Java教程
Deployment控制器
本文主要是介绍Deployment控制器，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！
目录
-
Deployment控制器
-
1.deployment及副本数
- 使用命令生产yaml文件模板
- 控制器通过什么管理pod？
- 2.副本数修改方法
- 3.动态扩展HPA
-
4.镜像滚动升级及回滚
- 升级
- 回退
-
1.deployment及副本数
Deployment控制器
1.deployment及副本数
在k8s里，最小的调度单位是pod，但是pod本身不稳定，导致系统不健壮，没有可再生性(自愈)
在k8s集群中，业务需要成百上千甚至更多的pod，而对于这些pod的管理，k8s提供了很多个控制器，Deployment就是其中一个
集群中只需要告诉deploy你想要多少个pod即可，多的，删掉。少的，补齐。
deploy有2种方式创建，一种是yaml文件，另一种就是命令行了
在1.17以前使用kubectl run 这个命令默认创建的是deploy
在1.17以后使用kubectl run 这个命令默认创建的是pod
使用命令生产yaml文件模板
# 其实生成方法跟pod是一样的，唯一不同的就是不是使用run [root@master k8s]# kubectl create deployment deploy1 --image=nginx --dry-run=client -o yaml > deploy1.yaml
这样就生成了一个yaml文件，可以进去修改
apiVersion: apps/v1
kind: Deployment
metadata:
creationTimestamp: null
labels:
app: deploy1
name: deploy1
spec:
# 这里是控制副本数，可以根据需求修改
replicas: 3
selector:
# 留意一下这个地方
matchLabels:
app: deploy1
strategy: {}
template:
metadata:
creationTimestamp: null
labels:
app: deploy1
spec:
# 这个器使用地方是控制器产生的容的镜像，拉取策略啥的
containers:
- image: nginx
imagePullPolicy: IfNotPresent
name: nginx
resources: {}
status: {}
修改好之后我们就可以使用这个yaml文件去创建控制器了，来看看效果，我们指定了3个副本
[root@master k8s]# kubectl apply -f deploy1.yaml deployment.apps/deploy1 created [root@master k8s]# kubectl get deployments NAME READY UP-TO-DATE AVAILABLE AGE deploy1 1/3 3 1 10s
他现在只ready了一个，等待一会之后我们再查一次
[root@master k8s]# kubectl get deployments NAME READY UP-TO-DATE AVAILABLE AGE deploy1 3/3 3 3 33s # 我们来查一下pod [root@master k8s]# kubectl get pods -o wide NAME READY STATUS RESTARTS AGE IP NODE NOMINATED NODE READINESS GATES deploy1-7f56c55d4c-6fjgc 1/1 Running 0 3m18s 10.244.104.25 node2 <none> <none> deploy1-7f56c55d4c-h4xj2 1/1 Running 0 3m18s 10.244.104.22 node2 <none> <none> deploy1-7f56c55d4c-zhx6n 1/1 Running 0 3m18s 10.244.166.130 node1 <none> <none>
发现他确实是启动了3个pod，我们之前说到，如果pod少了他会再创建新的，我们来看看是不是这样
我们删除node1上的这个pod，名字是deploy1-7f56c55d4c-zhx6n [root@master k8s]# kubectl delete pod/deploy1-7f56c55d4c-zhx6n pod "deploy1-7f56c55d4c-zhx6n" deleted [root@master k8s]# kubectl get pod -o wide NAME READY STATUS RESTARTS AGE IP NODE NOMINATED NODE READINESS GATES deploy1-7f56c55d4c-6fjgc 1/1 Running 0 4m34s 10.244.104.25 node2 <none> <none> deploy1-7f56c55d4c-h4xj2 1/1 Running 0 4m34s 10.244.104.22 node2 <none> <none> deploy1-7f56c55d4c-rwd4l 1/1 Running 0 8s 10.244.166.129 node1 <none> <none>
控制器通过什么管理pod？
我们可以看到，之前那个pod确实被删除了，但是马上就有一个新的pod启动了，我们通过名字，以及运行时间都是看到的，这是一个刚创建的pod
那么这个控制器是通过什么去管理这些pod的呢？ 是通过标签，我们现在先删除这个控制器
注意：不要直接删pod，因为你删不完，上面说过了，他会控制在pod保持在你规定的数量，所以pod你是删不完的
删除控制器之后我们重新创建一个pod，然后再去创建控制器，再将pod的标签改成与控制器创建出来的pod一致，我们来看看效果
# 首先自行创建一个pod [root@master k8s]# kubectl run pod01 --image=nginx --image-pull-policy=IfNotPresent pod/pod01 created [root@master k8s]# kubectl get pods NAME READY STATUS RESTARTS AGE pod01 1/1 Running 0 5s # 然后我们再通过yaml文件去创建控制器 [root@master k8s]# kubectl apply -f deploy1.yaml deployment.apps/deploy1 created [root@master k8s]# kubectl get pods NAME READY STATUS RESTARTS AGE deploy1-7f56c55d4c-5czhw 1/1 Running 0 5s deploy1-7f56c55d4c-bgtft 1/1 Running 0 5s deploy1-7f56c55d4c-tqlz2 1/1 Running 0 5s pod01 1/1 Running 0 35s
现在我们可以发现pod是4个，一个是我们手动创建的，不归控制器管理，另外3个是控制器创建的，现在我们开始修改pod01的标签
# 查看标签 [root@master k8s]# kubectl get pods --show-labels NAME READY STATUS RESTARTS AGE LABELS deploy1-7f56c55d4c-5czhw 1/1 Running 0 90s app=deploy1,pod-template-hash=7f56c55d4c deploy1-7f56c55d4c-bgtft 1/1 Running 0 90s app=deploy1,pod-template-hash=7f56c55d4c deploy1-7f56c55d4c-tqlz2 1/1 Running 0 90s app=deploy1,pod-template-hash=7f56c55d4c pod01 1/1 Running 0 2m run=pod01 # 我们将pod01 的标签修改，先删除原有标签 [root@master k8s]# kubectl label pod/pod01 run- pod/pod01 unlabeled # 添加2个标签，与其他3个保持一致 [root@master k8s]# kubectl label pod/pod01 app=deploy1 pod-template-hash=7f56c55d4c pod/pod01 labeled # 此时再去查看pod [root@master k8s]# kubectl get pods NAME READY STATUS RESTARTS AGE deploy1-7f56c55d4c-5czhw 1/1 Running 0 2m48s deploy1-7f56c55d4c-bgtft 1/1 Running 0 2m48s deploy1-7f56c55d4c-tqlz2 1/1 Running 0 2m48s
现在我们发现，之前手工创建的pod没有了，当然，你自己在做这个实验的时候他可能会把你手动创建的pod保留下来，这个跟他他的算法来的，不一定是非要删除手动创建的pod
在上面那个yaml文件里我就标出来了一行叫做matchLabels，翻译过来就是匹配标签嘛，也就是说只有在这里定义好的，才能被匹配到
2.副本数修改方法
副本数量修改的方式有3种
- 在线修改，类似于vim
[root@master k8s]# kubectl edit deployments.apps deploy1 # 进入之后找到replicas: 3，将3改成你想要的数量，:wq保存退出，我将3改成5 deployment.apps/deploy1 edited [root@master k8s]# kubectl get pod NAME READY STATUS RESTARTS AGE deploy1-7f56c55d4c-22897 1/1 Running 0 107s deploy1-7f56c55d4c-djh5c 1/1 Running 0 10s deploy1-7f56c55d4c-qzvpx 1/1 Running 0 10s deploy1-7f56c55d4c-w5znc 1/1 Running 0 107s deploy1-7f56c55d4c-xpwjn 1/1 Running 0 107s
那么这个就是在线修改
2. 命令行修改
这个比较简单
# --replicas 就是指定副本数 [root@master k8s]# kubectl scale deployment deploy1 --replicas 3 deployment.apps/deploy1 scaled [root@master k8s]# kubectl get pods NAME READY STATUS RESTARTS AGE deploy1-7f56c55d4c-djh5c 1/1 Running 0 51s deploy1-7f56c55d4c-w5znc 1/1 Running 0 2m28s deploy1-7f56c55d4c-xpwjn 1/1 Running 0 2m28s
- 修改yaml文件
这种方式就是通过修改你之前创建deploy的yaml文件，然后重新应用一下就可以了
# [root@master k8s]# vim deploy1.yaml
apiVersion: apps/v1
kind: Deployment
metadata:
creationTimestamp: null
labels:
app: deploy1
name: deploy1
spec:
# 修改这里然后重新应用一下
replicas: 8
selector:
matchLabels:
app: deploy1
strategy: {}
template:
metadata:
creationTimestamp: null
labels:
app: deploy1
spec:
containers:
- image: nginx
imagePullPolicy: IfNotPresent
name: nginx
resources: {}
status: {}
重新应用
[root@master k8s]# kubectl apply -f deploy1.yaml deployment.apps/deploy1 configured [root@master k8s]# kubectl get pods NAME READY STATUS RESTARTS AGE deploy1-7f56c55d4c-787bw 1/1 Running 0 18s deploy1-7f56c55d4c-8smn7 1/1 Running 0 18s deploy1-7f56c55d4c-djh5c 1/1 Running 0 3m31s deploy1-7f56c55d4c-kqqfc 1/1 Running 0 18s deploy1-7f56c55d4c-pqrmh 1/1 Running 0 18s deploy1-7f56c55d4c-w5znc 1/1 Running 0 5m8s deploy1-7f56c55d4c-xpqcl 1/1 Running 0 18s deploy1-7f56c55d4c-xpwjn 1/1 Running 0 5m8s
这三种方式都是比较简单的，随意通过哪种方式都可以进行修改
3.动态扩展HPA
前提条件，安装metrics-server
HPA其实就是水平pod伸缩，如果用过公有云的话，这个HPA其实就是跟公有云里面的弹性伸缩是一样的道理，为什么需要这个呢？
假如你的业务流量白天比较少，但是晚上比较高，那么你是不是可以让他白天保持在3个pod，晚上让他创建10个甚至更多个pod呢，是可以的吧，但是你不可能一直手工去修改deploy的副本数啊，所以就出现了这个HPA，他就是用来监视你的pod的，如果pod的资源利用率过高，那么他就会新创建一些pod
HPA是针对于deployment的，我们来看看示例
# 我们首先将deploy的副本数修改成8 [root@master k8s]# kubectl scale deployment deploy1 --replicas 8 deployment.apps/deploy1 scaled # 改好之后我们针对这个deploy来创建一个hpa，最少pod要有2个，最多6个，我们现在 [root@master k8s]# kubectl autoscale deployment deploy1 --min 2 --max 6 horizontalpodautoscaler.autoscaling/deploy1 autoscaled # 然后我们再来查看pod的数量 [root@master k8s]# kubectl get pods NAME READY STATUS RESTARTS AGE deploy1-7f56c55d4c-787bw 1/1 Running 0 27m deploy1-7f56c55d4c-djh5c 1/1 Running 0 30m deploy1-7f56c55d4c-f4v8s 1/1 Running 0 5m54s deploy1-7f56c55d4c-twhwn 1/1 Running 0 5m54s deploy1-7f56c55d4c-xpqcl 1/1 Running 0 27m deploy1-7f56c55d4c-xpsld 1/1 Running 0 5m54s
我们并没有修改deploy的副本数，但是现在pod只剩下6个了，我们同样可以查到hpa
[root@master k8s]# kubectl get hpa NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE deploy1 Deployment/deploy1 <unknown>/80% 2 6 6 3m17s
我们在查看这个hpa的时候，会发现他的TARGETS显示的是unknown，如果他是unknown的话他是监测不到资源利用率的，所以也没有办法去动态的伸缩，所以我们要想办法把他显示成正常的数值，让他监测到
他检测不到数值的原因是因为我们并没有指定数值，我们现在先删除hpa，然后需要在线修改一下deploy的配置文件
# Please edit the object below. Lines beginning with a '#' will be ignored,
# and an empty file will abort the edit. If an error occurs while saving this file will be
# reopened with the relevant failures.
#
apiVersion: apps/v1
kind: Deployment
metadata:
annotations:
deployment.kubernetes.io/revision: "2"
kubectl.kubernetes.io/last-applied-configuration: |
{"apiVersion":"apps/v1","kind":"Deployment","metadata":{"annotations":{},"creationTimestamp":null,"labels":{"app":"deploy1"},"name":"deploy1","namespace":"default"},"spec":{"replicas":8,"selector":{"matchLabels":{"app":"deploy1"}},"strategy":{},"template":{"metadata":{"creationTimestamp":null,"labels":{"app":"deploy1"}},"spec":{"containers":[{"image":"nginx","imagePullPolicy":"IfNotPresent","name":"nginx","resources":{}}]}}},"status":{}}
creationTimestamp: "2024-01-13T03:34:01Z"
generation: 10
labels:
app: deploy1
name: deploy1
namespace: default
resourceVersion: "232702"
uid: 7a1e57af-4fdd-475d-bc72-be95413e7885
spec:
progressDeadlineSeconds: 600
replicas: 6
revisionHistoryLimit: 10
selector:
matchLabels:
app: deploy1
strategy:
rollingUpdate:
maxSurge: 25%
maxUnavailable: 25%
type: RollingUpdate
template:
metadata:
creationTimestamp: null
labels:
app: deploy1
spec:
containers:
- image: nginx
imagePullPolicy: IfNotPresent
name: nginx
# 就是这里，这里的resources默认是个空的，现在将他修改一下
resources:
requests:
cpu: 400m
terminationMessagePath: /dev/termination-log
terminationMessagePolicy: File
dnsPolicy: ClusterFirst
restartPolicy: Always
schedulerName: default-scheduler
securityContext: {}
terminationGracePeriodSeconds: 30
status:
availableReplicas: 6
conditions:
- lastTransitionTime: "2024-01-13T04:00:05Z"
lastUpdateTime: "2024-01-13T04:00:05Z"
message: Deployment has minimum availability.
修改完上面这个文件之后，我们等一会再去查看hpa
[root@master k8s]# kubectl get hpa NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE deploy1 Deployment/deploy1 0%/80% 2 6 6 69s
可以看到这里的数值正常显示了，因为现在的利用率是0，那么按道理说他应该会减少pod，我们稍等一会来查看pod
[root@master k8s]# kubectl get pods NAME READY STATUS RESTARTS AGE deploy1-588569cb96-4cjdk 1/1 Running 0 8m9s deploy1-588569cb96-d944g 1/1 Running 0 8m9s
我们发现，现在的pod数量只有2个了
那他的阈值是80%，我们能不能对这个阈值进行修改呢？当然也是可以的
# 我们先删除hpa [root@master k8s]# kubectl delete hpa deploy1 horizontalpodautoscaler.autoscaling "deploy1" deleted # 然后我们重新创建一个hpa，指定cpu的阈值 horizontalpodautoscaler.autoscaling "deploy1" deleted [root@master k8s]# kubectl autoscale deployment deploy1 --max 6 --min 2 --cpu-percent 60 horizontalpodautoscaler.autoscaling/deploy1 autoscaled # 查看hpa，稍等一会 [root@master k8s]# kubectl get hpa NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE deploy1 Deployment/deploy1 <unknown>/60% 2 6 0 3s # 再次查询，数值正确 [root@master k8s]# kubectl get hpa NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE deploy1 Deployment/deploy1 0%/60% 2 6 2 28s
我们现在也可以尝试一下让他动态扩展
- 安装ab(apache bench)工具
- 创建svc，使外部可以访问到pod
- 开始压测，观察伸缩结果
# 安装工具 [root@master k8s]# yum install httpd-tools # 创建svc [root@master k8s]# kubectl expose deployment --port=80 --target-port=80 deploy1 --type=NodePort # 建议再开一个会话，一个用来压测，另一个用来观察 # 将副本数量改为一个，并且指定阈值为50% [root@master k8s]# kubectl autoscale deployment deploy1 --min 1 --max 6 --cpu-percent 50 # 删除之前的svc，重新创建一个 [root@master k8s]# kubectl expose deployment deploy1 --port=80 --target-port=80 --type=NodePort # 首先查看当前pod [root@master k8s]# kubectl get pods NAME READY STATUS RESTARTS AGE deploy1-588569cb96-czqnf 1/1 Running 0 5m25s # 开始压测 [root@master k8s]# ab -t 600 -n 1000000 -c 1000 http://master:30860/index.html # 切换到另一个会话观察 [root@master k8s]# kubectl get hpa NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE deploy1 Deployment/deploy1 57%/50% 1 6 2 2m50s [root@master k8s]# kubectl get pod NAME READY STATUS RESTARTS AGE deploy1-588569cb96-5rr4j 1/1 Running 0 23s deploy1-588569cb96-czqnf 1/1 Running 0 7m36s
我们可以看到，通过压测，我们的pod数量从1个提升到了2个，继续等待下去会提升到更多
4.镜像滚动升级及回滚
升级
滚动升级也是有3种方式
- 在线编辑
# 查看现在的版本，现在使用的是最新版的nginx [root@master k8s]# kubectl get deployments.apps -o wide NAME READY UP-TO-DATE AVAILABLE AGE CONTAINERS IMAGES SELECTOR deploy1 8/8 8 8 14s nginx nginx app=deploy1 [root@master k8s]# kubectl edit deployments.apps deploy1 # 进去之后找到image，改成你想使用的版本然后退出 deployment.apps/deploy1 edited # 查看修改后的版本 [root@master k8s]# kubectl get deployments.apps -o wide NAME READY UP-TO-DATE AVAILABLE AGE CONTAINERS IMAGES SELECTOR deploy1 6/8 4 6 40s nginx nginx:1.19 app=deploy1 # 我们也可以看看pod的状态 [root@master k8s]# kubectl get pods NAME READY STATUS RESTARTS AGE deploy1-58459c85c6-2kwgd 0/1 ContainerCreating 0 15s deploy1-58459c85c6-645pg 0/1 ContainerCreating 0 15s deploy1-58459c85c6-6nwgp 0/1 ContainerCreating 0 15s deploy1-58459c85c6-jtzvd 0/1 ContainerCreating 0 15s deploy1-7f56c55d4c-6nrz6 1/1 Running 0 53s deploy1-7f56c55d4c-b8xhn 1/1 Running 0 53s deploy1-7f56c55d4c-m2ljc 1/1 Running 0 53s deploy1-7f56c55d4c-q8b7h 1/1 Running 0 53s deploy1-7f56c55d4c-qmlws 1/1 Running 0 53s deploy1-7f56c55d4c-z86tb 1/1 Running 0 53s
他会先删除25%旧版本的pod，然后再启动一些新的pod。不会一次性全部升级
2. 修改yaml文件
我们将创建deploy的yaml文件修改，修改image那个地方，修改完之后重新apply
apiVersion: apps/v1
kind: Deployment
metadata:
creationTimestamp: null
labels:
app: deploy1
name: deploy1
spec:
replicas: 8
selector:
matchLabels:
app: deploy1
strategy: {}
template:
metadata:
creationTimestamp: null
labels:
app: deploy1
spec:
containers:
- image: nginx
imagePullPolicy: IfNotPresent
name: nginx
resources: {}
status: {}
改完之后重新应用一下
[root@master k8s]# kubectl apply -f deploy1.yaml deployment.apps/deploy1 configured # 查看版本，变回最新版 [root@master k8s]# kubectl get deployments.apps -o wide NAME READY UP-TO-DATE AVAILABLE AGE CONTAINERS IMAGES SELECTOR deploy1 8/8 8 8 25m nginx nginx app=deploy1
- 命令行修改
直接使用命令行进行修改
[root@master k8s]# kubectl set image deploy deploy1 nginx=nginx:1.19 deployment.apps/deploy1 image updated # 查看版本 [root@master k8s]# kubectl get deployments.apps -o wide NAME READY UP-TO-DATE AVAILABLE AGE CONTAINERS IMAGES SELECTOR deploy1 6/8 4 6 26m nginx nginx:1.19 app=deploy1
升级以及回退默认情况下是不会被记录下来的，就像这样
[root@master k8s]# kubectl rollout history deployment deploy1 deployment.apps/deploy1 REVISION CHANGE-CAUSE 4 <none> 5 <none>
他显示的是none，如果你想要他将你的修改记录下来，那么加上--record=true就好了，来看看效果
[root@master k8s]# kubectl edit deployments.apps deploy1 --record=true # 通过哪种方式都行，但是记得加上参数--record=true deployment.apps/deploy1 edited [root@master k8s]# kubectl rollout history deployment deploy1 deployment.apps/deploy1 REVISION CHANGE-CAUSE 4 <none> 5 <none> 6 kubectl edit deployments.apps deploy1 --record=true
现在我们的操作就会被记录下来了
回退
刚刚这种是升级，如果我们升级后发现这个镜像有缺陷，有问题，我们想回退到之前的版本可以吗？可以的，它不仅支持动态升级，且支持回退
回退很简单，一条命令就搞定了
# 我们可以先查一下我们具体要回退的版本，也可以不查，像这种方式就是回退到上一个版本 [root@master k8s]# kubectl rollout undo deployment deploy1 deployment.apps/deploy1 rolled back # 我们还可以通过指定回退版本让他回退到我们想要的版本，这种方式就要先查询一下了 [root@master k8s]# kubectl rollout history deployment deploy1 deployment.apps/deploy1 REVISION CHANGE-CAUSE 4 <none> 7 kubectl set image deploy deploy1 nginx=nginx --record=true 8 kubectl edit deployments.apps deploy1 --record=true # 我们想要他回到7这个版本 [root@master k8s]# kubectl rollout undo deployment deploy1 --to-revision 7 deployment.apps/deploy1 rolled back # 这样就实现了回退
这篇关于Deployment控制器的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！
您可能喜欢
-
怎么修改Kafka的JVM参数？-icode9专业技术文章分享12-24
-
线下车企门店如何实现线上线下融合？12-23
-
鸿蒙Next ArkTS编程规范总结12-23
-
物流团队冬至高效运转，哪款办公软件可助力风险评估？12-23
-
优化库存，提升效率：医药企业如何借助看板软件实现仓库智能化12-23
-
项目管理零负担！轻量化看板工具如何助力团队协作12-23
-
电商活动复盘，为何是团队成长的核心环节？12-23
-
鸿蒙Next ArkTS高性能编程实战12-23
-
数据驱动：电商复盘从基础到进阶！12-23
-
从数据到客户：跨境电商如何通过销售跟踪工具提升营销精准度？12-23
-
汽车4S店运营效率提升的核心工具12-23
-
ERP 系统开发案例：用 PERT 图打造高效项目管理12-23
-
初创团队必备！全面解析支持甘特图的项目管理工具与功能特点12-23
-
任务进度跟踪不再难！可视化项目协作工具精选12-23
-
看板工具为汽车销售门店协作赋能：关键方法12-23
栏目导航
