Como escalar aplicações no Kubernetes 1.26 usando HPA (Horizontal Pod Autoscaler): Guia prático

O Horizontal Pod Autoscaler (HPA) é uma ferramenta poderosa no Kubernetes que permite escalar automaticamente o número de pods em uma aplicação com base em métricas observadas, como uso de CPU ou memória. Neste guia prático, vamos explorar como configurar e utilizar o HPA na versão 1.26 do Kubernetes.

Pré-requisitos

• Kubernetes 1.26 instalado e configurado.
• kubectl configurado para acessar o cluster.
• Metrics Server instalado no cluster.

Passo a Passo para Configurar o HPA

1. Instalar o Metrics Server

O Metrics Server é necessário para coletar métricas de uso de recursos. Para instalá-lo, execute:

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

2. Criar um Deployment

Primeiro, vamos criar um Deployment de exemplo. Crie um arquivo chamado deployment.yaml:

apiVersion: apps/v1
kind: Deployment
metadata:
  name: minha-aplicacao
spec:
  replicas: 1
  selector:
    matchLabels:
      app: minha-aplicacao
  template:
    metadata:
      labels:
        app: minha-aplicacao
    spec:
      containers:
      - name: app
        image: nginx
        resources:
          requests:
            cpu: 200m
            memory: 512Mi
          limits:
            cpu: 400m
            memory: 1Gi

Agora, aplique o Deployment:

kubectl apply -f deployment.yaml

3. Criar o Horizontal Pod Autoscaler

Com o Deployment criado, agora vamos criar o HPA. Execute o seguinte comando:

kubectl autoscale deployment minha-aplicacao --cpu-percent=50 --min=1 --max=10

4. Verificar o HPA

Para verificar se o HPA foi criado corretamente, utilize:

kubectl get hpa

Conclusão

O HPA é uma ferramenta essencial para garantir que suas aplicações no Kubernetes possam escalar automaticamente com base na demanda. Lembre-se de monitorar suas métricas e ajustar os limites conforme necessário para otimizar o desempenho e os custos.

Dica: Utilize kubectl describe hpa minha-aplicacao para obter mais informações sobre o comportamento do HPA e as métricas que ele está utilizando.