你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

在 Azure Kubernetes 服务中使用垂直 Pod 自动缩放程序 (AKS)

项目
08/02/2024

本文介绍如何在 Azure Kubernetes 服务 (AKS) 群集上使用垂直 Pod 自动缩放程序 (VPA)。 VPA 会自动调整 Pod 的 CPU 和内存请求，以匹配工作负载的使用模式。此功能有助于优化应用程序的性能，并降低在 AKS 中运行工作负载的成本。

有关详细信息，请参阅垂直 Pod 自动缩放程序概述。

开始之前

如果有现有的 AKS 群集，请确保它正在运行 Kubernetes 版本 1.24 或更高版本。
需要安装和配置 Azure CLI 2.52.0 或更高版本。运行 az --version 即可查找版本。如果需要进行安装或升级，请参阅安装 Azure CLI。
如果在现有群集上启用 VPA，请确保已安装 kubectl 并配置为使用 az aks get-credentials 命令连接到 AKS 群集。
```
az aks get-credentials --name <cluster-name> --resource-group <resource-group-name>
```

在新群集上部署垂直 Pod 自动缩放程序

使用带有 --enable-vpa 标志的 az aks create 命令创建启用 VPA 的新 AKS 群集。
```
az aks create --name <cluster-name> --resource-group <resource-group-name> --enable-vpa --generate-ssh-keys
```
片刻之后，该命令将会完成，并返回有关群集的 JSON 格式信息。

更新现有群集以使用垂直 Pod 自动缩放程序

使用带有 --enable-vpa 标志的 az aks update 命令更新现有群集，以使用 VPA。
```
az aks update --name <cluster-name> --resource-group <resource-group-name> --enable-vpa 
```
片刻之后，该命令将会完成，并返回有关群集的 JSON 格式信息。

在现有群集上禁用垂直 Pod 自动缩放程序

使用带有 --disable-vpa 标志的 az aks update 命令在现有群集上禁用 VPA。
```
az aks update --name <cluster-name> --resource-group <resource-group-name> --disable-vpa
```
片刻之后，该命令将会完成，并返回有关群集的 JSON 格式信息。

测试垂直 Pod 自动缩放程序安装

以下示例将创建包含两个 Pod 的部署，其中每个 Pod 运行单个容器，该容器请求 100 个毫核，并尝试利用数量略高于 500 的毫核。我们还会创建一个指向部署的 VPA 配置。 VPA 将观察 Pod 的行为，大约五分钟后，更新 Pod 以请求 500 的毫核。

创建名为 hamster.yaml 的文件，并将 kubernetes/autoscaler GitHub 存储库中垂直 Pod 自动缩放程序示例的以下清单复制到该文件中：

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"

使用 kubectl apply 命令部署 hamster.yaml 垂直 Pod 自动缩放程序示例。
```
kubectl apply -f hamster.yaml
```
片刻之后，该命令将会完成，并返回有关群集的 JSON 格式信息。

使用 kubectl get 命令查看正在运行的 Pod。

kubectl get pods -l app=hamster

输出应类似于以下示例输出：

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

使用 kubectl describe 命令查看其中一个 Pod 上的 CPU 和内存预留。请确保将 <example-pod> 替换为上一步骤的输出中返回的 Pod ID 之一。
```
kubectl describe pod hamster-<example-pod>
```
输出应类似于以下示例输出：
```
 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>
```
在此示例中，Pod 预留了 100 millicpu（毫核 CPU）和 50 MiB 内存。对于此示例应用程序，Pod 需要低于 100 millicpu 才能运行，因此没有可用的 CPU 容量。 Pod 预留的内存也比需求量少得多。垂直 Pod 自动缩放程序 vpa-recommender 部署将分析托管 hamster 应用程序的 Pod，以确定 CPU 和内存要求是否适当。如果需要调整，vpa-updater 将使用更新的值重新启动 Pod。

使用 kubectl get 命令监视 Pod。

kubectl get --watch pods -l app=hamster

当新的仓鼠 Pod 启动时，可以使用 kubectl describe 命令查看更新的 CPU 和内存预留。请确保将 <example-pod> 替换为上一步骤的输出中返回的 Pod ID 之一。
```
kubectl describe pod hamster-<example-pod>
```
输出应类似于以下示例输出：
```
State:          Running
  Started:      Wed, 28 Sep 2022 15:09:51 -0400
Ready:          True
Restart Count:  0
Requests:
  cpu:        587m
  memory:     262144k
Environment:  <none>
```
在上面的输出中，可以看到 CPU 预留量已增加到 587 millicpu，这是原始值的五倍多。内存已增加到 262,144 KB（大约 250 MiB），即原始值的五倍。此 Pod 资源不足，而垂直 Pod 自动缩放程序使用一个更合适的值更正了估算值。

使用 kubectl describe 命令查看 VPA 提供的已更新建议，来描述 hamster-vpa 资源信息。

kubectl describe vpa/hamster-vpa

输出应类似于以下示例输出：

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

设置垂直 Pod 自动缩放程序请求

VerticalPodAutoscaler 对象会自动在具有 Auto updateMode 的 Pod 上设置资源请求。可以根据要求和测试设置不同的值。在此示例中，我们将创建并测试包含两个 Pod 的部署清单，每个 Pod 运行请求 100 milliCPU 和 50 MiB 内存的容器，并将 updateMode 设置为 Recreate。

创建名为 azure-autodeploy.yaml 的文件，并将以下清单复制到其中：

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"]

使用 kubectl create 命令创建 Pod。
```
kubectl create -f azure-autodeploy.yaml
```
片刻之后，该命令将会完成，并返回有关群集的 JSON 格式信息。

使用 kubectl get 命令查看正在运行的 Pod。

kubectl get pods

输出应类似于以下示例输出：

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

创建名为 azure-vpa-auto.yaml 的文件，并将以下清单复制到其中：
```
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"
```
targetRef.name 值指定由名为 vpa-auto-deployment 的部署所控制的任何 Pod 都属于此 VerticalPodAutoscaler。 Recreate 的 updateMode 值表示垂直 Pod 自动缩放程序控制器可以删除 Pod，调整 CPU 和内存请求，然后启动新 Pod。
使用 kubectl apply 命令将清单应用于群集。
```
kubectl create -f azure-vpa-auto.yaml
```

等待几分钟，然后使用 kubectl get 命令查看正在运行的 Pod。

kubectl get pods

输出应类似于以下示例输出：

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

使用 kubectl get 命令获取有关正在运行的 Pod 的详细信息。请确保将 <pod-name> 替换为上一输出中其中一个 Pod 的名称。

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

输出应类似于以下示例输出，其中显示 VPA 控制器将内存请求增加到 262144k，CPU 请求增加到 25 milliCPU：

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

使用 kubectl get 命令获取有关垂直 Pod 自动缩放程序及其 CPU 和内存建议的详细信息。
```
kubectl get vpa vpa-auto --output yaml
```
输出应类似于以下示例输出：
```
 recommendation:
  containerRecommendations:
  - containerName: mycontainer
    lowerBound:
      cpu: 25m
      memory: 262144k
    target:
      cpu: 25m
      memory: 262144k
    uncappedTarget:
      cpu: 25m
      memory: 262144k
    upperBound:
      cpu: 230m
      memory: 262144k
```
在此示例中，target 属性的结果指定它不需要更改容器的 CPU 或内存目标才能以最佳方式运行。但是，结果可能会因应用程序及其资源利用率而异。

垂直 Pod 自动缩放程序使用 lowerBound 和 upperBound 属性来确定是否要删除 Pod 并将其替换为新 Pod。如果 Pod 中的请求低于下限或高于上限，垂直 Pod 自动缩放程序会删除该 Pod，并将它替换为符合目标属性的 Pod。

垂直 Pod 自动缩放程序的额外推荐器

推荐器根据实时资源消耗提供资源使用情况建议。群集启用 VPA 时，AKS 会部署推荐器。可以使用与默认映像相同的映像部署自定义推荐器或额外推荐器。使用自定义推荐器的好处是可以自定义建议逻辑。使用额外的推荐器，可以将 VPA 分区为使用不同的推荐器。

在以下示例中，我们将创建一个额外的推荐器，应用于现有的 AKS 群集，并将 VPA 对象配置为使用额外的推荐器。

创建名为 extra_recommender.yaml 的文件，并将以下清单复制到其中：

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

使用 kubectl apply 命令部署 extra-recomender.yaml 垂直 Pod 自动缩放程序示例。
```
kubectl apply -f extra-recommender.yaml 
```
片刻之后，该命令将会完成，并返回有关群集的 JSON 格式信息。

创建名为 hamster-extra-recommender.yaml 的文件，并将以下清单复制到其中：

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"

如果 memory 未在 controlledResources 中指定，则推荐器不会响应 OOM 事件。在此示例中，我们只在 controlledValues 中设置 CPU。 controlledValues 允许选择是使用 RequestsOnly 选项更新容器的资源请求，还是使用 RequestsAndLimits 选项同时更新资源请求和限制。默认值为 RequestsAndLimits。如果使用 RequestsAndLimits 选项，则会根据实际使用情况计算请求，并根据当前 Pod 的请求和限制比率计算限制。

例如，如果从请求 2 个 CPU 且限制为 4 个 CPU 的 Pod 开始，则 VPA 始终将限制设置为请求数的两倍。同一原则也适用于内存。使用 RequestsAndLimits 模式时，它可以用作初始应用程序资源请求和限制的蓝图。

可以使用 CPU 和内存的 Auto 模式和计算建议来简化 VPA 对象。

使用 kubectl apply 命令部署 hamster-extra-recomender.yaml 示例。
```
kubectl apply -f hamster-extra-recommender.yaml
```
使用 [kubectl get]kubectl get 命令监视 Pod。
```
kubectl get --watch pods -l app=hamster
```

当新的仓鼠 Pod 启动时，可以使用 kubectl describe 命令查看更新的 CPU 和内存预留。确保将 <example-pod> 替换为其中一个 Pod ID。

kubectl describe pod hamster-<example-pod>

输出应类似于以下示例输出：

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

使用 kubectl describe 命令查看 VPA 中的更新建议。

kubectl describe vpa/hamster-vpa

输出应类似于以下示例输出：

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

对垂直 Pod 自动缩放程序进行故障排除

如果遇到垂直 Pod 自动缩放程序的问题，则可以对系统组件和自定义资源定义进行故障排除，以确定问题。

使用以下命令验证是否所有系统组件都在运行：
```
kubectl --namespace=kube-system get pods|grep vpa
```
输出应列出三个 Pod：推荐器、更新器和允许控制器，状态都显示为 Running。
对于在上一个输出中返回的每个 Pod，请使用以下命令验证系统组件是否记录任何错误：
```
kubectl --namespace=kube-system logs [pod name] | grep -e '^E[0-9]\{4\}'
```

使用以下命令验证已创建自定义资源定义：

kubectl get customresourcedefinition | grep verticalpodautoscalers

后续步骤

若要详细了解 VPA 对象，请参阅垂直 Pod 自动缩放程序 API 参考。

通过

在 Azure Kubernetes 服务中使用垂直 Pod 自动缩放程序 (AKS)

开始之前

在新群集上部署垂直 Pod 自动缩放程序

更新现有群集以使用垂直 Pod 自动缩放程序

在现有群集上禁用垂直 Pod 自动缩放程序

测试垂直 Pod 自动缩放程序安装

设置垂直 Pod 自动缩放程序请求

垂直 Pod 自动缩放程序的额外推荐器

对垂直 Pod 自动缩放程序进行故障排除

后续步骤

其他资源