📚 课程目录第4章自动扩缩容原理

4. 自动扩缩容原理：水平Pod自动扩缩（HPA）、垂直Pod自动缩（VPA）、集群节点自动扩缩（CA）

在Serverless集群中，自动扩缩容是保障服务稳定性与资源利用率的核心机制。Kubernetes原生提供了三种互补的自动扩缩维度：水平Pod自动扩缩（HPA）、垂直Pod自动扩缩（VPA）和集群节点自动扩缩（CA）。理解这三者的原理、适用场景及协同关系，是进行容量规划的基础。

4.1 水平Pod自动扩缩（HPA）

HPA通过动态调整工作负载的Pod副本数量，来应对业务流量的变化。其核心逻辑是一个控制循环，周期性地采集指标，计算期望副本数，并更新Deployment或StatefulSet的replicas字段。

4.1.1 工作原理

指标采集：HPA控制器通过Metrics Server或自定义指标API（如Prometheus Adapter）获取Pod的当前资源使用率（如CPU、内存）或自定义业务指标（如QPS、请求延迟）。
期望副本计算：使用公式 期望副本数 = ceil(当前副本数 × (当前指标值 / 目标指标值)) 进行计算。
更新与冷却：HPA将计算结果写入目标工作负载的spec.replicas，并遵循冷却窗口（--horizontal-pod-autoscaler-downscale-stabilization-window，默认5分钟）防止频繁抖动。

  关键公式：

  desiredReplicas = ceil[currentReplicas * (currentMetricValue / desiredMetricValue)]

4.1.2 典型配置示例

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: serverless-app-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: serverless-app
  minReplicas: 2
  maxReplicas: 20
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 70
  - type: Pods
    pods:
      metric:
        name: requests_per_second
      target:
        type: AverageValue
        averageValue: 1000

4.1.3 适用场景与局限

维度	说明
适用场景	无状态服务、Web应用、API网关、微服务等流量波动明显的场景。
主要局限	无法解决单个Pod资源不足导致的性能瓶颈；扩容存在延迟（指标采集周期+冷却窗口）。
容量规划要点	需合理设置minReplicas保证基础容量，maxReplicas防止资源耗尽，目标利用率需结合业务SLA设定。

容量规划建议： 对于延迟敏感型Serverless应用，建议将HPA的目标CPU利用率设置在50%-70%之间，预留足够的突发缓冲空间，避免因扩容延迟导致请求超时。

4.2 垂直Pod自动扩缩（VPA）

VPA专注于调整单个Pod的CPU和内存资源请求（requests）与限制（limits），使Pod获得与其实际负载匹配的资源配额，避免资源浪费或不足。

4.2.1 工作模式

Recommender（推荐器）：基于历史指标和OOM事件，生成资源推荐值。
Updater（更新器）：驱逐需要调整资源的Pod，使其在重新创建时应用新的资源规格。
Admission Controller（准入控制器）：在Pod创建时，自动注入VPA推荐的资源值。

4.2.2 更新策略

策略	行为	适用场景
Auto	自动驱逐Pod并更新资源，需要Pod支持原地重启或重建。	无状态服务，可接受短暂中断。
Recreate	与Auto类似，但明确要求重建Pod。	需要完全重新调度的工作负载。
Initial	仅在Pod创建时设置推荐值，之后不再更新。	避免运行时驱逐，适合有状态服务。
Off	仅提供推荐值，不执行任何自动操作。	人工审核推荐值后再手动调整。

重要限制： VPA目前不能与HPA同时基于CPU/内存指标使用。如果HPA已基于CPU利用率进行扩缩，启用VPA会导致两者相互冲突。通常建议：HPA负责水平扩缩，VPA负责优化Pod资源规格，两者通过不同的指标维度（如HPA用QPS，VPA用CPU）或错开使用来避免冲突。

4.3 集群节点自动扩缩（CA）

CA负责在集群层面管理计算节点（Node）的数量。当集群资源不足，Pod无法被调度时，CA会触发节点扩容；当节点利用率过低且Pod可以被重新调度到其他节点时，CA会缩容节点。

4.3.1 触发条件

扩容触发：Pod处于Pending状态，原因是资源不足（CPU、内存、端口等），且该Pod不属于DaemonSet或已设置容忍度。
缩容触发：节点上所有Pod的CPU和内存请求总和低于阈值（默认50%），且所有Pod都可以被调度到其他节点。

4.3.2 与HPA/VPA的协同关系

在Serverless集群中，三种扩缩容机制形成完整的资源供给链路：

4.3.3 容量规划中的关键配置

配置项	推荐值	说明
缩容阈值	50% 节点资源利用率	低于此值时CA考虑缩容节点，避免资源碎片。
扩容缓冲	10%-20% 额外资源	在节点资源使用率达到80%-90%时提前扩容，应对突发流量。
节点组最小/最大	根据业务波峰波谷设定	最小节点数保障基础容量，最大节点数控制成本上限。
缩容冷却时间	10-15分钟	避免因短暂流量下降导致节点频繁上下线。

4.4 三种扩缩容机制的对比总结

维度	HPA	VPA	CA
扩缩对象	Pod 副本数	Pod 资源规格（requests/limits）	集群节点数
响应速度	秒级到分钟级	分钟级（需Pod重建）	分钟级到十分钟级（需云商接口）
主要指标	CPU、内存、自定义指标	历史资源使用率、OOM事件	Pod调度状态、节点资源利用率
成本影响	间接影响（Pod数量变化）	直接影响（Pod资源单价变化）	直接影响（节点数量变化）
容量规划角色	应对流量波动，保障SLA	优化资源规格，减少浪费	保障集群整体资源池充足

  核心结论： 在Serverless集群容量规划中，HPA、VPA和CA三者缺一不可。HPA解决“需要多少个Pod”的问题，VPA解决“每个Pod需要多少资源”的问题，CA解决“集群是否有足够节点”的问题。合理的配置顺序是：先通过VPA优化Pod资源规格，再通过HPA设置合理的扩缩阈值，最后通过CA保障底层资源池的弹性供给。