K8S部署Metrics-Server服务

简介: K8S部署Metrics-Server服务

1.下载并解压Metrics-Server

https://github.com/kubernetes-sigs/metrics-server/archive/v0.3.6.tar.gz

tar -zxvf v0.3.6.tar.gz

2.修改Metrics-Server配置文件

cd metrics-server-0.3.6/deploy/1.8+/

vim metrics-server-deployment.yaml

vim metrics-server-deployment.yaml文件(修改后的)

---

apiVersion: v1

kind: ServiceAccount

metadata:

 name: metrics-server

 namespace: kube-system

---

apiVersion: apps/v1

kind: Deployment

metadata:

 name: metrics-server

 namespace: kube-system

 labels:

   k8s-app: metrics-server

spec:

 selector:

   matchLabels:

     k8s-app: metrics-server

 template:

   metadata:

     name: metrics-server

     labels:

       k8s-app: metrics-server

   spec:

     serviceAccountName: metrics-server

     volumes:

     # mount in tmp so we can safely use from-scratch images and/or read-only containers

     - name: tmp-dir

       emptyDir: {}

     containers:

     - name: metrics-server

       image: mirrorgooglecontainers/metrics-server-amd64:v0.3.6

       imagePullPolicy: IfNotPresent

       command:

       - /metrics-server

       - --kubelet-insecure-tls

       - --kubelet-preferred-address-types=InternalDNS,InternalIP,ExternalDNS,ExternalIP,Hostname

       volumeMounts:

       - name: tmp-dir

         mountPath: /tmp

       resources:

         limits:

           cpu: 300m

           memory: 200Mi

         requests:

           cpu: 200m

           memory: 100Mi

3.安装Metrics-Server

kubectl apply -f metrics-server-0.3.6/deploy/1.8+/

4.查看node信息

[root@master 1.8+]# kubectl top node

NAME     CPU(cores)   CPU%   MEMORY(bytes)   MEMORY%  

master   289m         7%     1315Mi          48%      

node01   119m         2%     910Mi           33%      

node02   100m         2%     628Mi           23%

5、测试HPA

1)、创建部署deployment,这里设置副本数是1

apiVersion: v1

kind: Service

metadata:

 name: svc-hpa

 namespace: default

spec:

 selector:

   app: nginx

 type: NodePort  ##注意这里是NodePort,下面压力测试要用到。

 ports:

 - name: http

   port: 80

---

apiVersion: apps/v1

kind: Deployment

metadata:

 name: nginx-deployment

spec:

 replicas: 1

 selector:

    matchLabels:

      app: nginx

 template:

   metadata:

     labels:

       app: nginx

   spec:

     containers:

     - name: nginx

       image: docker.io/nginx

       ports:

       - containerPort: 80

       resources:

         limits:

            cpu: 50m

            memory: 50Mi

         requests:

            cpu: 50m

            memory: 50Mi

2)、设定自动扩容的条件

kubectl autoscale deployment nginx-deployment --max=3 --min=1 --cpu-percent=50

使用ab工具进行压测

先安装ab

yum -y install httpd-tools -y

3)、使用ab工具进行压测

ab -c 500 -n 2000 http://192.168.111.129:31379/

发现副本成两个了

[root@master test]# kubectl get pod

NAME                               READY   STATUS    RESTARTS   AGE

nginx-deployment-859b474bd-2nnlv   1/1     Running   0          60m

nginx-deployment-859b474bd-pfm4l   1/1     Running   0          4m38s

过一段时间又变成了一个

[root@master test]# kubectl get pod

NAME                               READY   STATUS        RESTARTS   AGE

nginx-deployment-859b474bd-2nnlv   1/1     Running       0          61m

nginx-deployment-859b474bd-pfm4l   0/1     Terminating   0          5m23s

[root@master test]# kubectl get pod

NAME                               READY   STATUS    RESTARTS   AGE

nginx-deployment-859b474bd-2nnlv   1/1     Running   0          61m

看下hpa

[root@master test]# kubectl get hpa

NAME               REFERENCE                     TARGETS   MINPODS   MAXPODS   REPLICAS   AGE

nginx-deployment   Deployment/nginx-deployment   10%/50%   1         3         1          50m

相关实践学习
深入解析Docker容器化技术
Docker是一个开源的应用容器引擎,让开发者可以打包他们的应用以及依赖包到一个可移植的容器中,然后发布到任何流行的Linux机器上,也可以实现虚拟化,容器是完全使用沙箱机制,相互之间不会有任何接口。Docker是世界领先的软件容器平台。开发人员利用Docker可以消除协作编码时“在我的机器上可正常工作”的问题。运维人员利用Docker可以在隔离容器中并行运行和管理应用,获得更好的计算密度。企业利用Docker可以构建敏捷的软件交付管道,以更快的速度、更高的安全性和可靠的信誉为Linux和Windows Server应用发布新功能。 在本套课程中,我们将全面的讲解Docker技术栈,从环境安装到容器、镜像操作以及生产环境如何部署开发的微服务应用。本课程由黑马程序员提供。     相关的阿里云产品:容器服务 ACK 容器服务 Kubernetes 版(简称 ACK)提供高性能可伸缩的容器应用管理能力,支持企业级容器化应用的全生命周期管理。整合阿里云虚拟化、存储、网络和安全能力,打造云端最佳容器化应用运行环境。 了解产品详情: https://www.aliyun.com/product/kubernetes
相关文章
|
7月前
|
存储 Kubernetes 开发工具
使用ArgoCD管理Kubernetes部署指南
ArgoCD 是一款基于 Kubernetes 的声明式 GitOps 持续交付工具,通过自动同步 Git 存储库中的配置与 Kubernetes 集群状态,确保一致性与可靠性。它支持实时同步、声明式设置、自动修复和丰富的用户界面,极大简化了复杂应用的部署管理。结合 Helm Charts,ArgoCD 提供模块化、可重用的部署流程,显著减少人工开销和配置错误。对于云原生企业,ArgoCD 能优化部署策略,提升效率与安全性,是实现自动化与一致性的理想选择。
333 0
|
3月前
|
运维 Kubernetes 持续交付
ACK One GitOps:让全球化游戏服务持续交付更简单
ACK One GitOps 致力于提供开箱即用的多集群 GitOps 持续交付能力,简化游戏等服务的多集群/多地域统一部署,让您更加专注于业务开发。
|
6月前
|
存储 Kubernetes 异构计算
Qwen3 大模型在阿里云容器服务上的极简部署教程
通义千问 Qwen3 是 Qwen 系列最新推出的首个混合推理模型,其在代码、数学、通用能力等基准测试中,与 DeepSeek-R1、o1、o3-mini、Grok-3 和 Gemini-2.5-Pro 等顶级模型相比,表现出极具竞争力的结果。
|
7月前
|
存储 Kubernetes 监控
K8s集群实战:使用kubeadm和kuboard部署Kubernetes集群
总之,使用kubeadm和kuboard部署K8s集群就像回归童年一样,简单又有趣。不要忘记,技术是为人服务的,用K8s集群操控云端资源,我们不过是想在复杂的世界找寻简单。尽管部署过程可能遇到困难,但朝着简化复杂的目标,我们就能找到意义和乐趣。希望你也能利用这些工具,找到你的乐趣,满足你的需求。
637 33
|
7月前
|
Kubernetes 开发者 Docker
集群部署:使用Rancher部署Kubernetes集群。
以上就是使用 Rancher 部署 Kubernetes 集群的流程。使用 Rancher 和 Kubernetes,开发者可以受益于灵活性和可扩展性,允许他们在多种环境中运行多种应用,同时利用自动化工具使工作负载更加高效。
369 19
|
7月前
|
存储 测试技术 对象存储
使用容器服务ACK快速部署QwQ-32B模型并实现推理智能路由
阿里云最新发布的QwQ-32B模型,通过强化学习大幅度提升了模型推理能力。QwQ-32B模型拥有320亿参数,其性能可以与DeepSeek-R1 671B媲美。
|
8月前
|
存储 Kubernetes 测试技术
企业级LLM推理部署新范式:基于ACK的DeepSeek蒸馏模型生产环境落地指南
企业级LLM推理部署新范式:基于ACK的DeepSeek蒸馏模型生产环境落地指南
317 12
|
8月前
|
人工智能 Kubernetes 异构计算
大道至简-基于ACK的Deepseek满血版分布式推理部署实战
大道至简-基于ACK的Deepseek满血版分布式推理部署实战
397 5
|
8月前
|
存储 Kubernetes 对象存储
部署DeepSeek但GPU不足,ACK One注册集群助力解决IDC GPU资源不足
部署DeepSeek但GPU不足,ACK One注册集群助力解决IDC GPU资源不足
179 3
|
8月前
|
边缘计算 调度 对象存储
部署DeepSeek但IDC GPU不足,阿里云ACK Edge虚拟节点来帮忙
部署DeepSeek但IDC GPU不足,阿里云ACK Edge虚拟节点来帮忙
134 0

热门文章

最新文章

推荐镜像

更多