CSS 伸縮動畫輸入框 #web前端

天給大家帶來的是伸縮的輸入框的動畫。大家可以看到，點擊之后包括用戶名往上推，輸入框進行升高。其實這個在很多地方也可以用到，在實際項目中。長話短說，看代碼區域。

我用開發工具是hpdx開發uni app的，大家應該很熟悉了。vivo式組容器，可以看到里面包含了第二層vivo式組容器、important輸入框組件、文本組件，還有一條線。我用i來定義，就是這條線。這里面的有基礎同學可以知道，如果是真的時候是一個樣式，如果是假的時候另一個樣式互相切換的。

怎么在哪控制？通過input的定義了一下，在這使用type-c進行真假的切換。包括這兩個線條為什么會延伸高度？因為這地方定義了四十四px和二px，遇到真的時候是一種高度，遇到假時候是一種高度，這是動態的樣式，大家要記住。

css部分其實是很少的，就是靜態的、固定的。可以看到第一層優勢圖容器進行全局的定義，第二層就能相對定位和寬度的設置。輸入框的樣式進行相對定位，那邊去透明，文字顏色、字體大小等等。這地方也可以輸入文字，對文本也進行了央視的開發。大家可以看我這注釋，就是很詳細的。

進行線條的定義，就這三部分，大家可以看到，大概思路就這么個思路，大家可以動手去寫一下。

喜歡的同學可以點贊收藏，想要源代碼的可以找我嘮嗑進行獲取或者點擊下方都行，還是建議大家去動手去寫一下。今天推薦的伸縮版的輸入框的樣式就今天就講到這里，謝謝大家。

<html>
<head>
<title>伸縮的菜單</title>
<style>
<!--
body{
background-color:#ffdee0;
}
#navigation {
width:200px;
font-family:Arial;
}
#navigation > ul {
list-style-type:none; /* 不顯示項目符號 */
margin:0px;
padding:0px;
}
#navigation > ul > li {
border-bottom:1px solid #ED9F9F; /* 添加下劃線 */
}
#navigation > ul > li > a{
display:block; /* 區塊顯示 */
padding:5px 5px 5px 0.5em;
text-decoration:none;
border-left:12px solid #711515; /* 左邊的粗紅邊 */
border-right:1px solid #711515; /* 右側陰影 */
}
#navigation > ul > li > a:link, #navigation > ul > li > a:visited{
background-color:#c11136;
color:#FFFFFF;
}
#navigation > ul > li > a:hover{ /* 鼠標經過時 */
background-color:#990020; /* 改變背景色 */
color:#ffff00; /* 改變文字顏色 */
}
/* 子菜單的CSS樣式 */
#navigation ul li ul{
list-style-type:none;
margin:0px;
padding:0px 0px 0px 0px;
}
#navigation ul li ul li{
border-top:1px solid #ED9F9F;
}
#navigation ul li ul li a{
display:block;
padding:3px 3px 3px 0.5em;
text-decoration:none;
border-left:28px solid #a71f1f;
border-right:1px solid #711515;
}
#navigation ul li ul li a:link, #navigation ul li ul li a:visited{
background-color:#e85070;
color:#FFFFFF;
}
#navigation ul li ul li a:hover{
background-color:#c2425d;
color:#ffff00;
}
#navigation ul li ul.myHide{ /* 隱藏子菜單 */
display:none;
}
#navigation ul li ul.myShow{ /* 顯示子菜單 */
display:block;
}
-->
</style>
<script language="javascript">
function change(){
//通過父元素li，找到兄弟元素ul
var oSecondDiv = this.parentNode.getElementsByTagName("ul")[0];
//CSS交替更換來實現顯、隱
if(oSecondDiv.className == "myHide")
oSecondDiv.className = "myShow";
else
oSecondDiv.className = "myHide";
}
window.onload = function(){
var oUl = document.getElementById("listUL"); //一級菜單的ul標簽
var aLi = oUl.childNodes; //子元素
var oA;
for(var i=0;i<aLi.length;i++){
//如果子元素為li，且這個li有子菜單ul
if(aLi[i].tagName == "LI" && aLi[i].getElementsByTagName("ul").length){
oA = aLi[i].firstChild; //找到超鏈接
oA.onclick = change; //動態添加點擊函數
}
}
}
</script>
</head>
<body>
<div id="navigation">
<ul id="listUL">
<li><a href="#">Home</a></li>
<li><a href="#">News</a>
<ul class="myHide">
<li><a href="#">Lastest News</a></li>
<li><a href="#">All News</a></li>
</ul>
</li>
<li><a href="#">Sports</a>
<ul class="myHide">
<li><a href="#">Basketball</a></li>
<li><a href="#">Football</a></li>
<li><a href="#">Volleyball</a></li>
</ul>
</li>
<li><a href="#">Weather</a>
<ul class="myHide">
<li><a href="#">Today's Weather</a></li>
<li><a href="#">Forecast</a></li>
</ul>
</li>
<li><a href="#">Contact Me</a></li>
</ul>
</div>
</body>
</html>

上菜單為二級菜單,伸縮菜單是在一級菜單<li>下點擊實現的

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="zh-cn">
<head>
<meta http-equiv="Content-Type" content="text/html;charset=UTF-8" />
<title>伸縮菜單</title>
<meta name="keywords" content="關鍵字列表" />
<meta name="description" content="網頁描述" />
<link rel="stylesheet" type="text/css" href="" />
<style type="text/css">
body,p,ul,li{padding:0px;margin:0px;}
ul li{list-style:none;}
body{font-size:13px;}
.menu{
width:210px;
margin:50px auto;
border:1px solid #ccc;
}
.menu p{
height:25px;
line-height:25px;
font-weight:bold;
background:#eee;
border-bottom:1px solid #ccc;
padding-left:5px;
cursor:pointer;
}

.menu ul li{
height:24px;
line-height:24px;
padding-left:5px;
}
</style>
<script type="text/javascript">
//分析思路
//當頁面加載完成后
//獲取到所有的p元素 獲取到所有的ul元素
//給每一個p元素綁定一個onclick事件
//判斷每一個p元素對應的ul是否是隱藏或者是顯示
window.onload = function(){
//獲取id=menu對象
var div_obj = document.getElementById("menu");
//獲取所有的p元素
var ps_obj = div_obj.getElementsByTagName("p");
var ps_length = ps_obj.length;
//獲取到所有的ul元素
var uls_obj = div_obj.getElementsByTagName("ul");
//給每一個p元素綁定一個onclick事件
for(var i=0;i<ps_length;i++){
ps_obj[i].id = i; //給每一個p元素加上一個標識
ps_obj[i].onclick = function(){
//判斷對應的ul是否是顯示或者隱藏

if(uls_obj[this.id].style.display == "none"){
uls_obj[this.id].style.display = "block";
}else{
uls_obj[this.id].style.display = "none";
}

}
}
}

</script>
</head>
<body>
<div id="menu" class="menu">
<div>
<p>web前端</p>
<ul style="display:none;">
<li>HTML</li>
<li>DIV+CSS</li>
<li>JAVASCRIPT</li>
<li>jQuery</li>
<li>Bootstrap</li>
</ul>
</div>
<div>
<p>PHP+MYSQL核心編程</p>
<ul style="display:none;">
<li>PHP</li>
<li>MYSQL</li>
<li>HTTP協議</li>
<li>PHP繪圖技術</li>
</ul>
</div>
<div>
<p>PHP高級</p>
<ul style="display:none;">
<li>XML編程</li>
<li>AJAX</li>
<li>MVC</li>
</ul>
</div>
</div>
</body>
</html>

類似QQ伸縮菜單:

、HPA概述

1.1、HPAjieshao

HPA全稱Horizontal Pod Autoscaler，即水平Pod自動伸縮器，可以根據觀察到的CPU、內存使用率或自定義度量標準來自動增加或者減少Pod的數量，但是HPA不適用于無法擴、縮容的對象，例如DaemonSet，通常都作用與Deployment

HPA控制器會定期調整RC或者Deployment的副本數，使對象數量符合用戶定義規則的數量

既然是通過CPU、內存等指標來自動擴、縮容Pod，那么HPA肯定是需要一個能監控這些硬件資源的組件，則例的組件有很多選擇，例如metrices-server、Heapster等，這里使用metrices-server

metrices-server從api-server中獲取cpu、內存使用率等監控指標

1.2、HPA伸縮過程

1、收集HPA控制下所有Pod最近的cpu使用情況（CPU utilization）

2、對比在擴容條件里記錄的cpu限額（CPUUtilization）

3、調整實例數（必須要滿足不超過最大/最小實例數）

4、每隔30s做一次自動擴容的判斷

CPU utilization的計算方法是用cpu usage（最近一分鐘的平均值，通過metrics可以直接獲取到）除以cpu request（這里cpu request就是我們在創建容器時制定的cpu使用核心數）得到一個平均值，這個平均值可以理解為：平均每個Pod CPU核心的使用占比。

1.3、HPA 的工作原理

k8s中的某個Metrics Server（Heapster或自定義Metrics Server）持續采集所有Pod副本的指標數據。

HPA控制器通過Metrics Server的API（Heapster的API或聚合API）獲取這些數據，基于用戶定義的擴縮容規則進行計算，得到目標Pod副本數量。

當目標Pod副本數量與當前副本數量不同時，HPA控制器就訪問Pod的副本控制器（Deployment 、RC或者ReplicaSet）發起scale操作，調整Pod的副本數量，完成擴縮容操作。

1.4、指標的類型

Master的kube-controller-manager服務持續監測目標Pod的某種性能指標，以計算是否需要調整副本數量。目前k8s支持的指標類型如下。

◎　Pod資源使用率：Pod級別的性能指標，通常是一個比率值，例如CPU使用率。

◎　Pod自定義指標：Pod級別的性能指標，通常是一個數值，例如接收的請求數量。

◎　Object自定義指標或外部自定義指標：通常是一個數值，需要容器應用以某種方式提供，例如通過HTTP URL“/metrics”提供，或者使用外部服務提供的指標采集URL。

k8s從1.11版本開始，棄用基于Heapster組件完成Pod的CPU使用率采集的機制，全面轉向基于Metrics Server完成數據采集。Metrics Server將采集到的Pod性能指標數據通過聚合API（Aggregated API）如metrics.k8s.io、custom.metrics.k8s.io和external.metrics.k8s.io提供給HPA控制器進行查詢。關于聚合API和聚合器（API Aggregator）的概念我們后面詳細講解。

1.5、擴縮容策略

通過伸縮系數判斷是否要進行擴容或縮容。

HPA會根據獲得的指標數值，應用相應的算法算出一個伸縮系數，此系數是指標的期望值與目前值的比值，如果大于1表示擴容，小于1表示縮容。

容忍度

--horizontal-pod-autoscaler-tolerance：容忍度

它允許一定范圍內的使用量的不穩定，現在默認為0.1，這也是出于維護系統穩定性的考慮。

例如，設定HPA調度策略為cpu使用率高于50%觸發擴容，那么只有當使用率大于55%或者小于45%才會觸發伸縮活動，HPA會盡力把Pod的使用率控制在這個范圍之間。

算法

具體的每次擴容或者縮容的多少Pod的算法為: 期望副本數 = ceil[當前副本數 * ( 當前指標 / 期望指標 )]

舉個栗子

當前metric值是200m，期望值是100m，那么pod副本數將會翻一倍，因為比率為 200.0 / 100.0 = 2.0；

如果當前值是 50m ，我們會將pod副本數減半，因為 50.0 / 100.0 == 0.5

如果比率接近1.0，如0.9或1.1（即容忍度是0.1），將不會進行縮放（取決于內置的全局參數容忍度，–horizontal-pod-autoscaler-tolerance，默認值為0.1）。

此外，存在幾種Pod異常的情況，如下所述。

◎ Pod正在被刪除（設置了刪除時間戳）：將不會計入目標Pod副本數量。

◎ Pod的當前指標值無法獲得：本次探測不會將這個Pod納入目標Pod副本數量，后續的探測會被重新納入計算范圍。

◎ 如果指標類型是CPU使用率，則對于正在啟動但是還未達到Ready狀態的Pod，也暫時不會納入目標副本數量范圍。可以通過kube-controller-manager服務的啟動參數--horizontal-pod-autoscaler-initial-readiness-delay設置首次探測Pod是否Ready的延時時間，默認值為30s。另一個啟動參數--horizontal-pod-autoscaler-cpuinitialization-period設置首次采集Pod的CPU使用率的延時時間。

注意：

每次最大擴容pod數量不會超過當前副本數量的2倍

如果某些pod的容器沒有需要的的資源metrics，自動伸縮將不會根據這些metrics進行伸縮。

如果指定了targetAverageValue 或者 targetAverageUtilization，currentMetricValue是所有目標pod的metric取均值。在檢查容忍度和確定最終值之前，會結合參考pod是否就緒、是否丟失metrics。

設置了刪除時間戳的所有Pod（即處于關閉狀態的Pod）和所有失敗的Pod將被丟棄。

冷卻和延遲機制

使用HPA管理一組副本時，有可能因為metrics動態變化而導致副本數頻繁波動，這種現象叫做 “顛簸”。

想象一種場景：

當pod所需要的CPU負荷過大，從而在創建一個新pod的過程中，系統的CPU使用量可能會同樣在有一個攀升的過程。所以，在每一次作出決策后的一段時間內，將不再進行擴展決策。對于擴容而言，這個時間段為3分鐘，縮容為5分鐘

-- horizontal-pod-autoscaler-downscale- delay ：這個參數用于告訴autoscaler做完縮容操作后需要等多久才能進行下一次縮容，默認值是5分鐘。

--horizontal-pod-autoscaler-upscale-delay：這個參數用于告訴autoscaler做完擴容操作后需要等多久才能進行下一次擴容，默認值是3分鐘。

注意：使用者需要知道調整這個參數可能造成的影響。設置得太長，HPA對負載變化的響應也會變長；太短又會導致自動伸縮“顛簸”。

Pod延遲探測機制

如果指標類型是CPU使用率，則對于正在啟動但是還未達到Ready狀態的Pod，也暫時不會納入目標副本數量范圍。

可以通過kube-controller-manager服務的啟動參數--horizontal-pod-autoscaler-initial-readiness-delay設置首次探測Pod是否Ready的延時時間，默認值為30s。

另一個啟動參數--horizontal-pod-autoscaler-cpuinitialization-period設置首次采集Pod的CPU使用率的延時時間。

1.6、HPA獲取自定義指標（Custom Metrics）的底層實現（基于Prometheus）

Kubernetes是借助Agrregator APIServer擴展機制來實現Custom Metrics。Custom Metrics APIServer是一個提供查詢Metrics指標的API服務（Prometheus的一個適配器），這個服務啟動后，kubernetes會暴露一個叫custom.metrics.k8s.io的API，當請求這個URL時，請求通過Custom Metics APIServer去Prometheus里面去查詢對應的指標，然后將查詢結果按照特定格式返回。

二、HPA的metrics的分類

要支持最新的custom（包括external）的metrics，也需要使用新版本的HPA：autoscaling/v2beta1，里面增加四種類型的Metrics：Resource、Pods、Object、External，每種資源對應不同的場景，下面分別說明：

Resource支持k8s里Pod的所有系統資源（包括cpu、memory等），但是一般只會用cpu，memory因為不太敏感而且跟語言相關：大多數語言都有內存池及內置GC機制導致進程內存監控不準確。

Pods類型的metrics表示cpu，memory等系統資源之外且是由Pod自身提供的自定義metrics數據，比如用戶可以在web服務的pod里提供一個promesheus metrics的自定義接口，里面暴露了本pod的實時QPS監控指標，這種情況下就應該在HPA里直接使用Pods類型的metrics。

Object類型的metrics表示監控指標不是由Pod本身的服務提供，但是可以通過k8s的其他資源Object提供metrics查詢，比如ingress等，一般Object是需要匯聚關聯的Deployment下的所有的pods總的指標。

External類型的metrics也屬于自定義指標，與Pods和Object不同的是，其監控指標的來源跟k8s本身無關，metrics的數據完全取自外部的系統。

在HPA最新的版本 autoscaling/v2beta2 中又對metrics的配置和HPA擴縮容的策略做了完善，特別是對 metrics 數據的目標指標值的類型定義更通用靈活：包括AverageUtilization、AverageValue和Value，但是不是所有的類型的Metrics都支持三種目標值的，具體對應關系如下表。

HPA里的各種類型的Metrics和Metrics Target Type的對應支持關系表

三、HPA的使用說明

先看個最簡單的HPA的定義的例子

apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
  name: php-apache
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: php-apache
  minReplicas: 1
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 50

從上面的例子可以看出，HPA的spec定義由三個必填部分組成：

HPA控制的目標workload，即scaleTargetRef，理論上HPA可以對任意支持scale子接口（ sub-resource ）的workload做彈性伸縮，不過statefulset一般代表有狀態服務，副本不可隨便修改，而Job一般代表短生命周期的，所以基本可以認為HPA目前是專門控制deployment的擴縮容的（不建議直接控制RS，否則將無法滾動升級）。

彈性擴縮容的上下邊界，minReplicas和maxReplicas，也就是說HPA的擴縮容也不能是漫無邊際，如果計算出的副本數超過max則統一取maxReplicas，maxReplicas是為了保護k8s集群的資源被耗盡，minReplicas則相反，而且minReplicas必須不大于maxReplicas，但是也要大于0（k8s v1.16之后才放開允許Objetct和External類型的metrics的minReplicas為0，需要apiserver開啟–feature-gates mapStringBool HPAScaleToZero=true），兩者相等就相當于關閉了自動伸縮功能了，總的來說minReplicas和maxReplicas邊界機制避免metrics數據異常導致的副本數不受控，特別是HPA在k8s最新的v1.18版本也依然是alpha特性，強烈建議大家謹慎設置這兩個邊界。

metrics指標類型和目標值，在autoscaling/v1里只有targetCPUUtilizationPercentage，autoscaling/v2beta1開始就擴展為metrics數組了，也就是說一個HPA可以同時設置多個類型維度的metrics目標指標，如果有多個HPA 將會依次考量各個指標，然后最終HPA Controller選擇一個會選擇擴縮幅度最大的那個為最終擴容副本數。在最新的autoscaling/v2beta2版本的HPA中，metrics type共有4種類型：Resource、Pods、Object、External，target里則定義了metrics的目標期望值，這里target的type也有三種類型Utilization，AverageValue和 Value，不同的metrics type都只能支持部分target type（詳見上面表格）

此外，在autoscaling/v2beta2的HPA的spec里還新增了一個Behavior可選結構，它是用來精確控制HPA的擴容和縮容的速度。

完整的HPA的定義可參考k8s的官方API文檔。

默認HPA spec里不配置任何metrics的話k8s會默認設置cpu的Resouce，且目標類型是AverageUtilization value為80%。

四、HPA部署

4.1、HPA版本

查看HPA所有版本

[root@master C]# kubectl api-versions |grep autoscaling
autoscaling/v1			#只支持通過CPU為參考依據來改變Pod的副本數
autoscaling/v2beta1		#支持通過CPU、內存、連接數或者自定義規則為參考依據
autoscaling/v2beta2		#和v2beta1差不多

查看當前版本

[root@master C]# kubectl explain hpa
KIND:     HorizontalPodAutoscaler
VERSION:  autoscaling/v1  #可以看到使用的默認版本是v1
 
DESCRIPTION:
     configuration of a horizontal pod autoscaler.
 
FIELDS:
   apiVersion   <string>
     APIVersion defines the versioned schema of this representation of an
     object. Servers should convert recognized schemas to the latest internal
     value, and may reject unrecognized values. More info:
     https://git.k8s.io/community/contributors/devel/sig-architecture/api-conventions.md#resources
 
   kind <string>
     Kind is a string value representing the REST resource this object
     represents. Servers may infer this from the endpoint the client submits
     requests to. Cannot be updated. In CamelCase. More info:
     https://git.k8s.io/community/contributors/devel/sig-architecture/api-conventions.md#types-kinds
 
   metadata     <Object>
     Standard object metadata. More info:
     https://git.k8s.io/community/contributors/devel/sig-architecture/api-conventions.md#metadata
 
   spec <Object>
     behaviour of autoscaler. More info:
     https://git.k8s.io/community/contributors/devel/sig-architecture/api-conventions.md#spec-and-status.
 
   status       <Object>
     current information about the autoscaler.

指定使用版本，這里并不是修改，相當于執行這條命令時，指定了下版本

[root@master C]# kubectl explain hpa --api-version=autoscaling/v2beta1
KIND:     HorizontalPodAutoscaler
VERSION:  autoscaling/v2beta1
 
DESCRIPTION:
     HorizontalPodAutoscaler is the configuration for a horizontal pod
     autoscaler, which automatically manages the replica count of any resource
     implementing the scale subresource based on the metrics specified.
 
FIELDS:
   apiVersion   <string>
     APIVersion defines the versioned schema of this representation of an
     object. Servers should convert recognized schemas to the latest internal
     value, and may reject unrecognized values. More info:
     https://git.k8s.io/community/contributors/devel/sig-architecture/api-conventions.md#resources
 
   kind <string>
     Kind is a string value representing the REST resource this object
     represents. Servers may infer this from the endpoint the client submits
     requests to. Cannot be updated. In CamelCase. More info:
     https://git.k8s.io/community/contributors/devel/sig-architecture/api-conventions.md#types-kinds
 
   metadata     <Object>
     metadata is the standard object metadata. More info:
     https://git.k8s.io/community/contributors/devel/sig-architecture/api-conventions.md#metadata
 
   spec <Object>
     spec is the specification for the behaviour of the autoscaler. More info:
     https://git.k8s.io/community/contributors/devel/sig-architecture/api-conventions.md#spec-and-status.
 
   status       <Object>
     status is the current information about the autoscaler.

4.2、 HPA部署

（1）部署metrics-server

[root@master kube-system]# kubectl top nodes  #查看節點狀態，因為沒有安裝，所以會報錯
Error from server (NotFound): the server could not find the requested resource (get services http:heapster:)

編寫yaml文件，注意端口和鏡像

[root@master kube-system]# vim components-v0.5.0.yaml
apiVersion: v1
kind: ServiceAccount
metadata:
  labels:
    k8s-app: metrics-server
  name: metrics-server
  namespace: kube-system
---
apiVersion: rbac.authorization.k8s.io/v1
kind: ClusterRole
metadata:
  labels:
    k8s-app: metrics-server
    rbac.authorization.k8s.io/aggregate-to-admin: "true"
    rbac.authorization.k8s.io/aggregate-to-edit: "true"
    rbac.authorization.k8s.io/aggregate-to-view: "true"
  name: system:aggregated-metrics-reader
rules:
- apiGroups:
  - metrics.k8s.io
  resources:
  - pods
  - nodes
  verbs:
  - get
  - list
  - watch
---
apiVersion: rbac.authorization.k8s.io/v1
kind: ClusterRole
metadata:
  labels:
    k8s-app: metrics-server
  name: system:metrics-server
rules:
- apiGroups:
  - ""
  resources:
  - pods
  - nodes
  - nodes/stats
  - namespaces
  - configmaps
  verbs:
  - get
  - list
  - watch
---
apiVersion: rbac.authorization.k8s.io/v1
kind: RoleBinding
metadata:
  labels:
    k8s-app: metrics-server
  name: metrics-server-auth-reader
  namespace: kube-system
roleRef:
  apiGroup: rbac.authorization.k8s.io
  kind: Role
  name: extension-apiserver-authentication-reader
subjects:
- kind: ServiceAccount
  name: metrics-server
  namespace: kube-system
---
apiVersion: rbac.authorization.k8s.io/v1
kind: ClusterRoleBinding
metadata:
  labels:
    k8s-app: metrics-server
  name: metrics-server:system:auth-delegator
roleRef:
  apiGroup: rbac.authorization.k8s.io
  kind: ClusterRole
  name: system:auth-delegator
subjects:
- kind: ServiceAccount
  name: metrics-server
  namespace: kube-system
---
apiVersion: rbac.authorization.k8s.io/v1
kind: ClusterRoleBinding
metadata:
  labels:
    k8s-app: metrics-server
  name: system:metrics-server
roleRef:
  apiGroup: rbac.authorization.k8s.io
  kind: ClusterRole
  name: system:metrics-server
subjects:
- kind: ServiceAccount
  name: metrics-server
  namespace: kube-system
---
apiVersion: v1
kind: Service
metadata:
  labels:
    k8s-app: metrics-server
  name: metrics-server
  namespace: kube-system
spec:
  ports:
  - name: https
    port: 443
    protocol: TCP
    targetPort: https
  selector:
    k8s-app: metrics-server
---
apiVersion: apps/v1
kind: Deployment
metadata:
  labels:
    k8s-app: metrics-server
  name: metrics-server
  namespace: kube-system
spec:
  selector:
    matchLabels:
      k8s-app: metrics-server
  strategy:
    rollingUpdate:
      maxUnavailable: 0
  template:
    metadata:
      labels:
        k8s-app: metrics-server
    spec:
      containers:
      - args:
        - --cert-dir=/tmp
        - --secure-port=4443
        - --kubelet-preferred-address-types=InternalIP,ExternalIP,Hostname
        - --kubelet-use-node-status-port
        - --metric-resolution=15s
        - --kubelet-insecure-tls
        image: registry.cn-shenzhen.aliyuncs.com/zengfengjin/metrics-server:v0.5.0
        imagePullPolicy: IfNotPresent
        livenessProbe:
          failureThreshold: 3
          httpGet:
            path: /livez
            port: https
            scheme: HTTPS
          periodSeconds: 10
        name: metrics-server
        ports:
        - containerPort: 4443
          name: https
          protocol: TCP
        readinessProbe:
          failureThreshold: 3
          httpGet:
            path: /readyz
            port: https
            scheme: HTTPS
          initialDelaySeconds: 20
          periodSeconds: 10
        resources:
          requests:
            cpu: 100m
            memory: 200Mi
        securityContext:
          readOnlyRootFilesystem: true
          runAsNonRoot: true
          runAsUser: 1000
        volumeMounts:
        - mountPath: /tmp
          name: tmp-dir
      nodeSelector:
        kubernetes.io/os: linux
      priorityClassName: system-cluster-critical
      serviceAccountName: metrics-server
      volumes:
      - emptyDir: {}
        name: tmp-dir
---
apiVersion: apiregistration.k8s.io/v1
kind: APIService
metadata:
  labels:
    k8s-app: metrics-server
  name: v1beta1.metrics.k8s.io
spec:
  group: metrics.k8s.io
  groupPriorityMinimum: 100
  insecureSkipTLSVerify: true
  service:
    name: metrics-server
    namespace: kube-system
  version: v1beta1
  versionPriority: 100

部署

[root@master kube-system]# kubectl apply -f components-v0.5.0.yaml
serviceaccount/metrics-server created
clusterrole.rbac.authorization.k8s.io/system:aggregated-metrics-reader created
clusterrole.rbac.authorization.k8s.io/system:metrics-server created
rolebinding.rbac.authorization.k8s.io/metrics-server-auth-reader created
clusterrolebinding.rbac.authorization.k8s.io/metrics-server:system:auth-delegator created
clusterrolebinding.rbac.authorization.k8s.io/system:metrics-server created
service/metrics-server created
deployment.apps/metrics-server created
apiservice.apiregistration.k8s.io/v1beta1.metrics.k8s.io created
 
#查看創建的pod
[root@master kube-system]# kubectl get pods -n kube-system| egrep 'NAME|metrics-server'
NAME                              READY   STATUS              RESTARTS   AGE
metrics-server-5944675dfb-q6cdd   0/1     ContainerCreating   0          6s
 
 #查看日志
[root@master kube-system]# kubectl logs metrics-server-5944675dfb-q6cdd  -n kube-system 
I0718 03:06:39.064633       1 serving.go:341] Generated self-signed cert (/tmp/apiserver.crt, /tmp/apiserver.key)
I0718 03:06:39.870097       1 configmap_cafile_content.go:202] Starting client-ca::kube-system::extension-apiserver-authentication::client-ca-file
I0718 03:06:39.870122       1 configmap_cafile_content.go:202] Starting client-ca::kube-system::extension-apiserver-authentication::requestheader-client-ca-file
I0718 03:06:39.870159       1 shared_informer.go:240] Waiting for caches to sync for client-ca::kube-system::extension-apiserver-authentication::client-ca-file
I0718 03:06:39.870160       1 shared_informer.go:240] Waiting for caches to sync for client-ca::kube-system::extension-apiserver-authentication::requestheader-client-ca-file
I0718 03:06:39.870105       1 requestheader_controller.go:169] Starting RequestHeaderAuthRequestController
I0718 03:06:39.871166       1 shared_informer.go:240] Waiting for caches to sync for RequestHeaderAuthRequestController
I0718 03:06:39.872804       1 dynamic_serving_content.go:130] Starting serving-cert::/tmp/apiserver.crt::/tmp/apiserver.key
I0718 03:06:39.875741       1 secure_serving.go:197] Serving securely on [::]:4443
I0718 03:06:39.876050       1 tlsconfig.go:240] Starting DynamicServingCertificateController
I0718 03:06:39.970469       1 shared_informer.go:247] Caches are synced for client-ca::kube-system::extension-apiserver-authentication::client-ca-file
I0718 03:06:39.970575       1 shared_informer.go:247] Caches are synced for client-ca::kube-system::extension-apiserver-authentication::requestheader-client-ca-file
I0718 03:06:39.971610       1 shared_informer.go:247] Caches are synced for RequestHeaderAuthRequestController
 
#如果報錯的化，可以修改apiserver的yaml文件，這是k8s的yaml文件
[root@master kube-system]# vim /etc/kubernetes/manifests/kube-apiserver.yaml
 
 40     - --tls-cert-file=/etc/kubernetes/pki/apiserver.crt
 41     - --tls-private-key-file=/etc/kubernetes/pki/apiserver.key
 42     - --enable-aggregator-routing=true     #添加這行
 43     image: registry.aliyuncs.com/google_containers/kube-apiserver:v1.18.0
 44     imagePullPolicy: IfNotPresent
 
#保存退出
[root@master kube-system]# systemctl restart kubelet  #修改后重啟kubelet
 
#再次查看節點信息
 
[root@master kube-system]# kubectl top node
NAME     CPU(cores)   CPU%   MEMORY(bytes)   MEMORY%
master   327m         4%     3909Mi          23%
node     148m         1%     1327Mi          8%

（2）創建Deployment

這里創建一個nginx的deployment

[root@master test]# cat nginx.yaml
apiVersion: apps/v1
kind: Deployment
metadata:
  name: nginx
spec:
  selector:
    matchLabels:
      run: nginx
  replicas: 1
  template:
    metadata:
      labels:
        run: nginx
    spec:
      containers:
      - name: nginx
        image: nginx:1.15.2
        ports:
        - containerPort: 80
        resources:
          limits:
            cpu: 500m
          requests:  #想要HPA生效，必須添加requests聲明
            cpu: 200m
 
---
apiVersion: v1
kind: Service
metadata:
  name: nginx
  labels:
    run: nginx
spec:
  ports:
  - port: 80
  selector:
    run: nginx

訪問測試

[root@master test]# kubectl get pods -o wide
NAME                    READY   STATUS    RESTARTS   AGE   IP            NODE   NOMINATED NODE   READINESS GATES
nginx-9cb8d65b5-tq9v4   1/1     Running   0          14m   10.244.1.22   node   <none>           <none>
[root@master test]# kubectl get svc nginx
NAME    TYPE        CLUSTER-IP      EXTERNAL-IP   PORT(S)   AGE
nginx   ClusterIP   172.16.169.27   <none>        80/TCP    15m
[root@master test]# kubectl describe svc nginx
Name:              nginx
Namespace:         default
Labels:            run=nginx
Annotations:       Selector:  run=nginx
Type:              ClusterIP
IP:                172.16.169.27
Port:              <unset>  80/TCP
TargetPort:        80/TCP
Endpoints:         10.244.1.22:80
Session Affinity:  None
Events:            <none>
[root@node test]# curl 172.16.169.27  #訪問成功
<!DOCTYPE html>
<html>
<head>
<title>Welcome to nginx!</title>
<style>
    body {
        width: 35em;
        margin: 0 auto;
        font-family: Tahoma, Verdana, Arial, sans-serif;
    }
</style>
</head>
<body>
<h1>Welcome to nginx!</h1>
<p>If you see this page, the nginx web server is successfully installed and
working. Further configuration is required.</p>
 
<p>For online documentation and support please refer to
<a href="http://nginx.org/">nginx.org</a>.<br/>
Commercial support is available at
<a href="http://nginx.com/">nginx.com</a>.</p>
 
<p><em>Thank you for using nginx.</em></p>
</body>
</html>

（3）基于CPU創建HPA

#創建一個cpu利用率達到20，最大10個pod，最小1個，這里沒有指定版本所以默認是v1版本，而v1版本只能以CPU為標準
[root@master test]# kubectl autoscale deployment nginx --cpu-percent=20 --min=1 --max=10
horizontalpodautoscaler.autoscaling/nginx autoscaled
 
#TARGETS可以看到使用率
[root@master test]# kubectl get hpa
NAME    REFERENCE          TARGETS   MINPODS   MAXPODS   REPLICAS   AGE
nginx   Deployment/nginx   0%/20%    1         10        1          86s
 
#創建一個測試pod增加負載，訪問地址要和pod的svc地址相同
[root@master ~]# kubectl  run busybox -it --image=busybox -- /bin/sh -c 'while true; do wget -q -O- http://10.244.1.22; done'
 
 
#過一分鐘后看hap的使用率，REPLICAS是當前pod的數量
[root@master test]# kubectl get hpa
NAME    REFERENCE          TARGETS   MINPODS   MAXPODS   REPLICAS   AGE
nginx   Deployment/nginx   27%/20%   1         10        5          54m
 
[root@master test]# kubectl get pods   #再看pod數量，發現已經增加到了5個
NAME                    READY   STATUS    RESTARTS   AGE
bustbox                 1/1     Running   0          119s
nginx-9cb8d65b5-24dg2   1/1     Running   0          57s
nginx-9cb8d65b5-c6n98   1/1     Running   0          87s
nginx-9cb8d65b5-ksjzv   1/1     Running   0          57s
nginx-9cb8d65b5-n77fm   1/1     Running   0          87s
nginx-9cb8d65b5-tq9v4   1/1     Running   0          84m
[root@master test]# kubectl get deployments.apps
NAME    READY   UP-TO-DATE   AVAILABLE   AGE
nginx   5/5     5            5           84m
 
 
#此時，停止壓測，過好幾分鐘后再次查看pod數量和使用率
[root@master test]# kubectl delete pod busybox  #終止后，刪除pod
[root@master test]# kubectl get hpa  #雖然使用率已經降到0了，但是可以看到當前REPLICAS的數量還5，這個需要等一會就會縮容
NAME    REFERENCE          TARGETS   MINPODS   MAXPODS   REPLICAS   AGE
nginx   Deployment/nginx   0%/20%    1         10        5          58m
 
#過了幾分鐘后，可以看到pod數量已經回到了1
[root@master test]# kubectl get hpa
NAME    REFERENCE          TARGETS   MINPODS   MAXPODS   REPLICAS   AGE
nginx   Deployment/nginx   0%/20%    1         10        1          64m  
[root@master test]# kubectl get pods
NAME                    READY   STATUS    RESTARTS   AGE
nginx-9cb8d65b5-tq9v4   1/1     Running   0          95m

（4）基于內存創建的HPA

#先把上面創建的資源刪除
[root@master test]# kubectl delete horizontalpodautoscalers.autoscaling  nginx
horizontalpodautoscaler.autoscaling "nginx" deleted
[root@master test]# kubectl delete -f nginx.yaml
deployment.apps "nginx" deleted
service "nginx" deleted

重新編寫yaml文件

[root@master test]# cat nginx.yaml
apiVersion: apps/v1
kind: Deployment
metadata:
  name: nginx
spec:
  selector:
    matchLabels:
      run: nginx
  replicas: 1
  template:
    metadata:
      labels:
        run: nginx
    spec:
      containers:
      - name: nginx
        image: nginx:1.15.2
        ports:
        - containerPort: 80
        resources:
          limits:
            cpu: 500m
            memory: 60Mi
          requests:
            cpu: 200m
            memory: 25Mi
 
---
apiVersion: v1
kind: Service
metadata:
  name: nginx
  labels:
    run: nginx
spec:
  ports:
  - port: 80
  selector:
    run: nginx
 
[root@master test]# kubectl apply -f nginx.yaml
deployment.apps/nginx created
service/nginx created

創建HPA

[root@master test]# vim hpa-nginx.yaml
apiVersion: autoscaling/v2beta1  #上面的hpa版本有提到過，使用基于內存的hpa需要換個版本
kind: HorizontalPodAutoscaler
metadata:
  name: nginx-hpa
spec:
  maxReplicas: 10  #1-10的pod數量限制
  minReplicas: 1
  scaleTargetRef:               #指定使用hpa的資源對象，版本、類型、名稱要和上面創建的相同
    apiVersion: apps/v1
    kind: Deployment
    name: nginx
  metrics:
  - type: Resource
    resource:
      name: memory
      targetAverageUtilization: 50   #限制%50的內存

[root@master test]# kubectl apply -f hpa-nginx.yaml
horizontalpodautoscaler.autoscaling/nginx-hpa created
[root@master test]# kubectl get hpa
NAME        REFERENCE          TARGETS   MINPODS   MAXPODS   REPLICAS   AGE
nginx-hpa   Deployment/nginx   7%/50%    1         10        1          59s

更換終端測試

#在pod中執行命令，增加內存負載
[root@master ~]# kubectl exec -it nginx-78f4944bb8-2rz7j -- /bin/sh -c 'dd if=/dev/zero of=/tmp/file1'

等待負載上去，然后查看pod數量與內存使用率

在線咨詢

上一篇：HTML表格制作
下一篇：每天一個CSS小技巧 - 梯形標簽頁

您的項目需求

*請認真填寫需求信息，我們會在24小時內與您取得聯系。

整合營銷服務商