在K8S中，如何扩容和缩容K8s集群？

在 Kubernetes 中，“扩容和缩容”通常涉及两个层面：Pod 层面（调整应用副本数）和节点层面（调整集群节点数量）。两者的操作方式和目标不同，以下分别说明：

一、Pod 层面的扩缩容（调整应用副本数）

通过 Kubernetes 控制器（如 Deployment、StatefulSet、ReplicaSet 等）管理的 Pod，可以手动或自动调整副本数量，以应对流量变化。

1. 手动扩缩容（适用于临时调整）

通过 kubectl scale 命令或直接修改控制器的 replicas 字段，手动指定副本数。

命令行方式：
针对 Deployment 调整副本数（示例）：

# 扩容到 5 个副本
kubectl scale deployment <deployment-name> --replicas=5 -n <namespace>

# 缩容到 2 个副本
kubectl scale deployment <deployment-name> --replicas=2 -n <namespace>

同样适用于 StatefulSet、ReplicaSet 等：

kubectl scale statefulset <statefulset-name> --replicas=3 -n <namespace>

修改配置文件方式：
编辑控制器的 YAML 配置，修改 spec.replicas 字段后应用：

kubectl edit deployment <deployment-name> -n <namespace>
# 在编辑器中修改 spec.replicas: 5，保存退出后自动生效

2. 自动扩缩容（HPA，适用于动态流量）

通过 Horizontal Pod Autoscaler（HPA） 实现基于指标（如 CPU 使用率、内存使用率、自定义指标）的自动扩缩容。

前提：
集群需部署 metrics-server（提供资源指标采集），可通过以下命令检查：

kubectl get pods -n kube-system | grep metrics-server

若未部署，需先安装（例如使用官方 YAML）：

kubectl apply -f https://github.com/kubernetes-sigs/metrics-server/releases/latest/download/components.yaml

创建 HPA 配置：
示例：为 Deployment 配置 HPA，基于 CPU 使用率自动扩缩容（最小 2 副本，最大 10 副本，目标 CPU 使用率 70%）：

# hpa-example.yaml
apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: <hpa-name>
  namespace: <namespace>
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: <deployment-name>  # 关联的 Deployment 名称
  minReplicas: 2             # 最小副本数
  maxReplicas: 10            # 最大副本数
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 70  # 目标 CPU 使用率

应用配置：

kubectl apply -f hpa-example.yaml

查看 HPA 状态：

kubectl get hpa -n <namespace>
# 输出包含当前副本数、目标指标、最小/最大副本数等信息

二、节点层面的扩缩容（调整集群节点数量）

节点扩缩容即增加或减少集群中的节点（物理机/虚拟机），需根据集群部署方式（自建/云托管）选择不同方法。

1. 自建集群（如 kubeadm 部署）

自建集群需手动操作节点的添加/移除，步骤较繁琐。

扩容（新增节点）：
1. 准备新节点（操作系统、容器运行时、网络等需与现有节点一致）。
2. 在新节点上安装 kubelet、kubeadm、kubectl。
3. 在控制平面节点生成加入集群的令牌（若令牌过期，重新生成）：
```
# 在控制平面执行，获取加入命令
kubeadm token create --print-join-command
# 输出示例：kubeadm join 192.168.1.100:6443 --token xxx --discovery-token-ca-cert-hash sha256:xxx
```
4. 在新节点上执行上述 join 命令，加入集群。
5. （可选）若新节点需要承担工作负载，确保其标签和污点配置正确（无 NoSchedule 污点）：
```
# 查看节点污点
kubectl describe node <new-node-name> | grep Taint
# 移除污点（若有）
kubectl taint nodes <new-node-name> key:NoSchedule-
```
缩容（移除节点）：
需安全排空节点（避免 Pod 丢失），再删除节点：
1. 标记节点为不可调度（防止新 Pod 调度到该节点）：
```
kubectl cordon <node-name>
```
2. 排空节点（驱逐运行中的 Pod 到其他节点，忽略 DaemonSet，等待 30 秒超时）：
```
kubectl drain <node-name> --ignore-daemonsets --timeout=30s
```
  若有 Pod 无法驱逐（如使用本地存储），可加 --force 强制排空（谨慎使用，可能导致数据丢失）。
3. 从集群中删除节点：
```
kubectl delete node <node-name>
```
4. 在物理机/虚拟机层面销毁该节点。

2. 云厂商托管集群（如 EKS、GKE、AKS）

云厂商通常提供 节点组（Node Group） 管理节点，支持手动或自动扩缩容，操作更简单。

手动扩缩容：

通过云厂商控制台（如 AWS EKS 控制台、GCP GKE 控制台）找到对应的节点组，直接修改“期望节点数”。

或通过命令行工具（如 eksctl、gcloud）：

# AWS EKS 示例：调整节点组数量为 3
eksctl scale nodegroup --cluster <cluster-name> --name <nodegroup-name> --nodes 3

# GCP GKE 示例：调整节点池数量为 3
gcloud container node-pools resize <node-pool-name> --num-nodes=3 --cluster=<cluster-name>

自动扩缩容（节点自动伸缩）：
云厂商节点组支持配置自动扩缩容规则（基于节点资源使用率、Pod 调度队列等）：
- 在控制台开启“节点自动扩缩容”，设置最小/最大节点数。
- 例如，EKS 节点组可通过 eksctl 配置：
```
eksctl create nodegroup --cluster <cluster-name> --name <nodegroup-name> \
  --nodes-min 2 --nodes-max 5  # 最小 2 节点，最大 5 节点
```

3. 集群自动扩缩器（Cluster Autoscaler，适用于混合环境）

对于自建或云托管集群，可部署 Cluster Autoscaler（CA） 工具，实现节点的自动扩缩容（当 Pod 因资源不足无法调度时自动扩容节点，当节点资源长期闲置时自动缩容）。

原理：CA 监控未调度的 Pod，若因节点资源不足无法调度，会触发节点扩容；若节点资源利用率低且可安全移除（Pod 可调度到其他节点），则触发缩容。
部署：
- 云托管集群通常内置 CA（需在节点组开启）。
- 自建集群需手动部署 CA，配置与云厂商 API 或基础设施的对接（如对接 OpenStack、VMware 等）。

三、扩缩容注意事项

Pod 扩缩容：
- 确保集群有足够的节点资源（CPU、内存）容纳扩容后的 Pod，否则会出现 Pending 状态。
- 有状态应用（StatefulSet）扩缩容需注意数据持久化（如 PV 分配）和顺序性（缩容从最高序号开始）。
节点扩缩容：
- 扩容时确保新节点网络与现有集群互通（如同一 VPC、安全组规则允许 Kubernetes 端口通信）。
- 缩容时务必先排空节点，避免运行中的 Pod 被强制终止（尤其是有状态应用）。
- 自动扩缩容需合理设置阈值（如 HPA 的 CPU 目标值、CA 的节点资源利用率阈值），避免频繁扩缩容（“抖动”）。

总结

Pod 扩缩容：通过 kubectl scale 手动调整，或 HPA 基于指标自动调整，适用于应对应用流量变化。
节点扩缩容：自建集群需手动添加/移除节点；云托管集群通过节点组简化操作；Cluster Autoscaler 实现节点全自动扩缩容，适用于动态集群资源需求。

根据实际场景选择合适的方式，平衡资源利用率和应用可用性。

posted @ 2025-08-08 09:52 天道酬勤zjh 阅读(174) 评论(0) 收藏举报

刷新页面返回顶部