使用ASM指標實現工作負載的自動Auto Scaling - Alibaba Cloud Service Mesh

Service MeshASM為ACK叢集內的服務通訊提供了一種非侵入式的產生遙測資料的能力。這種遙測功能提供了服務行為的可觀測性，可以協助營運人員對應用程式進行故障排除、維護和最佳化，而不會帶來任何額外負擔。根據監控的四個黃金指標維度（延遲、流量、錯誤和飽和度），Service MeshASM為管理的服務產生一系列指標。本文介紹如何使用ASM指標實現工作負載的自動Auto Scaling。

前提條件

已建立ACK叢集。更多資訊，請參見建立ACK託管叢集。
已建立ASM執行個體。更多資訊，請參見建立ASM執行個體。
已在ACK叢集中建立Prometheus執行個體和Grafana樣本。更多資訊，請參見開源Prometheus監控。
已整合Prometheus實現網格監控。更多資訊，請參見整合自建Prometheus實現網格監控。

背景資訊

Service MeshASM為管理的服務產生一系列指標。更多資訊，請參見Istio標準指標。

自動調整是一種根據資源使用方式進行自動擴縮工作負載的方法。Kubernetes中的自動調整具有以下兩個維度：

叢集自動調整器CA（Cluster Autoscaler）：用於處理節點伸縮操作，可以增加或減少節點。
水平自動調整器HPA（Horizontal Pod Autoscaler）：用於自動調整應用部署中的Pod，可以調節Pod的數量。

Kubernetes提供的彙總層允許第三方應用程式將自身註冊為API Addon組件來擴充Kubernetes API。這樣的Addon組件可以實現Custom Metrics API，並允許HPA訪問任意指標。HPA會定期通過Resource Metrics API查詢核心指標（例如CPU或記憶體）以及通過Custom Metrics API擷取特定於應用程式的指標，包括ASM提供的可觀測性指標。 Auto Scaling

步驟一：開啟採集Prometheus監控指標

具體操作，請參見將監控指標採集到可觀測監控Prometheus版。

步驟二：部署自訂指標API Adapter

執行以下命令，下載Adapter安裝包，然後在ACK叢集中安裝部署自訂指標API Adapter。
關於Adapter安裝包的更多資訊，請參見kube-metrics-adapter。
```
## 如果使用Helm v3。
helm -n kube-system install asm-custom-metrics ./kube-metrics-adapter  --set prometheus.url=http://prometheus.istio-system.svc:9090
```

安裝完成後，通過以下方式確認kube-metrics-adapter已啟用。

執行以下命令，確認autoscaling/v2beta已存在。
```
kubectl api-versions |grep "autoscaling/v2beta"
```
預期輸出：
```
autoscaling/v2beta
```

執行以下命令，確認kube-metrics-adapter Pod狀態。

kubectl get po -n kube-system |grep metrics-adapter

預期輸出：

asm-custom-metrics-kube-metrics-adapter-85c6d5d865-2****          1/1     Running   0          19s

執行以下命令，列出Prometheus適配器提供的自訂外部指標。

kubectl get --raw "/apis/external.metrics.k8s.io/v1beta1" | jq .

預期輸出：

{
  "kind": "APIResourceList",
  "apiVersion": "v1",
  "groupVersion": "external.metrics.k8s.io/v1beta1",
  "resources": []
}

步驟三：部署樣本應用

建立test命名空間。具體操作，請參見管理命名空間與配額。
啟用Sidecar自動注入。具體操作，請參見安裝Sidecar代理。

部署樣本應用。

使用以下內容，建立podinfo.yaml檔案。

apiVersion: apps/v1
kind: Deployment
metadata:
  name: podinfo
  namespace: test
  labels:
    app: podinfo
spec:
  minReadySeconds: 5
  strategy:
    rollingUpdate:
      maxUnavailable: 0
    type: RollingUpdate
  selector:
    matchLabels:
      app: podinfo
  template:
    metadata:
      annotations:
        prometheus.io/scrape: "true"
      labels:
        app: podinfo
    spec:
      containers:
      - name: podinfod
        image: stefanprodan/podinfo:latest
        imagePullPolicy: IfNotPresent
        ports:
        - containerPort: 9898
          name: http
          protocol: TCP
        command:
        - ./podinfo
        - --port=9898
        - --level=info
        livenessProbe:
          exec:
            command:
            - podcli
            - check
            - http
            - localhost:9898/healthz
          initialDelaySeconds: 5
          timeoutSeconds: 5
        readinessProbe:
          exec:
            command:
            - podcli
            - check
            - http
            - localhost:9898/readyz
          initialDelaySeconds: 5
          timeoutSeconds: 5
        resources:
          limits:
            cpu: 2000m
            memory: 512Mi
          requests:
            cpu: 100m
            memory: 64Mi
---
apiVersion: v1
kind: Service
metadata:
  name: podinfo
  namespace: test
  labels:
    app: podinfo
spec:
  type: ClusterIP
  ports:
    - name: http
      port: 9898
      targetPort: 9898
      protocol: TCP
  selector:
    app: podinfo

執行以下命令，部署podinfo。
```
kubectl apply -n test -f podinfo.yaml
```

為了觸發自動Auto Scaling，需要在命名空間test中部署負載測試服務，用於觸發請求。

使用以下內容，建立loadtester.yaml檔案。

apiVersion: apps/v1
kind: Deployment
metadata:
  name: loadtester
  namespace: test
  labels:
    app: loadtester
spec:
  selector:
    matchLabels:
      app: loadtester
  template:
    metadata:
      labels:
        app: loadtester
      annotations:
        prometheus.io/scrape: "true"
    spec:
      containers:
        - name: loadtester
          image: weaveworks/flagger-loadtester:0.18.0
          imagePullPolicy: IfNotPresent
          ports:
            - name: http
              containerPort: 8080
          command:
            - ./loadtester
            - -port=8080
            - -log-level=info
            - -timeout=1h
          livenessProbe:
            exec:
              command:
                - wget
                - --quiet
                - --tries=1
                - --timeout=4
                - --spider
                - http://localhost:8080/healthz
            timeoutSeconds: 5
          readinessProbe:
            exec:
              command:
                - wget
                - --quiet
                - --tries=1
                - --timeout=4
                - --spider
                - http://localhost:8080/healthz
            timeoutSeconds: 5
          resources:
            limits:
              memory: "512Mi"
              cpu: "1000m"
            requests:
              memory: "32Mi"
              cpu: "10m"
          securityContext:
            readOnlyRootFilesystem: true
            runAsUser: 10001
---
apiVersion: v1
kind: Service
metadata:
  name: loadtester
  namespace: test
  labels:
    app: loadtester
spec:
  type: ClusterIP
  selector:
    app: loadtester
  ports:
    - name: http
      port: 80
      protocol: TCP
      targetPort: http

執行以下命令，部署負載測試服務。
```
kubectl apply -n test -f loadtester.yaml
```

驗證部署樣本應用和負載測試服務是否成功。

執行以下命令，確認Pod狀態。

kubectl get pod -n test

預期輸出：

NAME                          READY   STATUS    RESTARTS   AGE
loadtester-64df4846b9-nxhvv   2/2     Running   0          2m8s
podinfo-6d845cc8fc-26xbq      2/2     Running   0          11m

執行以下命令，進入負載測試器容器，並使用hey命令產生負載。

export loadtester=$(kubectl -n test get pod -l "app=loadtester" -o jsonpath='{.items[0].metadata.name}')
kubectl -n test exec -it ${loadtester} -c loadtester -- hey -z 5s -c 10 -q 2 http://podinfo.test:9898

返回結果，產生負載成功，說明樣本應用和負載測試服務部署成功。

步驟四：使用ASM指標配置HPA

定義一個HPA，該HPA將根據每秒接收的請求數來擴縮Podinfo的工作負載數量。當平均請求流量負載超過10 req/sec時，將指示HPA擴大部署。

使用以下內容，建立hpa.yaml。

apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
  name: podinfo
  namespace: test
  annotations:
    metric-config.external.prometheus-query.prometheus/processed-requests-per-second: |
      sum(
          rate(
              istio_requests_total{
                destination_workload="podinfo",
                destination_workload_namespace="test",
                reporter="destination"
              }[1m]
          )
      ) 
spec:
  maxReplicas: 10
  minReplicas: 1
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: podinfo
  metrics:
    - type: External
      external:
        metric:
          name: prometheus-query
          selector:
            matchLabels:
              query-name: processed-requests-per-second
        target:
          type: AverageValue
          averageValue: "10"

執行以下命令，部署HPA。
```
kubectl apply -f hpa.yaml
```

執行以下命令，驗證HPA是否部署成功。

列出Prometheus適配器提供的自訂外部指標。

kubectl get --raw "/apis/external.metrics.k8s.io/v1beta1" | jq .

預期輸出：

{
  "kind": "APIResourceList",
  "apiVersion": "v1",
  "groupVersion": "external.metrics.k8s.io/v1beta1",
  "resources": [
    {
      "name": "prometheus-query",
      "singularName": "",
      "namespaced": true,
      "kind": "ExternalMetricValueList",
      "verbs": [
        "get"
      ]
    }
  ]
}

返回結果中包含自訂的ASM指標的資源清單，說明HPA部署成功。

驗證自動Auto Scaling

執行以下命令，進入測試器容器，並使用hey命令產生工作負載請求。

kubectl -n test exec -it ${loadtester} -c loadtester -- sh
~ $ hey -z 5m -c 10 -q 5 http://podinfo.test:9898

執行以下命令，查看自動調整狀況。
說明
預設情況下，指標每30秒執行一次同步，並且只有在最近3分鐘~5分鐘內容器沒有重新縮放時，才可以進行放大或縮小。這樣，HPA可以防止衝突決策的快速執行，並為叢集自動擴充程式預留時間。
```
watch kubectl -n test get hpa/podinfo
```
預期輸出：
```
NAME      REFERENCE            TARGETS          MINPODS   MAXPODS   REPLICAS   AGE
podinfo   Deployment/podinfo   8308m/10 (avg)   1         10        6          124m
```
一分鐘後，HPA將開始擴大工作負載，直到請求/秒降至目標值以下。負載測試完成後，每秒的請求數將降為零，並且HPA將開始縮減工作負載Pod數量，幾分鐘後上述命令返回結果中的REPLICAS副本數將恢複為一個。