上面簡單說了一下 pod 的基本知識點，待到后面會使用到 pod 的一些高階知識點的時候，還可以再細(xì)細(xì)琢磨底層原理

我們接著繼續(xù)學(xué)習(xí) Lable ， RC，HPA 的相關(guān)知識點

Label 是什么？

label 就是標(biāo)簽，例如之前我們手寫的 yaml 文件中，每一個鍵值對都是 label，如 key =value

label 一般是在定義資源的時候就確定了，當(dāng)然我們也可以在對象創(chuàng)建之后進(jìn)行動態(tài)的添加，編輯，和刪除

我們寫的 label 可以附加到 Node，Service，Pod，RC 中，每一類資源都可以定義任意數(shù)量的 label， 同一個 label 也是可以被添加到任意數(shù)量的資源對象上的

這一點確實是很靈活了有么有

label 為什么要附加到各種資源對象上呢？

因為 label 和 label selector 都是不能單獨定義的，他們必須要依附在某一類資源對象上，這是為了能夠去管理這些資源，使用 label selector 對他們分組

例如寫一個 openresty ，寫一個 RC 使用 openresty ，Service 調(diào)用 openresty 的 label selector

apiVersion:?v1
kind:?ReplicationController?
metadata:?
??name:?openresty
spec:
??replicas:?2
??selector:
????app:?openresty
??tmplate:
????metadata:
??????labels:
????????app:?openresty
??????spec:
????????containers:
????????-?name:?openresty
????????ports:
????????-?containerPort:?80
----------------------------
apiVersion:?v1
kind:?Service?
metadata:?
??name:?openresty
spec:
??type:?NodePort
??ports:
??-?port:?80
????nodePort:?30125
??selector:
????app:?openresty


RC 是什么？

RC 是什么，前面解釋到，就是 ReplicationController 副本控制器

當(dāng)我們定義一個 RC ，提交給 K8S 的時候，這是一個期望值，Master 節(jié)點上的 Controller Manager 組件得到通知后，就會去定期檢查 pod ，會確保 pod 的數(shù)量和我們預(yù)期的數(shù)量一致

如果當(dāng)前檢測到的數(shù)量和我們的預(yù)期數(shù)量不一致，那么控制器就會對 pod 做增加和刪除的操作，這就可以實現(xiàn) pod 動態(tài)擴(kuò)縮功能

之前我們也有提到，我們可以使用如下指令來設(shè)置我們期望的副本數(shù)

kubectl?scale?rc?服務(wù)名?--replicas=具體的數(shù)字


RC ?和 Replica Sets 有何區(qū)別？

他倆在本質(zhì)上沒有什么區(qū)別，只是 Replica Sets ?支持的更多

RCReplica Sets支持基于等式的 label selector支持基于集合的 label selectorK8S 1.2 之后出現(xiàn)的，Replica Sets ?主要是被 Deployment 這樣的資源對象所使用

為了提高我們應(yīng)用的容災(zāi)能力，哪怕程序只有 ?1 個 pod 副本，也要通過 RC 的方式去管理，因為 RC 可以管理 pod 的創(chuàng)建，刪除，更新等編排機(jī)制，不用 pod 自己瞎操心

HPA 是什么？

HPA 就是 Horizontal Pod Autoscal ，pod 的橫向擴(kuò)容，他也是 K8S 的一種資源對象

HPA 的簡單原理

HAP 通過追蹤和分析 RC 的 pod 的負(fù)載變化情況，酌情調(diào)整目標(biāo) pod 的副本數(shù)

K8S 提供 2 種方式來對 pod 擴(kuò)容和縮容

• 第一種是我們使用命令的方式對 RC，Deployment 進(jìn)行擴(kuò)容和縮容

kubectl?scale?rc/deployment?服務(wù)名?--replicas?數(shù)量


• 第二種是使用 HPA 的方式，自動擴(kuò)容和縮容

自動的模式就需要用戶根據(jù)指定的一個性能指標(biāo)，還要預(yù)先指定一個副本的數(shù)量范圍，系統(tǒng)就會自動的在我們設(shè)定的范圍內(nèi)根據(jù)性能指標(biāo)進(jìn)行調(diào)整

HPA 小案例

• 寫一個 自己 nginx deployment

apiVersion:?extension/v1beta1
kind:?Deployment
metadata:
??name:?my?nginx?deployment
spec:
??replicas:?2
??template:
????metadata:
??????name:?my?deployment
??????labels:
????????app:?nginx
????spec:
??????containers:
??????-?name:?nginx
????????image:?nginx
????????resources:
??????????requrests:
????????????cpu:?50m
????????ports:
????????-?containerPort:?80


• 寫一個 service

寫一個 service ，命名為 mynginx-svc

apiVersion:?v1
kind:?Service
metadata:
??name:?mynginx-svc
spec:
??ports:
??-?port:?80
??selector:
????app:?nginx


• 寫一個 hpa

hpa 設(shè)置最小的副本數(shù) ?2， 最大的副本數(shù) 5個，CPU 在 70 % 以下 ，引用 ?my nginx deployment

apiVersion:?autoscaling/v1
kind:?HorizontalPodAutoscaler
metadata:
??name:?mynginx-hpa
spec:
??scaletargetRef:
????apiversion:?app/v1beta1
????kind:?deployment
????name:?my?nginx?deployment
??minReplicas:?2
??maxReplicas:?5
??targetCPUUtillizationPercentage:?70


今天就到這里，學(xué)習(xí)所得，若有偏差，還請斧正

歡迎點贊，關(guān)注，收藏

朋友們，你的支持和鼓勵，是我堅持分享，提高質(zhì)量的動力

好了，本次就到這里

技術(shù)是開放的，我們的心態(tài)，更應(yīng)是開放的。擁抱變化，向陽而生，努力向前行。

我是阿兵云原生，歡迎點贊關(guān)注收藏，下次見~