Questa pagina è stata tradotta dall'API Cloud Translation.

Scalabilità automatica orizzontale dei pod (HPA)

Questo documento descrive come abilitare la scalabilità automatica orizzontale dei pod (HPA) per Google Cloud Managed Service per Prometheus. Puoi attivare l'HPA eseguendo una delle seguenti operazioni:

Utilizzo della libreria Custom Metrics Stackdriver Adapter, sviluppata e supportata da Google Cloud.
Utilizzando la libreria di terze parti Prometheus Adapter.

Devi scegliere l'uno o l'altro. Non puoi utilizzare entrambe le risorse perché le definizioni delle risorse si sovrappongono, come descritto in Risoluzione dei problemi.

Utilizza l'adattatore Stackdriver per metriche personalizzate

Metriche personalizzate Stackdriver Adapter supporta le metriche di query di Managed Service per Prometheus a partire dalla versione v0.13.1 dell'adattatore.

Per impostare una configurazione HPA di esempio utilizzando l'adattatore Stackdriver per metriche personalizzate, segui questi passaggi:

Configura la raccolta gestita nel tuo cluster.

Installa l'adattatore Stackdriver per metriche personalizzate nel tuo cluster.

kubectl apply -f https://raw.githubusercontent.com/GoogleCloudPlatform/k8s-stackdriver/master/custom-metrics-stackdriver-adapter/deploy/production/adapter_new_resource_model.yaml

Esegui il deployment di un esportatore di metriche Prometheus di esempio e di una risorsa HPA:
```
kubectl apply -f https://raw.githubusercontent.com/GoogleCloudPlatform/k8s-stackdriver/master/custom-metrics-stackdriver-adapter/examples/prometheus-to-sd/custom-metrics-prometheus-sd.yaml
```
Questo comando esegue il deployment di un'applicazione di esportazione che emette la metrica foo e una risorsa HPA. L'HPA scala questa applicazione fino a 5 repliche per raggiungere il valore target per la metrica foo.

Se utilizzi Workload Identity, devi concedere anche il ruolo Visualizzatore Monitoring all'account di servizio in cui viene eseguito l'adattatore. Salta questo passaggio se Workload Identity non è abilitato sul cluster Kubernetes.

export PROJECT_NUMBER=$(gcloud projects describe PROJECT_ID --format 'get(projectNumber)')
gcloud projects add-iam-policy-binding projects/PROJECT_ID \
  --role roles/monitoring.viewer \
  --member=principal://iam.googleapis.com/projects/$PROJECT_NUMBER/locations/global/workloadIdentityPools/PROJECT_ID.svc.id.goog/subject/ns/custom-metrics/sa/custom-metrics-stackdriver-adapter

Definisci una risorsa PodMonitoring inserendo la seguente configurazione in un file denominato podmonitoring.yaml.

apiVersion: monitoring.googleapis.com/v1
kind: PodMonitoring
metadata:
  name: prom-example
spec:
  selector:
    matchLabels:
      run: custom-metric-prometheus-sd
  endpoints:
  - port: 8080
    interval: 30s

Esegui il deployment della nuova risorsa PodMonitoring:
```
kubectl -n default apply -f podmonitoring.yaml
```
Nel giro di un paio di minuti, Managed Service per Prometheus elabora le metriche recuperate dall'esportatore e le archivia in Cloud Monitoring utilizzando un nome in formato lungo. Le metriche di Prometheus vengono archiviate secondo le seguenti convenzioni:
- Il prefisso prometheus.googleapis.com.
- In genere questo suffisso è uno dei seguenti: gauge, counter, summary o histogram, sebbene le metriche non digitate potrebbero avere il suffisso unknown o unknown:counter. Per verificare il suffisso, cerca la metrica in Cloud Monitoring utilizzando Metrics Explorer.
Aggiorna l'HPA di cui è stato eseguito il deployment per eseguire query sulla metrica da Cloud Monitoring. La metrica foo viene importata come prometheus.googleapis.com/foo/gauge. Per rendere la metrica interrogabile da parte della risorsa HorizontalPodAutoscaler di cui è stato eseguito il deployment, utilizza il nome in formato lungo nell'HPA di cui è stato eseguito il deployment, ma devi modificarlo sostituendo tutte le barre (/) con il carattere barra verticale (|): prometheus.googleapis.com|foo|gauge. Per ulteriori informazioni, consulta la sezione Metriche disponibili in Stackdriver del repository di metriche personalizzate di Stackdriver Adapter.
1. Aggiorna l'HPA di cui è stato eseguito il deployment eseguendo questo comando:
```
kubectl edit hpa custom-metric-prometheus-sd
```
2. Modifica il valore del campo pods.metric.name da foo a prometheus.googleapis.com|foo|gauge. La sezione spec dovrebbe avere il seguente aspetto:
```
spec:
   maxReplicas: 5
   metrics:
   - pods:
       metric:
         name: prometheus.googleapis.com|foo|gauge
       target:
         averageValue: "20"
         type: AverageValue
     type: Pods
   minReplicas: 1
```
In questo esempio, la configurazione HPA cerca che il valore medio della metrica prometheus.googleapis.com/foo/gauge sia 20. Poiché il deployment imposta il valore della metrica 40, il controller HPA aumenta il numero di pod fino al valore del campo maxReplicas (5) per provare a ridurre il valore medio della metrica in tutti i pod a 20.

La query HPA ha come ambito lo spazio dei nomi e il cluster in cui è installata la risorsa HPA. Di conseguenza, metriche identiche in altri cluster e spazi dei nomi non influiscono sulla scalabilità automatica.

Per osservare lo scale up del carico di lavoro, esegui questo comando:

kubectl get hpa custom-metric-prometheus-sd --watch

Il valore del campo REPLICAS cambia da 1 a 5.

NAME                          REFERENCE                                TARGETS        MINPODS   MAXPODS   REPLICAS   AGE
custom-metric-prometheus-sd   Deployment/custom-metric-prometheus-sd   40/20          1         5         5          *

Per fare lo scale down del deployment, aggiorna il valore della metrica target in modo che sia superiore a quello della metrica esportata. In questo esempio, il deployment imposta il valore della metrica prometheus.googleapis.com/foo/gauge su 40. Se imposti il valore di destinazione su un numero superiore a 40, verrà eseguito lo fare lo scale down del deployment.

Ad esempio, utilizza kubectl edit per modificare il valore del campo pods.target.averageValue nella configurazione HPA da 20 a 100.
```
kubectl edit hpa custom-metric-prometheus-sd
```
Modifica la sezione delle specifiche in modo che corrisponda a quanto segue:
```
spec:
  maxReplicas: 5
  metrics:
  - pods:
      metric:
        name: prometheus.googleapis.com|foo|gauge
      target:
        averageValue: "100"
        type: AverageValue
  type: Pods
  minReplicas: 1
```

Per osservare lo fare lo scale down del carico di lavoro, esegui questo comando:

kubectl get hpa custom-metric-prometheus-sd --watch

Il valore del campo REPLICAS cambia da 5 a 1. In base alla progettazione, questo si verifica più lentamente rispetto allo scale up del numero di pod:

NAME                          REFERENCE                                TARGETS        MINPODS   MAXPODS   REPLICAS   AGE
custom-metric-prometheus-sd   Deployment/custom-metric-prometheus-sd   40/100          1         5         1          *

Per eseguire la pulizia dell'esempio di cui è stato eseguito il deployment, esegui questi comandi:

kubectl delete -f https://raw.githubusercontent.com/GoogleCloudPlatform/k8s-stackdriver/master/custom-metrics-stackdriver-adapter/deploy/production/adapter_new_resource_model.yaml
kubectl delete -f https://raw.githubusercontent.com/GoogleCloudPlatform/k8s-stackdriver/master/custom-metrics-stackdriver-adapter/examples/prometheus-to-sd/custom-metrics-prometheus-sd.yaml
kubectl delete podmonitoring/prom-example

Per ulteriori informazioni, consulta l'esempio di Prometheus nel repository delle metriche personalizzate di Stackdriver Adapter o consulta la sezione sulla scalabilità di un'applicazione.

Utilizzare l'adattatore Prometheus

Le configurazioni dell'adattatore Prometheus esistenti possono essere usate per la scalabilità automatica con poche modifiche. La configurazione dell'adattatore Prometheus per la scalabilità con Managed Service per Prometheus presenta due limitazioni aggiuntive rispetto alla scalabilità con Prometheus upstream:

Le query devono essere instradate tramite il proxy dell'interfaccia utente frontend di Prometheus, proprio come quando esegui una query su Managed Service per Prometheus utilizzando l'API o l'interfaccia utente di Prometheus. Per l'adattatore Prometheus, devi modificare il deployment prometheus-adapter per cambiare il valore prometheus-url come segue:
```
--prometheus-url=http://frontend.NAMESPACE_NAME.svc:9090/
```
dove NAMESPACE_NAME è lo spazio dei nomi in cui viene eseguito il deployment del frontend.
Non puoi utilizzare un matcher regex sul nome di una metrica nel campo .seriesQuery della configurazione delle regole. Devi invece specificare completamente i nomi delle metriche.

Poiché i dati possono richiedere un po' più tempo prima di essere disponibili in Managed Service per Prometheus rispetto a Prometheus upstream, la configurazione di una logica di scalabilità automatica eccessivamente eager potrebbe causare comportamenti indesiderati. Sebbene non ci sia alcuna garanzia sull'aggiornamento dei dati, in genere i dati sono disponibili per le query 3-7 secondi dopo essere stati inviati a Managed Service per Prometheus, esclusa la latenza di rete.

Tutte le query eseguite dall'adattatore Prometheus hanno un ambito globale. Ciò significa che se hai applicazioni in due spazi dei nomi che emettono metriche con nomi identici, una configurazione HPA che utilizza questa metrica scala utilizzando i dati di entrambe le applicazioni. Ti consigliamo di utilizzare sempre i filtri namespace o cluster in PromQL per evitare di applicare la scalabilità utilizzando dati errati.

Per impostare una configurazione HPA di esempio utilizzando Prometheus-adapter e Managed collection, segui questi passaggi:

Configura la raccolta gestita nel tuo cluster.
Esegui il deployment del proxy della UI frontend di Prometheus nel tuo cluster. Se utilizzi Workload Identity, devi anche configurare e autorizzare un account di servizio.
Esegui il deployment dei manifest nella directory examples/hpa/ all'interno del repository prometheus-engine:
- example-app.yaml: un deployment e un servizio di esempio che invia metriche.
- pod-monitoring.yaml: una risorsa che configura lo scraping delle metriche di esempio.
- hpa.yaml: la risorsa HPA che configura la scalabilità per il carico di lavoro.
Assicurati che prometheus-adapter sia installato nel cluster. A questo scopo, puoi eseguire il deployment del manifest di installazione di esempio nel cluster. Questo manifest è configurato per:
- Esegui una query su un proxy frontend di cui è stato eseguito il deployment nello spazio dei nomi default.
- Emetti PromQL per calcolare e restituire la metrica http_requests_per_second dal deployment di esempio.
Nota: la metrica http_requests_per_second non sarà disponibile finché non verrà generato il carico sull'applicazione di esempio.
Nota: potrebbe essere necessario installare una regola firewall interno sulla porta 6443 dal piano di controllo ai nodi.

Esegui questi comandi, ciascuno in una sessione di terminale separata:

Genera carico HTTP sul servizio prometheus-example-app:

kubectl run -i --tty load-generator --rm --image=busybox:1.28 --restart=Never -- /bin/sh -c "while sleep 0.01; do wget -q -O- http://prometheus-example-app; done"

Guarda Horizontal Pod Autoscaler:

kubectl get hpa prometheus-example-app --watch

Guarda lo scale up del carico di lavoro:

kubectl get po -lapp.kubernetes.io/name=prometheus-example-app --watch

Interrompi la generazione del carico HTTP utilizzando Ctrl+C e controlla lo scale down del carico di lavoro.

Risoluzione dei problemi

Metriche personalizzate Stackdriver Adapter utilizza definizioni di risorse con gli stessi nomi di quelli in Prometheus Adapter, prometheus-adapter. Questa sovrapposizione di nomi significa che l'esecuzione di più di un adattatore nello stesso cluster causa errori.

L'installazione dell'adattatore Prometheus in un cluster in cui in precedenza era installata l'adattatore di metriche personalizzate potrebbe generare errori come FailedGetObjectMetric a causa di nomi in conflitto. Per risolvere questo problema, potrebbe essere necessario eliminare gli apiservices v1beta1.external.metrics.k8s.io, v1beta1.custom.metrics.k8s.io e v1beta2.custom.metrics.k8s.io precedentemente registrati dall'Adattatore delle metriche personalizzate.

Suggerimenti per la risoluzione dei problemi:

Alcune metriche di sistema di Cloud Monitoring, come le metriche Pub/Sub, hanno un ritardo di almeno 60 secondi. Poiché l'adattatore Prometheus esegue le query utilizzando il timestamp corrente, l'esecuzione di query su queste metriche con Prometheus Adapter potrebbe restituire erroneamente alcun dato. Per eseguire query sulle metriche ritardate, utilizza il modificatore offset in PromQL per modificare lo offset temporale della query in base alla quantità necessaria.
Per verificare che il proxy della UI frontend funzioni come previsto e che non ci siano problemi con le autorizzazioni, esegui questo comando in un terminale:
```
kubectl -n NAMESPACE_NAME port-forward svc/frontend 9090
```
Quindi, apri un altro terminale ed esegui questo comando:
```
curl --silent 'localhost:9090/api/v1/series?match%5B%5D=up'
```
Quando il proxy UI frontend funziona correttamente, la risposta nel secondo terminale è simile alla seguente:
```
curl --silent 'localhost:9090/api/v1/series?match%5B%5D=up' | jq .
{
  "status": "success",
  "data": [
     ...
  ]
}
```
Se ricevi un errore 403, significa che il proxy UI frontend non è configurato correttamente. Per informazioni su come risolvere un errore 403, consulta la guida alla configurazione e all'autorizzazione di un account di servizio.

Per verificare che la metrica personalizzata apiserver sia disponibile, esegui questo comando:

kubectl get apiservices.apiregistration.k8s.io v1beta1.custom.metrics.k8s.io

Quando l'apiserver è disponibile, la risposta è simile alla seguente:

$ kubectl get apiservices.apiregistration.k8s.io v1beta1.custom.metrics.k8s.io
NAME                            SERVICE                         AVAILABLE   AGE
v1beta1.custom.metrics.k8s.io   monitoring/prometheus-adapter   True        33m

Per verificare che l'HPA funzioni come previsto, esegui questo comando:

$ kubectl describe hpa prometheus-example-app
Name:                                  prometheus-example-app
Namespace:                             default
Labels:                                
Annotations:                           
Reference:                             Deployment/prometheus-example-app
Metrics:                               ( current / target )
"http_requests_per_second" on pods:  11500m / 10
Min replicas:                          1
Max replicas:                          10
Deployment pods:                       2 current / 2 desired
Conditions:
Type            Status  Reason              Message
----            ------  ------              -------
AbleToScale     True    ReadyForNewScale    recommended size matches current size
ScalingActive   True    ValidMetricFound    the HPA was able to successfully calculate a replica count from pods metric http_requests_per_second
ScalingLimited  False   DesiredWithinRange  the desired count is within the acceptable range
Events:
Type     Reason               Age                   From                       Message
----     ------               ----                  ----                       -------
Normal   SuccessfulRescale    47s                   horizontal-pod-autoscaler  New size: 2; reason: pods metric http_requests_per_second above target

Se la risposta contiene un'istruzione come FailedGetPodsMetric, si verifica un errore dell'HPA. Di seguito viene illustrata una risposta alla chiamata describe quando l'HPA non funziona:

$ kubectl describe hpa prometheus-example-app
Name:                                  prometheus-example-app
Namespace:                             default
Reference:                             Deployment/prometheus-example-app
Metrics:                               ( current / target )
  "http_requests_per_second" on pods:   / 10
Min replicas:                          1
Max replicas:                          10
Deployment pods:                       1 current / 1 desired
Conditions:
  Type            Status  Reason               Message
  ----            ------  ------               -------
  AbleToScale     True    ReadyForNewScale     recommended size matches current size
  ScalingActive   False   FailedGetPodsMetric  the HPA was unable to compute the replica count: unable to get metric http_requests_per_second: unable to fetch metrics from custom metrics API: the server could not find the metric http_requests_per_second for pods
  ScalingLimited  False   DesiredWithinRange   the desired count is within the acceptable range
Events:
  Type     Reason               Age                   From                       Message
  ----     ------               ----                  ----                       -------
  Warning  FailedGetPodsMetric  104s (x11 over 16m)   horizontal-pod-autoscaler  unable to get metric http_requests_per_second: unable to fetch metrics from custom metrics API: the server could not find the metric http_requests_per_second for pods

Se l'HPA ha un esito negativo, assicurati di generare metriche con load-generator. Puoi controllare direttamente l'API delle metriche personalizzate con il comando:

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

Un output riuscito dovrebbe essere simile al seguente:

$ kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1/" | jq .
  {
  "kind": "APIResourceList",
  "apiVersion": "v1",
  "groupVersion": "custom.metrics.k8s.io/v1beta1",
  "resources": [
     {
        "name": "namespaces/http_requests_per_second",
        "singularName": "",
        "namespaced": false,
        "kind": "MetricValueList",
        "verbs": [
        "get"
        ]
     },
     {
        "name": "pods/http_requests_per_second",
        "singularName": "",
        "namespaced": true,
        "kind": "MetricValueList",
        "verbs": [
        "get"
        ]
     }
  ]
  }

Se non ci sono metriche, non ci saranno dati sotto "resources" nell'output, ad esempio:

kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1/" | jq .
{
"kind": "APIResourceList",
"apiVersion": "v1",
"groupVersion": "custom.metrics.k8s.io/v1beta1",
"resources": []
}