
      labels:
        app: hamster
    spec:
      securityContext:
        runAsNonRoot: true
        runAsUser: 65534
      containers:
        - name: hamster
          image: registry.k8s.io/ubuntu-slim:0.1
          resources:
            requests:
              cpu: 100m
              memory: 50Mi
          command: ["/bin/sh"]
          args:
            - "-c"
            - "while true; do timeout 0.5s yes >/dev/null; sleep 0.5s; done"

  2. hamster.yaml Wdróż przykład narzędzia Vertical Pod Autoscaler przy użyciu kubectl apply polecenia .

    kubectl apply -f hamster.yaml

    Po kilku minutach polecenie zostanie wykonane i zwróci informacje o klastrze w formacie JSON.

  3. Wyświetl uruchomione zasobniki przy użyciu kubectl get polecenia .

    kubectl get pods -l app=hamster

    Dane wyjściowe powinny wyglądać podobnie do następujących przykładowych danych wyjściowych:

    hamster-78f9dcdd4c-hf7gk   1/1     Running   0          24s
hamster-78f9dcdd4c-j9mc7   1/1     Running   0          24s

  4. Wyświetl rezerwacje procesora CPU i pamięci na jednym z zasobników przy użyciu kubectl describe polecenia . Upewnij się, że zastąpisz <example-pod> element jednym z identyfikatorów zasobników zwróconych w danych wyjściowych z poprzedniego kroku.

    kubectl describe pod hamster-<example-pod>

    Dane wyjściowe powinny wyglądać podobnie do następujących przykładowych danych wyjściowych:

     hamster:
    Container ID:  containerd://
    Image:         k8s.gcr.io/ubuntu-slim:0.1
    Image ID:      sha256:
    Port:          <none>
    Host Port:     <none>
    Command:
      /bin/sh
    Args:
      -c
      while true; do timeout 0.5s yes >/dev/null; sleep 0.5s; done
    State:          Running
      Started:      Wed, 28 Sep 2022 15:06:14 -0400
    Ready:          True
    Restart Count:  0
    Requests:
      cpu:        100m
      memory:     50Mi
    Environment:  <none>

    Zasobnik ma 100 milicpu i 50 mibibajtów pamięci zarezerwowanej w tym przykładzie. W przypadku tej przykładowej aplikacji zasobnik potrzebuje mniej niż 100 milicpu do uruchomienia, więc nie ma dostępnej pojemności procesora CPU. Zasobniki również rezerwuje mniej pamięci niż jest to potrzebne. Wdrożenie modułu vpa-recommender vertical pod Autoscaler analizuje zasobniki obsługujące aplikację chomika, aby sprawdzić, czy wymagania dotyczące procesora CPU i pamięci są odpowiednie. Jeśli potrzebne są korekty, vpa-updater ponownie uruchomi zasobniki ze zaktualizowanymi wartościami.

  5. Monitoruj zasobniki przy użyciu kubectl get polecenia .

    kubectl get --watch pods -l app=hamster

  6. Po uruchomieniu nowego zasobnika chomika można wyświetlić zaktualizowane rezerwacje procesora CPU i pamięci przy użyciu kubectl describe polecenia . Upewnij się, że zastąpisz <example-pod> element jednym z identyfikatorów zasobników zwróconych w danych wyjściowych z poprzedniego kroku.

    kubectl describe pod hamster-<example-pod>

    Dane wyjściowe powinny wyglądać podobnie do następujących przykładowych danych wyjściowych:

    State:          Running
  Started:      Wed, 28 Sep 2022 15:09:51 -0400
Ready:          True
Restart Count:  0
Requests:
  cpu:        587m
  memory:     262144k
Environment:  <none>

    W poprzednich danych wyjściowych widać, że rezerwacja procesora CPU wzrosła do 587 milicpu, czyli ponad pięć razy więcej niż oryginalna wartość. Pamięć wzrosła do 262 144 kilobajtów, czyli około 250 mibibajtów lub pięć razy więcej niż oryginalna wartość. Ten zasobnik był niedostatecznie zasób, a narzędzie Vertical Pod Autoscaler poprawiło oszacowanie o znacznie bardziej odpowiednią wartość.

  7. Wyświetl zaktualizowane zalecenia z vpA przy użyciu polecenia , kubectl describe aby opisać informacje o zasobie hamster-vpa.

    kubectl describe vpa/hamster-vpa

    Dane wyjściowe powinny wyglądać podobnie do następujących przykładowych danych wyjściowych:

     State:          Running
  Started:      Wed, 28 Sep 2022 15:09:51 -0400
Ready:          True
Restart Count:  0
Requests:
  cpu:        587m
  memory:     262144k
Environment:  <none>

Ustawianie żądań automatycznego skalowania zasobnika pionowego

Obiekt VerticalPodAutoscaler automatycznie ustawia żądania zasobów na zasobnikach za pomocą elementu AutoupdateMode . Możesz ustawić inną wartość w zależności od wymagań i testowania. W tym przykładzie utworzymy i przetestujemy manifest wdrożenia z dwoma zasobnikami, z których każdy uruchamia kontener, który żąda 100 miliCPU i 50 MiB pamięci, a następnie ustawia updateMode wartość na Recreate.

  1. Utwórz plik o nazwie azure-autodeploy.yaml i skopiuj go w następującym manifeście:

    apiVersion: apps/v1
kind: Deployment
metadata:
  name: vpa-auto-deployment
spec:
  replicas: 2
  selector:
    matchLabels:
      app: vpa-auto-deployment
  template:
    metadata:
      labels:
        app: vpa-auto-deployment
    spec:
      containers:
      - name: mycontainer
        image: mcr.microsoft.com/oss/nginx/nginx:1.15.5-alpine
        resources:
          requests:
            cpu: 100m
            memory: 50Mi
        command: ["/bin/sh"]
        args: ["-c", "while true; do timeout 0.5s yes >/dev/null; sleep 0.5s; done"]

  2. Utwórz zasobnik przy użyciu kubectl create polecenia .

    kubectl create -f azure-autodeploy.yaml

    Po kilku minutach polecenie zostanie wykonane i zwróci informacje o klastrze w formacie JSON.

  3. Wyświetl uruchomione zasobniki przy użyciu kubectl get polecenia .

    kubectl get pods

    Dane wyjściowe powinny wyglądać podobnie do następujących przykładowych danych wyjściowych:

    NAME                                   READY   STATUS    RESTARTS   AGE
vpa-auto-deployment-54465fb978-kchc5   1/1     Running   0          52s
vpa-auto-deployment-54465fb978-nhtmj   1/1     Running   0          52s

  4. Utwórz plik o nazwie azure-vpa-auto.yaml i skopiuj go w następującym manifeście:

    apiVersion: autoscaling.k8s.io/v1
kind: VerticalPodAutoscaler
metadata:
  name: vpa-auto
spec:
  targetRef:
    apiVersion: "apps/v1"
    kind:       Deployment
    name:       vpa-auto-deployment
  updatePolicy:
    updateMode: "Recreate"

    Wartość targetRef.name określa, że każdy zasobnik kontrolowany przez wdrożenie o nazwie vpa-auto-deployment należy do VerticalPodAutoscaler. Wartość updateMode Recreate oznacza, że pionowy kontroler autoskalowania zasobnika może usunąć zasobnik, dostosować żądania procesora CPU i pamięci, a następnie utworzyć nowy zasobnik.

  5. Zastosuj manifest do klastra przy użyciu kubectl apply polecenia .

    kubectl create -f azure-vpa-auto.yaml

  6. Zaczekaj kilka minut, a następnie wyświetl uruchomione zasobniki przy użyciu kubectl get polecenia .

    kubectl get pods

    Dane wyjściowe powinny wyglądać podobnie do następujących przykładowych danych wyjściowych:

    NAME                                   READY   STATUS    RESTARTS   AGE
vpa-auto-deployment-54465fb978-qbhc4   1/1     Running   0          2m49s
vpa-auto-deployment-54465fb978-vbj68   1/1     Running   0          109s

  7. Uzyskaj szczegółowe informacje o jednym z uruchomionych zasobników przy użyciu kubectl get polecenia . Pamiętaj, aby zastąpić <pod-name> ciąg nazwą jednego z zasobników z poprzednich danych wyjściowych.

    kubectl get pod <pod-name> --output yaml

    Dane wyjściowe powinny wyglądać podobnie do następujących przykładowych danych wyjściowych, które pokazują, że kontroler VPA zwiększył żądanie pamięci do 262144k, a żądanie procesora CPU do 25 miliCPU:

    apiVersion: v1
kind: Pod
metadata:
  annotations:
    vpaObservedContainers: mycontainer
    vpaUpdates: 'Pod resources updated by vpa-auto: container 0: cpu request, memory
      request'
  creationTimestamp: "2022-09-29T16:44:37Z"
  generateName: vpa-auto-deployment-54465fb978-
  labels:
    app: vpa-auto-deployment

spec:
  containers:
  - args:
    - -c
    - while true; do timeout 0.5s yes >/dev/null; sleep 0.5s; done
    command:
    - /bin/sh
    image: mcr.microsoft.com/oss/nginx/nginx:1.15.5-alpine
    imagePullPolicy: IfNotPresent
    name: mycontainer
    resources:
      requests:
        cpu: 25m
        memory: 262144k

  8. Uzyskaj szczegółowe informacje na temat narzędzia Autoscaler pionowych zasobników i jego zaleceń dotyczących procesora CPU i pamięci przy użyciu kubectl get polecenia .

    kubectl get vpa vpa-auto --output yaml

    Dane wyjściowe powinny wyglądać podobnie do następujących przykładowych danych wyjściowych:

     recommendation:
  containerRecommendations:
  - containerName: mycontainer
    lowerBound:
      cpu: 25m
      memory: 262144k
    target:
      cpu: 25m
      memory: 262144k
    uncappedTarget:
      cpu: 25m
      memory: 262144k
    upperBound:
      cpu: 230m
      memory: 262144k

    W tym przykładzie wyniki w atrybucie target określają, że nie musi zmieniać procesora CPU ani miejsca docelowego pamięci dla kontenera, aby działał optymalnie. Jednak wyniki mogą się różnić w zależności od aplikacji i jej wykorzystania zasobów.

    Narzędzie Autoscaler pionowych zasobników używa lowerBound atrybutów i upperBound , aby zdecydować, czy usunąć zasobnik i zamienić go na nowy zasobnik. Jeśli zasobnik ma żądania mniejsze niż dolna granica lub większa niż górna granica, narzędzie Vertical Pod Autoscaler usuwa zasobnik i zastępuje go zasobnikem spełniającym atrybut docelowy.

Dodatkowy moduł polecający do automatycznego skalowania pionowych zasobników

Moduł rekomendacji zawiera zalecenia dotyczące użycia zasobów na podstawie użycia zasobów w czasie rzeczywistym. Usługa AKS wdraża moduł rekomendacji, gdy klaster włącza vpa. Możesz wdrożyć dostosowany moduł rekomendacji lub dodatkowy moduł rekomendacji z tym samym obrazem co domyślny. Zaletą dostosowanego modułu rekomendacji jest możliwość dostosowania logiki rekomendacji. Dzięki dodatkowemu rekomendatorowi można podzielić na partycje vpAs, aby używać różnych rekomendacji.

W poniższym przykładzie utworzymy dodatkowy moduł polecający, zastosujemy do istniejącego żądła usługi AKS i skonfigurujemy obiekt VPA tak, aby używał dodatkowego modułu zalecającego.

  1. Utwórz plik o nazwie extra_recommender.yaml i skopiuj go w następującym manifeście:

    apiVersion: apps/v1 
kind: Deployment 
metadata: 
  name: extra-recommender 
  namespace: kube-system 
spec: 
  replicas: 1 
  selector: 
    matchLabels: 
      app: extra-recommender 
  template: 
    metadata: 
      labels: 
        app: extra-recommender 
    spec: 
      serviceAccountName: vpa-recommender 
      securityContext: 
        runAsNonRoot: true 
        runAsUser: 65534
      containers: 
      - name: recommender 
        image: registry.k8s.io/autoscaling/vpa-recommender:0.13.0 
        imagePullPolicy: Always 
        args: 
          - --recommender-name=extra-recommender 
        resources: 
          limits: 
            cpu: 200m 
            memory: 1000Mi 
          requests: 
            cpu: 50m 
            memory: 500Mi 
        ports: 
        - name: prometheus 
          containerPort: 8942

  2. extra-recomender.yaml Wdróż przykład narzędzia Vertical Pod Autoscaler przy użyciu kubectl apply polecenia .

    kubectl apply -f extra-recommender.yaml

    Po kilku minutach polecenie zostanie wykonane i zwróci informacje o klastrze w formacie JSON.

  3. Utwórz plik o nazwie hamster-extra-recommender.yaml i skopiuj go w następującym manifeście:

    apiVersion: "autoscaling.k8s.io/v1" 
kind: VerticalPodAutoscaler 
metadata: 
  name: hamster-vpa 
spec: 
  recommenders:  
    - name: 'extra-recommender' 
  targetRef: 
    apiVersion: "apps/v1" 
    kind: Deployment 
    name: hamster 
  updatePolicy: 
    updateMode: "Auto" 
  resourcePolicy: 
    containerPolicies: 
      - containerName: '*' 
        minAllowed: 
          cpu: 100m 
          memory: 50Mi 
        maxAllowed: 
          cpu: 1 
          memory: 500Mi 
        controlledResources: ["cpu", "memory"] 
--- 
apiVersion: apps/v1 
kind: Deployment 
metadata: 
  name: hamster 
spec: 
  selector: 
    matchLabels: 
      app: hamster 
  replicas: 2 
  template: 
    metadata: 
      labels: 
        app: hamster 
    spec: 
      securityContext: 
        runAsNonRoot: true 
        runAsUser: 65534 # nobody 
      containers: 
        - name: hamster 
          image: k8s.gcr.io/ubuntu-slim:0.1 
          resources: 
            requests: 
              cpu: 100m 
              memory: 50Mi 
          command: ["/bin/sh"] 
          args: 
            - "-c" 
            - "while true; do timeout 0.5s yes >/dev/null; sleep 0.5s; done"

    Jeśli memory parametr nie jest określony w controlledResourceselemecie , moduł rekomendacji nie odpowiada na zdarzenia OOM. W tym przykładzie ustawiamy tylko procesor CPU w elemecie controlledValues. controlledValues Umożliwia wybranie, czy żądania zasobów kontenera mają być aktualizowane przy użyciuRequestsOnly opcji , czy też zarówno żądań zasobów, jak i limitów przy użyciu RequestsAndLimits opcji . Domyślna wartość to RequestsAndLimits. Jeśli używasz RequestsAndLimits tej opcji, żądania są obliczane na podstawie rzeczywistego użycia, a limity są obliczane na podstawie współczynnika żądań i limitów bieżącego zasobnika.

    Jeśli na przykład zaczniesz od zasobnika, który żąda 2 procesorów CPU i limitów do 4 procesorów CPU, vpA zawsze ustawia limit na dwa razy więcej niż żądania. Ta sama zasada dotyczy pamięci. W przypadku korzystania z RequestsAndLimits trybu może on służyć jako strategia dla początkowych żądań i limitów zasobów aplikacji.

    Obiekt VPA można uprościć przy użyciu Auto trybu i zaleceń obliczeniowych dotyczących procesora CPU i pamięci.

  4. hamster-extra-recomender.yaml Wdróż przykład przy użyciu kubectl apply polecenia .

    kubectl apply -f hamster-extra-recommender.yaml

  5. Monitoruj zasobniki przy użyciu [kubectl getpolecenia ]kubectl-get .

    kubectl get --watch pods -l app=hamster

  6. Po uruchomieniu nowego zasobnika chomika wyświetl zaktualizowane rezerwacje procesora CPU i pamięci przy użyciu kubectl describe polecenia . Upewnij się, że zastąpisz <example-pod> element jednym z identyfikatorów zasobników.

    kubectl describe pod hamster-<example-pod>

    Dane wyjściowe powinny wyglądać podobnie do następujących przykładowych danych wyjściowych:

    State:          Running
  Started:      Wed, 28 Sep 2022 15:09:51 -0400
Ready:          True
Restart Count:  0
Requests:
  cpu:        587m
  memory:     262144k
Environment:  <none>

  7. Wyświetl zaktualizowane zalecenia z poziomu kubectl describe vpA przy użyciu polecenia .

    kubectl describe vpa/hamster-vpa

    Dane wyjściowe powinny wyglądać podobnie do następujących przykładowych danych wyjściowych:

    State:          Running
 Started:      Wed, 28 Sep 2022 15:09:51 -0400
Ready:          True
Restart Count:  0
Requests:
  cpu:        587m
  memory:     262144k
Environment:  <none>
Spec:
  recommenders:
    Name: customized-recommender

Rozwiązywanie problemów z autoskalatorem pionowych zasobników

Jeśli wystąpią problemy z pionowym narzędziem do automatycznego skalowania zasobników, możesz rozwiązać problemy ze składnikami systemowymi i niestandardową definicją zasobów, aby zidentyfikować problem.

  1. Sprawdź, czy wszystkie składniki systemowe są uruchomione przy użyciu następującego polecenia:

    kubectl --namespace=kube-system get pods|grep vpa

    Dane wyjściowe powinny zawierać trzy zasobniki: rekomendator, aktualizator i kontroler przyjęć, wszystkie ze stanem Running.

  2. Dla każdego zasobnika zwróconego w poprzednich danych wyjściowych sprawdź, czy składniki systemowe rejestrują wszelkie błędy przy użyciu następującego polecenia:

    kubectl --namespace=kube-system logs [pod name] | grep -e '^E[0-9]\{4\}'

  3. Sprawdź, czy niestandardowa definicja zasobu została utworzona przy użyciu następującego polecenia:

    kubectl get customresourcedefinition | grep verticalpodautoscalers

Następne kroki

Aby dowiedzieć się więcej na temat obiektu VPA, zobacz dokumentację interfejsu API pionowego narzędzia do automatycznego skalowania zasobników.