容器服务 Kubernetes 版支持AHPA（Advanced Horizontal Pod Autoscaler）弹性能力。AHPA可以根据历史数据进行学习和分析，提前预测未来的资源需求，并据此动态调整Pod副本数量，确保在业务高峰到来之前完成资源的扩容和预热操作，从而提高系统的响应速度和稳定性。同时，当预测到业务低谷时，也会适时缩容以节省资源成本。
前提条件
已创建ACK托管版集群或ACK Serverless集群。具体操作，请参见创建Kubernetes托管版集群或创建集群。
已开启Prometheus监控，且Prometheus监控中至少已收集7天应用历史数据（CPU、Memory等）。关于开启Prometheus监控的具体操作，请参见阿里云Prometheus监控。
步骤一：安装AHPA Controller
登录容器服务管理控制台，在左侧导航栏选择集群。
在集群列表页面，单击目标集群名称，然后在左侧导航栏，选择。
在组件管理页面，单击其他页签或在页面右上方搜索AHPA Controller，然后在AHPA Controller托管卡片单击安装。
在安装组件对话框，单击确定。
步骤二：配置Prometheus数据源
- 登录ARMS控制台。
在左侧导航栏选择，进入可观测监控 Prometheus 版的实例列表页面。
在实例列表页面顶部，选择Prometheus实例所在的地域，单击目标实例名称（与ACK集群同名，实例类型为Prometheus for 容器服务），在左侧导航栏单击设置。在HTTP API地址（Grafana 读取地址）区域记录如下配置项的值。
（可选）如果开启了Token，则需要设置访问Token。请记录Token的值。
查看并记录内网地址（Prometheus URL）。
在K8s集群中设置prometheus查询地址。
使用以下内容，创建application-intelligence.yaml。
prometheusUrl表示ARMS prometheus访问地址，token表示访问Token，分别配置为上一步获取的内网地址和Token。apiVersion: v1 kind: ConfigMap metadata: name: application-intelligence namespace: kube-system data: prometheusUrl: "http://cn-hangzhou-intranet.arms.aliyuncs.com:9443/api/v1/prometheus/da9d7dece901db4c9fc7f5b9c40****/158120454317****/cc6df477a982145d986e3f79c985a****/cn-hangzhou" token: "eyJhxxxxx"执行如下命令，部署application-intelligence。
kubectl apply -f application-intelligence.yaml
步骤三：部署测试服务
测试服务包括fib-deployment、fib-svc以及用于模拟请求峰谷服务fib-loader，同时部署一个HPA资源用于与AHPA进行结果对比。
使用以下内容，创建demo.yaml。
apiVersion: apps/v1
kind: Deployment
metadata:
name: fib-deployment
namespace: default
annotations:
k8s.aliyun.com/eci-use-specs: "1-2Gi"
spec:
replicas: 1
selector:
matchLabels:
app: fib-deployment
strategy:
rollingUpdate:
maxSurge: 25%
maxUnavailable: 25%
type: RollingUpdate
template:
metadata:
creationTimestamp: null
labels:
app: fib-deployment
spec:
containers:
- image: registry.cn-huhehaote.aliyuncs.com/kubeway/knative-sample-fib-server:20200820-171837
imagePullPolicy: IfNotPresent
name: user-container
ports:
- containerPort: 8080
name: user-port
protocol: TCP
resources:
limits:
cpu: "1"
memory: 2000Mi
requests:
cpu: "1"
memory: 2000Mi
---
apiVersion: v1
kind: Service
metadata:
name: fib-svc
namespace: default
spec:
ports:
- name: http
port: 80
protocol: TCP
targetPort: 8080
selector:
app: fib-deployment
sessionAffinity: None
type: ClusterIP
---
apiVersion: apps/v1
kind: Deployment
metadata:
name: fib-loader
namespace: default
spec:
progressDeadlineSeconds: 600
replicas: 1
revisionHistoryLimit: 10
selector:
matchLabels:
app: fib-loader
strategy:
rollingUpdate:
maxSurge: 25%
maxUnavailable: 25%
type: RollingUpdate
template:
metadata:
creationTimestamp: null
labels:
app: fib-loader
spec:
containers:
- args:
- -c
- |
/ko-app/fib-loader --service-url="http://fib-svc.${NAMESPACE}?size=35&interval=0" --save-path=/tmp/fib-loader-chart.html
command:
- sh
env:
- name: NAMESPACE
valueFrom:
fieldRef:
apiVersion: v1
fieldPath: metadata.namespace
image: registry.cn-huhehaote.aliyuncs.com/kubeway/knative-sample-fib-loader:20201126-110434
imagePullPolicy: IfNotPresent
name: loader
ports:
- containerPort: 8090
name: chart
protocol: TCP
resources:
limits:
cpu: "8"
memory: 16000Mi
requests:
cpu: "2"
memory: 4000Mi
---
apiVersion: autoscaling/v1
kind: HorizontalPodAutoscaler
metadata:
name: fib-hpa
namespace: default
spec:
maxReplicas: 50
minReplicas: 1
scaleTargetRef:
apiVersion: apps/v1
kind: Deployment
name: fib-deployment
targetCPUUtilizationPercentage: 50
---步骤四：部署AHPA
您可以通过提交AdvancedHorizontalPodAutoscaler资源配置弹性策略，具体操作如下。
使用以下内容，创建ahpa-demo.yaml。
apiVersion: autoscaling.alibabacloud.com/v1beta1 kind: AdvancedHorizontalPodAutoscaler metadata: name: ahpa-demo spec: scaleStrategy: observer metrics: - type: Resource resource: name: cpu target: type: Utilization averageUtilization: 40 scaleTargetRef: apiVersion: apps/v1 kind: Deployment name: fib-deployment maxReplicas: 100 minReplicas: 2 stabilizationWindowSeconds: 300 prediction: quantile: 95 scaleUpForward: 180 instanceBounds: - startTime: "2021-12-16 00:00:00" endTime: "2031-12-16 00:00:00" bounds: - cron: "* 0-8 ? * MON-FRI" maxReplicas: 15 minReplicas: 4 - cron: "* 9-15 ? * MON-FRI" maxReplicas: 15 minReplicas: 10 - cron: "* 16-23 ? * MON-FRI" maxReplicas: 20 minReplicas: 15部分参数说明如下：
参数
是否必选
说明
scaleTargetRef
是
用于指定目标Deployment。
metrics
是
用于配置弹性Metrics，当前支持CPU、GPU、Memory、QPS、RT等指标。
是
目前阈值，例如
averageUtilization: 40表示CPU使用目标阈值为40%。scaleStrategy
否
用于设置弹性伸缩模式。默认值为observer。
auto：由AHPA负责扩缩容。
observer：只观察，但不进行真正的伸缩动作。您可以通过这种方式观察AHPA的工作是否符合预期。
scalingUpOnly：只扩容不缩容。
proactive：只生效主动预测。
reactive：只生效被动预测。
maxReplicas
是
最大扩容实例数。
minReplicas
是
最小缩容实例数。
stabilizationWindowSeconds
否
缩容冷却时间，默认300秒。
prediction. quantile
是
预测分位数，业务指标实际值低于设定目标值的概率越大表示越保守。取值范围为0~1，支持两位小数，默认值为0.99。推荐取值范围为0.90~0.99。
prediction. scaleUpForward
是
Pod达到Ready状态所需要的时间（冷启动时间）。
instanceBounds
否
扩缩容时间段实例数边界。
startTime：表示开始时间。
endTime：表示结束时间。
instanceBounds. bounds. cron
否
用于配置定时任务，Cron表达式表示一个时间集合，使用5个空格分隔的字段表示，例如
- cron: "* 0-8 ? * MON-FRI"表示每月星期一到星期五晚上12点到早上8点执行任务。Cron表达式的字段解释如下，更多信息，请参见Cron表达式。
字段名
是否必须
允许的值
允许的特定字符
分（Minutes）
是
0~59
* / , -
时（Hours）
是
0~23
* / , -
日（Day of Month）
是
1~31
* / , – ?
月（Month）
是
1~12或JAN~DEC
* / , -
星期（Day of Week）
否
0~6或SUN~SAT
* / , – ?
说明月（Month）和星期（Day of Week）字段的值不区分大小写，例如
SUN、Sun和sun效果一致。若星期（Day of Week）字段未配置，默认为
*。特定字符说明：
*：表示所有可能的值。/：表示指定数值的增量。,：表示列出枚举值。-：表示范围。?：表示不指定值。
执行以下命令，创建AHPA弹性策略。
kubectl apply -f fib-deployment.yaml
步骤五：查看预测结果
查看AHPA弹性预测效果，可以为AHPA开启Prometheus大盘。
由于预测需要历史7天的数据，上述示例部署完成之后，需要运行7天才可以看到预测结果。如果已有线上的应用可以直接在AHPA中指定该应用即可。
本文以弹性伸缩模式配置为observer模式（观察者模式）为例，与使用HPA策略（可作为应用运行实际所需的资源量进行参考）进行对比，观察AHPA预测结果是否符合预期。
CPU实际使用量与预测使用量：绿色表示HPA实际的CPU使用量，黄色表示AHPA预测出来的CPU使用量。
黄色曲线大于绿色，表明预测的CPU容量充足。
黄色曲线提前于绿色，表明提前准备好了所需资源。
Pod趋势：绿色表示使用HPA实际的扩缩容Pod数，黄色表示AHPA预测出来的扩缩容Pod数。
黄色曲线小于绿色，表明预测的Pod数量更少。
黄色曲线比绿色更为平滑，表明通过AHPA扩缩容波动更平缓，提升业务稳定性。
通过预测结果表明，弹性预测趋势符合预期。若经过观察后，符合预期，您可以将弹性伸缩模式设置为auto，由AHPA负责扩缩容。
相关文档
通过阿里云Prometheus监控观测GPU指标，实现基于GPU指标的AHPA弹性预测。详细信息，请参见基于GPU指标实现AHPA弹性预测。
阿里云Prometheus监控提供一键安装AHPA组件功能，并提供开箱即用的专属监控大盘。详细信息，请参见为AHPA开启Prometheus大盘。
- 本页导读 （1）