Komplet Guide: Lokal Kubernetes Cluster med Ingress, Monitoring & Autoscaling

Denne guide viser hele processen:

1. Opsæt en lokal Kubernetes-cluster med kind.
2. Installer en NGINX Ingress Controller.
3. Deploy en test-applikation.
4. Installer en monitoring stack med Prometheus & Grafana.
5. Konfigurer automatisk skalering (HPA) baseret på CPU-forbrug.

Forudsætninger

Sørg for, at du har følgende værktøjer installeret:

• Docker Desktop
• kubectl (Kubernetes Command-line Tool)
• kind (Kubernetes in Docker)
• helm (The Kubernetes Package Manager)

---

Trin 1: Opret Cluster med Port-mapping

1. Opret kind-config.yaml:

   # kind-config.yaml
   kind: Cluster
   apiVersion: kind.x-k8s.io/v1alpha4
   nodes:
   - role: control-plane
     extraPortMappings:
     - containerPort: 80
       hostPort: 80
       protocol: TCP
     - containerPort: 443
       hostPort: 443
       protocol: TCP

2. Opret clusteren:

   kind create cluster --config=kind-config.yaml

---

Trin 2: Installer NGINX Ingress Controller

1. Installer controlleren fra det kind-optimerede manifest:

   kubectl apply -f [https://raw.githubusercontent.com/kubernetes/ingress-nginx/main/deploy/static/provider/kind/deploy.yaml](https://raw.githubusercontent.com/kubernetes/ingress-nginx/main/deploy/static/provider/kind/deploy.yaml)

2. Vent på, at controlleren er klar:

   kubectl wait --namespace ingress-nginx \
     --for=condition=ready pod \
     --selector=app.kubernetes.io/component=controller \
     --timeout=90s

---

Trin 3: Deploy Test-applikation med Ressource-anmodninger

For at autoskalering kan virke, skal vi specificere resources.requests.

1. Opret app-deployment.yaml:

   # app-deployment.yaml
   apiVersion: apps/v1
   kind: Deployment
   metadata:
     name: my-nginx-app
   spec:
     replicas: 2
     selector:
       matchLabels:
         app: my-nginx
     template:
       metadata:
         labels:
           app: my-nginx
       spec:
         containers:
         - name: nginx
           image: nginx:latest
           ports:
           - containerPort: 80
           resources:
             requests:
               cpu: "100m"
               memory: "128Mi"
             limits:
               cpu: "200m"
               memory: "256Mi"
   ---
   apiVersion: v1
   kind: Service
   metadata:
     name: my-nginx-service
   spec:
     selector:
       app: my-nginx
     ports:
       - protocol: TCP
         port: 80
         targetPort: 80

2. Opret app-ingress.yaml:

   # app-ingress.yaml
   apiVersion: networking.k8s.io/v1
   kind: Ingress
   metadata:
     name: my-nginx-ingress
   spec:
     ingressClassName: nginx
     rules:
     - http:
         paths:
         - path: /
           pathType: Prefix
           backend:
             service:
               name: my-nginx-service
               port:
                 number: 80

3. Anvend filerne:

   kubectl apply -f app-deployment.yaml
   kubectl apply -f app-ingress.yaml

---

Trin 4: Verificer Applikationen

Åbn din browser og gå til http://localhost. Du skulle se "Welcome to nginx!".

---

Trin 5: Installer Monitoring (Prometheus & Grafana)

1. Tilføj Helm Repository:

   helm repo add prometheus-community [https://prometheus-community.github.io/helm-charts](https://prometheus-community.github.io/helm-charts)
   helm repo update

2. Installer kube-prometheus-stack:

   helm install kube-prometheus-stack prometheus-community/kube-prometheus-stack --namespace monitoring --create-namespace

3. Få adgang til Grafana: Åbn en ny terminal og kør:

   kubectl --namespace monitoring port-forward svc/kube-prometheus-stack-grafana 3000:80

4. Find adgangskode (i PowerShell):

   [System.Text.Encoding]::UTF8.GetString([System.Convert]::FromBase64String($(kubectl get secret --namespace monitoring kube-prometheus-stack-grafana -o jsonpath='{.data.admin-password}')))

5. Log ind på Grafana:
   • URL: http://localhost:3000
   • Bruger: admin
   • Kode: Koden fra kommandoen ovenfor.

---

Trin 6: Opsæt Autoskalering (HPA)

1. Installer Metrics Server. HPA'en har brug for denne for at hente CPU-data.

   kubectl apply -f [https://github.com/kubernetes-sigs/metrics-server/releases/latest/download/components.yaml](https://github.com/kubernetes-sigs/metrics-server/releases/latest/download/components.yaml)
   kubectl patch -n kube-system deployment metrics-server --type=json -p='[{"op": "add", "path": "/spec/template/spec/containers/0/args/-", "value": "--kubelet-insecure-tls"}]'

2. Opret app-hpa.yaml:

   # app-hpa.yaml
   apiVersion: autoscaling/v2
   kind: HorizontalPodAutoscaler
   metadata:
     name: my-nginx-hpa
   spec:
     scaleTargetRef:
       apiVersion: apps/v1
       kind: Deployment
       name: my-nginx-app
     minReplicas: 2
     maxReplicas: 10
     metrics:
     - type: Resource
       resource:
         name: cpu
         target:
           type: Utilization
           averageUtilization: 50

3. Anvend HPA-filen:

   kubectl apply -f app-hpa.yaml

---

Trin 7: Test Autoskalering

1. Åbn k9s og gå til HPA-viewet (:hpa) for at observere.

2. Generer belastning (i PowerShell): Start 10 parallelle jobs.

   1..10 | ForEach-Object {
       Start-Job -ScriptBlock {
           while ($true) {
               try {
                   Invoke-WebRequest -Uri http://localhost -UseBasicParsing | Out-Null
               } catch {}
           }
       }
   }

   Du vil se antallet af pods stige.

3. Stop belastningen: Når du er færdig, skal du stoppe og rydde op i dine jobs.

   Get-Job | Stop-Job
   Get-Job | Remove-Job

   Efter 5 minutter vil HPA'en skalere antallet af pods ned til 2 igen.

---

Trin 8: Ryd op

Når du er helt færdig, kan du slette alt med én kommando:

kind delete cluster