【K8S系列】深入解析 ReplicaSet

2023-11-07 09:41

本文主要是介绍【K8S系列】深入解析 ReplicaSet,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

序言

1 基础介绍 

1.1 重要特性

1.2 控制器

1.3 标签选择器

示例配置文件:

1.4 自动伸缩

示例配置文件:

2 拓展

2.1 Deployment 水平扩展

思考问题:

3 投票


序言

要从容地着手去做一件事,但一旦开始,就要坚持到底

Kubernetes (k8s) 是一个容器编排平台,允许在容器中运行应用程序和服务。今天学习一下k8s ReplicaSet。

文章标记颜色说明:

  • 黄色:重要标题
  • 红色:用来标记结论
  • 绿色:用来标记一级论点
  • 蓝色:用来标记二级论点

1 基础介绍 

Kubernetes ReplicaSet 是 Kubernetes 中的一个重要组件,它用于确保指定数量的 Pod 副本正在运行

在本节中,我们将深入探讨 Kubernetes ReplicaSet 的一些关键特性和使用方法。

1.1 重要特性

下面是一些 ReplicaSet 的重要特性

  1. Pod 副本数的控制:通过 ReplicaSet,用户可以指定想要的 Pod 副本数目,ReplicaSet 会自动创建或删除 Pod 副本来达到该数量。

  2. 根据标签选择器筛选 Pod:ReplicaSet 会基于一组标签选择器来选择匹配的 Pod,以便创建或删除相应的 Pod 副本。标签选择器可以指定某个应用的所有 Pod,也可以根据不同的部署环境来选择特定的 Pod。

  3. 确保 Pod 的健康状态:ReplicaSet 会监控所有的 Pod 副本的运行状态,并确保在有 Pod 发生故障时进行恢复。如果某个 Pod 副本意外退出,ReplicaSet 会自动创建一个新的 Pod 副本来代替它,以维持指定的副本数。

  4. 滚动更新和回滚:ReplicaSet 还支持滚动更新和回滚操作,用户可以通过指定更新的策略和版本号,对应用程序进行更新和回滚操作。

  5. 与其他控制器的协作:ReplicaSet 可以与其他 Kubernetes 控制器对象(如 Deployment)协同工作,来完成应用程序的部署和管理任务。

1.2 控制器

在 Kubernetes 中,ReplicaSet 是一种控制器(Controller)它实现了 Kubernetes API 对象的控制循环(Control Loop)

控制循环是 Kubernetes 中所有控制器的核心概念,它负责将系统状态调整为所需状态。

ReplicaSet 控制器的控制循环过程如下:

  1. ReplicaSet 控制器监视 Pod 的状态,确保其与当前 ReplicaSet 配置文件中定义的副本数一致。

  2. 数量小于情况:如果当前 Pod 的数量小于 ReplicaSet 配置文件中定义的数量,则 ReplicaSet 控制器会启动新的 Pod 副本来替换当前缺少的 Pod。

  3. 数量大于情况:如果当前 Pod 的数量大于 ReplicaSet 配置文件中定义的数量,则 ReplicaSet 控制器会停止一些 Pod 副本,以保持与定义的数量一致。

1.3 标签选择器

ReplicaSet 控制器使用标签选择器(Label Selector)来选择要控制的 Pod。所以,在 ReplicaSet 配置文件中,可以使用标签选择器指定要控制的 Pod 的标签。

ReplicaSet 控制器将根据标签选择器选择符合条件的 Pod,确保其数量与 ReplicaSet 配置文件中定义的副本数一致。

示例配置文件:

apiVersion: apps/v1
kind: ReplicaSet #资源类型
metadata:name: my-replicaset
spec:replicas: 3selector:matchLabels:app: my-apptemplate:metadata:labels:app: my-appspec:containers:- name: my-containerimage: my-imageports:- containerPort: 80

在上面的示例中,ReplicaSet 控制器将根据 matchLabels: app: my-app 标签选择器选择符合条件的 Pod,确保其数量与 replicas: 3 中定义的副本数一致。

Pod 模板定义了要控制的 Pod 的规格、容器镜像、环境变量、挂载卷等信息。

1.4 自动伸缩

ReplicaSet 控制器还可以结合 HorizontalPodAutoscaler(HPA)组件实现自动伸缩功能HPA 可以根据 Pod 的 CPU 使用率等指标来自动调整 ReplicaSet 中的 Pod 副本数,以满足应用程序的需求。

当应用程序的负载增加时,HPA 可以自动增加 Pod 副本数从而提高应用程序的吞吐量

当负载下降时,HPA 可以自动减少 Pod 副本数从而节省资源。

示例配置文件:

apiVersion: autoscaling/v1
kind: HorizontalPodAutoscaler #资源类型
metadata:name: my-hpa
spec:scaleTargetRef:apiVersion: apps/v1kind: ReplicaSetname: my-replicasetminReplicas: 1maxReplicas: 10targetCPUUtilizationPercentage: 50

在上面的示例中,HPA 将根据 targetCPUUtilizationPercentage: 50 指定的 CPU 使用率来自动调整 my-replicaset ReplicaSet 中的 Pod 副本数,确保其数在 1 到 10 之间。

2 拓展

2.1 Deployment 水平扩展

Deployment 看似简单,但实际上,它实现了 Kubernetes 项目中一个非常重要的功能:Pod 的“水平扩展 / 收缩”(horizontal scaling out/in)。这个功能,是从 PaaS 时代开始,一个平台级项目就必须具备的编排能力。

举个例子,如果你更新了 Deployment 的 Pod 模板(比如,修改了容器的镜像),那么 Deployment 就需要遵循一种叫作“滚动更新”(rolling update)的方式,来升级现有的容器。

而这个能力的实现,依赖的是 Kubernetes 项目中的一个非常重要的概念(API 对象):ReplicaSet。

ReplicaSet 的结构非常简单,可以通过这个 YAML 文件查看一下:

apiVersion: apps/v1
kind: ReplicaSet #资源类型
metadata:name: nginx-setlabels:app: nginx
spec:replicas: 3selector:matchLabels:app: nginxtemplate:metadata:labels:app: nginxspec:containers:- name: nginximage: nginx:1.7.9

思考问题:

对于一个 Deployment 所管理的 Pod,它的 ownerReference 是谁?

答案是:ReplicaSet。 

可以看到,这就是一个常用的 nginx-deployment,它定义的 Pod 副本个数是 3(spec.replicas=3)。

在具体的实现上,这个 Deployment,与 ReplicaSet,以及 Pod 的关系是怎样的呢?

可以用一张图把它描述出来:

通过这张图,可以清楚的看到,一个定义了 replicas=3 的 Deployment,与它的ReplicaSet,以及 Pod 的关系,实际上是一种“层层控制”的关系。 

其中,ReplicaSet 负责通过“控制器模式”,保证系统中 Pod 的个数永远等于指定的个数(比如,3 个)。

这也正是 Deployment 只允许容器的 restartPolicy=Always 的主要原因:只有在容器能保证自己始终是 Running 状态的前提下,ReplicaSet 调整 Pod 的个数才有意义。

而在此基础上,Deployment 同样通过“控制器模式”,来操作 ReplicaSet 的个数和属性,进而实现“水平扩展 / 收缩”和“滚动更新”这两个编排动作。

其中,“水平扩展 / 收缩”非常容易实现,Deployment Controller 只需要修改它所控制的 ReplicaSet 的 Pod 副本个数就可以了。

$ kubectl scale deployment nginx-deployment --replicas=4
deployment.apps/nginx-deployment scaled

比如,把这个值从 3 改成 4,那么 Deployment 所对应的 ReplicaSet,就会根据修改后的值自动创建一个新的 Pod。

这就是“水平扩展”了;“水平收缩”则反之。

3 投票

这篇关于【K8S系列】深入解析 ReplicaSet的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/362791

相关文章

深度解析Python中递归下降解析器的原理与实现

《深度解析Python中递归下降解析器的原理与实现》在编译器设计、配置文件处理和数据转换领域,递归下降解析器是最常用且最直观的解析技术,本文将详细介绍递归下降解析器的原理与实现,感兴趣的小伙伴可以跟随... 目录引言:解析器的核心价值一、递归下降解析器基础1.1 核心概念解析1.2 基本架构二、简单算术表达

深度解析Java @Serial 注解及常见错误案例

《深度解析Java@Serial注解及常见错误案例》Java14引入@Serial注解,用于编译时校验序列化成员,替代传统方式解决运行时错误,适用于Serializable类的方法/字段,需注意签... 目录Java @Serial 注解深度解析1. 注解本质2. 核心作用(1) 主要用途(2) 适用位置3

Java MCP 的鉴权深度解析

《JavaMCP的鉴权深度解析》文章介绍JavaMCP鉴权的实现方式,指出客户端可通过queryString、header或env传递鉴权信息,服务器端支持工具单独鉴权、过滤器集中鉴权及启动时鉴权... 目录一、MCP Client 侧(负责传递,比较简单)(1)常见的 mcpServers json 配置

从原理到实战解析Java Stream 的并行流性能优化

《从原理到实战解析JavaStream的并行流性能优化》本文给大家介绍JavaStream的并行流性能优化:从原理到实战的全攻略,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的... 目录一、并行流的核心原理与适用场景二、性能优化的核心策略1. 合理设置并行度:打破默认阈值2. 避免装箱

Maven中生命周期深度解析与实战指南

《Maven中生命周期深度解析与实战指南》这篇文章主要为大家详细介绍了Maven生命周期实战指南,包含核心概念、阶段详解、SpringBoot特化场景及企业级实践建议,希望对大家有一定的帮助... 目录一、Maven 生命周期哲学二、default生命周期核心阶段详解(高频使用)三、clean生命周期核心阶

深入解析C++ 中std::map内存管理

《深入解析C++中std::map内存管理》文章详解C++std::map内存管理,指出clear()仅删除元素可能不释放底层内存,建议用swap()与空map交换以彻底释放,针对指针类型需手动de... 目录1️、基本清空std::map2️、使用 swap 彻底释放内存3️、map 中存储指针类型的对象

Java Scanner类解析与实战教程

《JavaScanner类解析与实战教程》JavaScanner类(java.util包)是文本输入解析工具,支持基本类型和字符串读取,基于Readable接口与正则分隔符实现,适用于控制台、文件输... 目录一、核心设计与工作原理1.底层依赖2.解析机制A.核心逻辑基于分隔符(delimiter)和模式匹

Java+AI驱动实现PDF文件数据提取与解析

《Java+AI驱动实现PDF文件数据提取与解析》本文将和大家分享一套基于AI的体检报告智能评估方案,详细介绍从PDF上传、内容提取到AI分析、数据存储的全流程自动化实现方法,感兴趣的可以了解下... 目录一、核心流程:从上传到评估的完整链路二、第一步:解析 PDF,提取体检报告内容1. 引入依赖2. 封装

深度解析Python yfinance的核心功能和高级用法

《深度解析Pythonyfinance的核心功能和高级用法》yfinance是一个功能强大且易于使用的Python库,用于从YahooFinance获取金融数据,本教程将深入探讨yfinance的核... 目录yfinance 深度解析教程 (python)1. 简介与安装1.1 什么是 yfinance?

99%的人都选错了! 路由器WiFi双频合一还是分开好的专业解析与适用场景探讨

《99%的人都选错了!路由器WiFi双频合一还是分开好的专业解析与适用场景探讨》关于双频路由器的“双频合一”与“分开使用”两种模式,用户往往存在诸多疑问,本文将从多个维度深入探讨这两种模式的优缺点,... 在如今“没有WiFi就等于与世隔绝”的时代,越来越多家庭、办公室都开始配置双频无线路由器。但你有没有注