Visualizzare gli eventi di Horizontal Pod Autoscaler

Questa pagina fornisce informazioni sugli eventi di decisione emessi da Horizontal Pod Autoscaler in Google Kubernetes Engine (GKE). Analizzando questi eventi, puoi ottenere informazioni su come il controller Horizontal Pod Autoscaler gestisce la scalabilità del carico di lavoro e comprendere il processo decisionale alla base delle sue azioni.

Horizontal Pod Autoscaler emette eventi decisionali, che vengono archiviati come voci di log in Cloud Logging.

Prima di iniziare

Assicurati di completare i seguenti prerequisiti:

Seleziona o crea un progetto

Puoi utilizzare un progetto esistente o crearne uno nuovo per questo tutorial.

  1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

  2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

  3. Make sure that billing is enabled for your Google Cloud project.

  4. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

  5. Make sure that billing is enabled for your Google Cloud project.

Abilita le API

Enable the GKE, and Cloud Logging APIs.

Enable the APIs

Configura Cloud Shell

In questo tutorial utilizzerai Cloud Shell per eseguire i comandi gcloud e kubectl. Cloud Shell è un ambiente shell per la gestione delle risorse ospitate su Google Cloud. È preinstallato con lo strumento a riga di comando Google Cloud CLI e kubectl.

In the Google Cloud console, activate Cloud Shell.

Activate Cloud Shell

Una sessione di Cloud Shell si apre in un frame nella parte inferiore della console.

Prima di eseguire i comandi in questo tutorial, assicurati che il progetto predefinito sia impostato sull'ID progetto in cui vuoi eseguire il deployment dell'app di esempio. Se non è già impostato, esegui il seguente comando in Cloud Shell:

gcloud config set project PROJECT_ID

Sostituisci PROJECT_ID con il tuo ID progetto.

Ruoli e autorizzazioni richiesti

Per ottenere le autorizzazioni necessarie per attivare la generazione di log e per accedere ed elaborare i log, chiedi all'amministratore di concederti i seguenti ruoli IAM nel progetto:

Per saperne di più sulla concessione dei ruoli, consulta Gestire l'accesso a progetti, cartelle e organizzazioni.

Potresti anche riuscire a ottenere le autorizzazioni richieste tramite i ruoli personalizzati o altri ruoli predefiniti.

Requisiti

  • Nel cluster GKE deve essere installata la versione 1.31.5-gke.1090000 o successiva o 1.32.1-gke.1260000 o successiva.
  • Abilita Cloud Logging nel tuo cluster GKE. Si applicano i prezzi di Cloud Logging.

Abilita gli eventi decisionali di Horizontal Pod Autoscaler

Per creare un nuovo cluster con i log delle decisioni KCP_HPA abilitati, esegui il seguente comando:

gcloud container clusters create CLUSTER_NAME \
    --location=LOCATION \
    --project=PROJECT_ID \
    --logging=SYSTEM,KCP_HPA

Per attivare i log delle decisioni KCP_HPA su un cluster esistente, esegui il seguente comando:

gcloud container clusters update CLUSTER_NAME \
    --location=LOCATION \
    --project=PROJECT_ID \
    --logging=SYSTEM,KCP_HPA

Sostituisci quanto segue:

  • CLUSTER_NAME: il nome del cluster da creare o aggiornare.
  • PROJECT_ID: il tuo ID Google Cloud progetto.
  • LOCATION: regioni o zone di calcolo per il tuo cluster.

Questi comandi consentono di esportare i log generati da KCP_HPA e salvarli nella destinazione logName="projects/PROJECT_ID/logs/container.googleapis.com%2Fhpa-controller" all'interno di Cloud Logging.

Recupera la configurazione del logging aggiornata del cluster e controlla l'elenco dei log per assicurarti che il log KCP_HPA sia abilitato:

gcloud container clusters describe CLUSTER_NAME \
    --location=LOCATION \
    --flatten=loggingConfig \
    --format='csv[delimiter=",",no-heading](componentConfig.enableComponents)'

L'output è simile al seguente:

SYSTEM_COMPONENTS,APISERVER,CONTROLLER_MANAGER,SCHEDULER,KCP_HPA

Disattivare gli eventi decisionali di Horizontal Pod Autoscaler

Aggiorna un cluster per rimuovere il componente KCP_HPA dal flag --logging:

gcloud container clusters update CLUSTER_NAME \
    --location=LOCATION \
    --project=PROJECT_ID \
    --logging=SYSTEM

Sostituisci quanto segue:

  • CLUSTER_NAME: il nome del cluster da creare o aggiornare.
  • PROJECT_ID: il tuo ID Google Cloud progetto.
  • LOCATION: regioni o zone di calcolo per il tuo cluster.

Questo comando disattiva l'esportazione dei log generati da KCP_HPA. Non puoi recuperarli utilizzando il filtro logName="projects/PROJECT_ID/logs/container.googleapis.com%2Fhpa-controller" in Cloud Logging.

Recupera la configurazione del logging aggiornata del cluster e controlla l'elenco dei log per assicurarti che il log KCP_HPA sia disattivato:

gcloud container clusters describe CLUSTER_NAME \
    --location=LOCATION \
    --flatten=loggingConfig \
    --format='csv[delimiter=",",no-heading](componentConfig.enableComponents)'

L'output è simile al seguente:

SYSTEM_COMPONENTS,APISERVER,CONTROLLER_MANAGER,SCHEDULER

Tipi di log

Gli eventi decisionali per Horizontal Pod Autoscaler vengono archiviati in Cloud Logging, nella posizione logName="projects/PROJECT_ID/logs/container.googleapis.com%2Fhpa-controller" che si trova nel bucket _Default nello stesso progetto del tuo cluster GKE. Tutti gli eventi registrati sono nel formato JSON e sono disponibili nel campo jsonPayload di una voce del log.

Assicurati di comprendere le esigenze di archiviazione dei potenziali volumi di log, oltre a eventuali implicazioni in termini di prestazioni o costi. Gli esempi seguenti spiegano con quale frequenza Horizontal Pod Autoscaler genera ogni tipo di evento decisionale:

  • Consiglio atomico: Horizontal Pod Autoscaler genera un evento di consiglio atomico ogni 15 secondi per ogni metrica monitorata da ogni oggetto HPA nel cluster. Ad esempio, se nel tuo cluster sono presenti due oggetti HPA e ogni oggetto HPA monitora tre metriche, ogni 15 secondi verranno registrati sei consigli atomici.

  • Consiglio finale: Horizontal Pod Autoscaler genera un evento di consiglio finale ogni 15 secondi per ogni oggetto HPA nel cluster. Ad esempio, se nel cluster sono presenti due oggetti HPA, verranno registrati due consigli finali ogni 15 secondi.

In totale, con due oggetti HPA che monitorano ciascuno tre metriche, il log KCP_HPA riceverà otto voci di eventi di decisione ogni 15 secondi.

Suggerimento atomico

Un log dei consigli atomici descrive un consiglio basato su una singola metrica specificata in Horizontal Pod Autoscaler.

Un log atomico include i seguenti campi:

Campo Descrizione
start_time Indica quando HPA ha iniziato a calcolare un consiglio.
hpa Il nome dell'oggetto HPA associato al consiglio.
pod_count Indica il numero totale di pod associati all'HPA al momento del suggerimento. Questo numero include anche i pod pronti, non pronti e ignorati.
metric Fornisce informazioni sulla specifica e sullo stato della metrica utilizzata per il consiglio. Il campo metric contiene i seguenti sottocampi:
  • index: indice della metrica nell'array Spec metrics.
  • type: tipo di metrica con valori di MetricSourceType (ad es. Risorsa, Esterno).
  • spec: il nome della metrica e un target impostato su quella metrica.
  • status: condizioni di stato relative alla scalabilità e alle limitazioni di scalabilità.
  • newest_sample_time: timestamp del campione di metriche più recente.
  • newest_sample_age_seconds: età del campione più recente, misurata in secondi, dall'inizio del calcolo del consiglio. Un valore negativo indica che il campione di metriche precede l'inizio del calcolo.
summary Il campo di riepilogo contiene informazioni sul risultato del consiglio, incluso il numero di repliche suggerite. Se non è possibile proporre un consiglio, viene visualizzato un messaggio di errore. Il campo summary contiene i seguenti sottocampi:
  • dampening: l'HPA applica l'attenuazione al consiglio e alla relativa direzione per cercare di ridurre l'entità di una potenziale scala. L'attenuazione può verificarsi nei seguenti modi:
    • up: un'indicazione di attenuazione verso l'alto indica che l'HPA presuppone pod con metriche mancanti con un utilizzo del 100% della metrica.
    • down: un'indicazione di attenuazione verso il basso indica che l'HPA presuppone pod con metriche mancanti o pod non pronti che consumano lo 0% di utilizzo della metrica.
    • none: non viene applicato alcun smorzamento.
  • override: messaggio che fornisce un motivo quando il consiglio proposto dall'HPA non viene applicato (ad esempio a causa della tolleranza); oppure none se non viene eseguita alcuna sostituzione.
  • result: risultato del consiglio. Propone un numero consigliato di repliche o mostra un messaggio di errore se non è possibile calcolare il consiglio.

Esempio di log di consigli atomici:

{
  "insertId": "xiu4bty9k5b279wu",
  "jsonPayload": {
    "instance": {
      "vm_name": "my-unique-vm-identifier",
      "zone": "us-central1-a"
    },
    "atomicRecommendation": {
      "startTime": "2025-02-06T20:07:00.573419526Z",
      "hpa": "gke-managed-cim/kube-state-metrics",
      "metric": {
        "newestSampleAgeSeconds": -39.573419526,
        "status": {
          "averageValue": "25849856"
        },
        "newestSampleTime": "2025-02-06T20:06:21Z",
        "type": "Resource",
        "spec": {
          "target": {
            "averageValue": "400Mi"
          },
          "name": "memory"
        }
      },
      "podCount": {
        "ready": 1,
        "total": 1
      },
      "summary": {
        "override": "none",
        "replicas": 1,
        "dampening": "none"
      }
    }
  },
  "resource": {
    "type": "k8s_control_plane_component",
    "labels": {
      "project_id": "my-project-id",
      "cluster_name": "my-cluster",
      "location": "us-central1-a",
      "component_location": "us-central1-a",
      "component_name": "hpa-controller"
    }
  },
  "timestamp": "2025-02-06T20:07:00.593777835Z",
  "severity": "INFO",
  "labels": {
    "compute.googleapis.com/resource_name": "my-unique-vm-identifier"
  },
  "logName": "projects/my-project-id/logs/container.googleapis.com%2Fhpa-controller",
  "sourceLocation": {
    "file": "event_logger.go",
    "line": "61"
  },
  "receiveTimestamp": "2025-02-06T20:07:05.284753647Z"
}

Consiglio finale

Un log del consiglio finale descrive un consiglio consolidato proposto da Horizontal Pod Autoscaler. Horizontal Pod Autoscaler combina tutti i consigli atomici di metriche diverse per creare un consiglio finale e attiva i consigli finali. L'attuazione significa che l'HPA indica al deployment di regolare il numero di repliche in modo che corrisponda al valore consigliato. Se il consiglio finale suggerisce un numero di pod diverso rispetto al numero di pod in esecuzione, Horizontal Pod Autoscaler attiva un evento di ridimensionamento per regolare di conseguenza il deployment.

Un log del consiglio finale include i seguenti campi:

Campo Descrizione
start_time Indica quando HPA ha iniziato a calcolare un consiglio.
hpa Il nome dell'oggetto HPA associato al consiglio.
target_ref Indica l'oggetto ScaleTargetRef HPA associato a un consiglio.
configured_size L'ultimo numero di repliche registrato prima che HPA calcoli e applichi questo consiglio.
top_level_override Fornisce un motivo se il consiglio proposto dall'HPA non viene applicato (ad esempio a causa della tolleranza) oppure none se non viene eseguita alcuna sostituzione.
top_level_limit Fornisce un motivo se il consiglio proposto da HPA deve essere modificato (ad esempio a causa del numero di repliche definite dai campi MinReplicas o MaxReplicas nella specifica HPA).
leading_metric_index L'indice della metrica principale nell'array Spec metrics è la metrica il cui consiglio atomico associato viene utilizzato come consiglio finale.
normalization Fornisce un riepilogo della stabilizzazione e delle limitazioni, se presenti, come segue:

stabilization: descrive lo stato della stabilizzazione, se applicata. La stabilizzazione viene utilizzata per limitare il flapping del conteggio delle repliche quando le metriche utilizzate per la scalabilità continuano a fluttuare. Il campo stabilization è costituito dai seguenti campi secondari:

  • replicas: numero di replica dopo la stabilizzazione.
  • reason: tipo di stabilizzazione applicata: scaleUp o scaleDown.
  • stabilization_window: periodo di tempo di stabilizzazione associato, in secondi.
  • replicas_before_stabilization: numero di repliche consigliato prima della stabilizzazione.

limitation: descrive come vengono gestite le limitazioni di scalabilità, se applicate. Questo comportamento modifica i consigli proposti dall'HPA in base alle limitazioni in vigore. Il campo limitation è costituito dai seguenti campi secondari:

  • replicas: numero di repliche dopo la limitazione.
  • reason: motivo per cui non è possibile eseguire il ridimensionamento oltre il numero minimo o massimo di repliche.
  • scaling_policy: il criterio di scalabilità applicato.
  • selectPolicy: specifica in che modo viene selezionato un criterio durante la scalabilità in una determinata direzione. MaxChange corrisponde a MaxChangePolicySelect; MinChange corrisponde a MinChangePolicySelect. Se la scalabilità è disattivata, il campo selectPolicy non sarà presente.
  • replicas_before_limitation: numero di repliche consigliato prima della limitazione.
replicas Numero di repliche consigliato.
actuation_error Un messaggio di errore associato all'errore, se l'azionamento non è riuscito.
actuation_time Timestamp dell'attuazione in caso di esito positivo.
actuation_latency_seconds Tempo trascorso, in secondi, dall'inizio del calcolo del consiglio fino al completamento dell'attuazione.

Esempio di log del consiglio finale:

{
  "insertId": "qzyv7alfv1sm19ns",
  "jsonPayload": {
    "finalRecommendation": {
      "actuationTime": "2025-02-06T20:06:57.487786873Z",
      "targetRef": {
        "name": "kube-state-metrics",
        "kind": "StatefulSet",
        "apiVersion": "apps/v1"
      },
      "topLevelLimit": "none",
      "hpa": "gke-managed-cim/kube-state-metrics",
      "topLevelOverride": "noRecommendation",
      "replicas": 1,
      "configuredSize": 1,
      "actuationLatencySeconds": 0.003722451,
      "startTime": "2025-02-06T20:06:57.484064422Z"
    },
    "instance": {
      "vm_name": "my-unique-vm-identifier",
      "zone": "us-central1-a"
    }
  },
  "resource": {
    "type": "k8s_control_plane_component",
    "labels": {
      "cluster_name": "my-cluster",
      "component_location": "us-central1-a",
      "component_name": "hpa-controller",
      "location": "us-central1-a",
      "project_id": "my-project-id"
    }
  },
  "timestamp": "2025-02-06T20:06:57.488193527Z",
  "severity": "INFO",
  "labels": {
    "compute.googleapis.com/resource_name": "my-unique-vm-identifier"
  },
  "logName": "projects/my-project-id/logs/container.googleapis.com%2Fhpa-controller",
  "sourceLocation": {
    "file": "event_logger.go",
    "line": "61"
  },
  "receiveTimestamp": "2025-02-06T20:06:57.844898727Z"
}

Risoluzione dei problemi

Questa sezione descrive i problemi e i passaggi per la risoluzione relativi agli eventi Horizontal Pod Autoscaler.

Nessun evento

Se non visualizzi eventi decisionali di Horizontal Pod Autoscaler, assicurati di aver eseguito tutti i seguenti passaggi:

  • Hai attivato Cloud Logging per il cluster.
  • Hai attivato i log KCP_HPA per il cluster.
  • Hai disegnato almeno un oggetto hpa configurato correttamente nel tuo cluster.

Per visualizzare la configurazione dell'oggetto hpa, esegui il seguente comando:

  kubectl describe hpa $HPA_NAME

Se continui a non vedere log KCP_HPA, contatta l'Google Cloud assistenza.

Passaggi successivi