4. HPA 核心机制：Metrics Server vs Prometheus Adapter、自定义指标与外部指标

Horizontal Pod Autoscaler（HPA）是 Kubernetes 控制面弹性伸缩的核心组件。理解 HPA 的指标来源与适配器机制，是排查弹性伸缩故障的前提。本章深入剖析 Metrics Server 与 Prometheus Adapter 的架构差异、自定义指标与外部指标的数据流，以及常见故障模式。

4.1 指标来源架构对比

Kubernetes 原生 HPA 支持三类指标来源，分别对应不同的数据采集与暴露路径：

4.2 Metrics Server 与 Prometheus Adapter 核心差异

两者虽然都提供指标给 HPA，但在架构定位、数据精度、扩展性方面存在本质区别：

4.3 自定义指标数据流与故障点

自定义指标从 Prometheus 采集到 HPA 决策的完整路径包含 5 个关键节点：

4.4 外部指标的特殊性

外部指标（External Metrics）与自定义指标的关键区别在于：外部指标不绑定到任何 Kubernetes 对象（Pod/Namespace），而是直接引用集群外部的数据源。典型场景包括：

• 消息队列长度：Kafka 消费者滞后、RabbitMQ 队列深度
• 数据库连接池：MySQL 活跃连接数、Redis 内存使用率
• 云服务指标：AWS SQS 消息数、GCP Pub/Sub 订阅积压

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: consumer-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: consumer
  minReplicas: 2
  maxReplicas: 10
  metrics:
  - type: External
    external:
      metric:
        name: kafka_consumer_lag
        selector:
          matchLabels:
            topic: "orders"
            group: "payment-group"
      target:
        type: AverageValue
        averageValue: "100"

4.5 指标适配器配置对比

Prometheus Adapter 通过 configmap 定义指标发现规则。以下对比两种常见配置模式：

4.6 故障排查清单

当 HPA 无法基于自定义/外部指标伸缩时，按以下顺序排查：

1. 验证 API 可用性：kubectl get apiservice | grep metrics 确认状态为 True
2. 测试 Adapter 响应：kubectl get --raw /apis/custom.metrics.k8s.io/v1beta1 返回非空列表
3. 检查 PromQL 查询：在 Prometheus UI 中手动执行 Adapter 配置的查询语句
4. 确认指标标签：HPA 的 matchLabels 必须与 Prometheus 指标标签完全一致
5. 查看 Adapter 日志：kubectl logs -n monitoring prometheus-adapter-xxx 搜索 error/warn
6. 验证 HPA 事件：kubectl describe hpa <name> 查看 Conditions 和 Events