📚 课程目录第1章课程导论

1. 课程导论：KEDA 项目背景、事件驱动弹性伸缩的价值、控制面协同的概念

1.1 KEDA 项目背景

Kubernetes 内置的 Horizontal Pod Autoscaler (HPA) 基于 CPU / 内存等资源指标进行伸缩，但在实际生产中存在明显局限：

指标源单一：仅支持资源指标与自定义指标，无法直接对接消息队列、数据库、事件总线等外部系统。
伸缩粒度粗：HPA 的决策周期默认为 15 秒，对突发流量响应滞后。
无事件语义：无法感知“队列深度”、“消息延迟”、“未处理作业数”等业务级事件。

KEDA (Kubernetes Event-Driven Autoscaling) 由 Microsoft 与 Red Hat 于 2019 年联合开源，旨在填补这一空白。KEDA 作为 Kubernetes 的 事件驱动伸缩组件，能够从 50+ 外部触发器（如 Kafka、RabbitMQ、Azure Queue、Prometheus、AWS SQS 等）获取指标，并动态驱动 HPA 进行伸缩。

  核心定位： KEDA 不是替代 HPA，而是作为 HPA 的“指标注入器”与“事件感知层”，让 HPA 能够基于外部事件做出伸缩决策。

1.2 事件驱动弹性伸缩的价值

传统基于资源利用率的伸缩模式，在事件驱动场景下存在三个关键缺陷：

对比维度	资源驱动伸缩	事件驱动伸缩
触发信号	CPU / 内存利用率	队列深度、消息延迟、事件速率
响应速度	分钟级（需等待指标采集 + 决策周期）	秒级（事件到达即触发）
资源效率	容易过度预留或欠载	按实际工作负载精确伸缩
适用场景	Web 服务、稳态负载	消息处理、批处理、流计算、CI/CD

事件驱动弹性伸缩带来的直接收益：

零闲置：无事件时缩容到零副本，节省资源成本。
即时响应：事件积压立即触发扩容，避免处理延迟。
业务对齐：伸缩策略直接反映业务负载，而非间接资源指标。

典型场景： 某金融风控系统使用 KEDA 监听 Kafka 交易事件，当队列积压超过 1000 条时，3 秒内自动扩容 10 个 Pod 处理突发交易；空闲时段缩容至 0，每月节省 60% 计算成本。

1.3 控制面协同的概念

在 Kubernetes 控制面中，弹性伸缩并非单一组件的行为，而是多个控制面组件之间的 协同工作流。KEDA 引入后，控制面协同的参与者包括：

KEDA Operator：监听 ScaledObject / ScaledJob 自定义资源，管理触发器与 HPA 的映射。
KEDA Metrics Server：作为 Kubernetes 自定义指标 API 的适配器，向 HPA 提供外部指标。
HPA (Horizontal Pod Autoscaler)：根据 KEDA 提供的指标值计算期望副本数，并更新 Deployment / StatefulSet 的副本数。
事件源 (Event Source)：Kafka、RabbitMQ、Prometheus 等外部系统，提供实时事件数据。
工作负载 (Workload)：被伸缩的 Deployment、StatefulSet 或 Job。

下图展示了 KEDA 在控制面中的协同位置与数据流：

1.4 协同的关键机制

控制面协同的核心在于 ScaledObject 自定义资源，它定义了触发器、伸缩范围与工作负载之间的映射关系。以下是一个典型的 ScaledObject 配置示例：

apiVersion: keda.sh/v1alpha1
kind: ScaledObject
metadata:
  name: kafka-consumer-scaler
spec:
  scaleTargetRef:
    name: kafka-consumer-deployment   # 目标工作负载
  minReplicaCount: 0                  # 最小副本数（支持缩零）
  maxReplicaCount: 20                 # 最大副本数
  triggers:
  - type: kafka
    metadata:
      bootstrapServers: kafka-cluster:9092
      topic: orders
      lagThreshold: "100"             # 延迟超过 100 条时触发扩容
      consumerGroup: consumer-group-a
  advanced:
    horizontalPodAutoscalerConfig:
      behavior:
        scaleDown:
          stabilizationWindowSeconds: 60
          policies:
          - type: Percent
            value: 50
            periodSeconds: 30

注意： 控制面协同要求 KEDA Operator、Metrics Server 与 HPA 之间的版本兼容。KEDA 2.x 要求 Kubernetes 1.19+，且需要启用 autoscaling/v2 API。生产环境中建议使用 Helm Chart 统一部署，避免组件版本不一致导致的协同故障。

1.5 本章小结

KEDA 通过将事件源、KEDA 控制面、HPA 与工作负载四个层次串联，实现了 事件驱动的控制面协同弹性伸缩。这种协同模式相比传统资源驱动伸缩，具备以下优势：

更精准：基于业务事件而非间接资源指标。
更快速：事件到达即触发，无需等待指标采集周期。
更经济：支持缩容到零，消除闲置资源浪费。
更可扩展：50+ 内置触发器，支持自定义触发器扩展。