3. KEDA 核心概念：ScaledObject、ScaledJob、TriggerAuthentication、ClusterTriggeredScaler 原理

KEDA（Kubernetes Event-Driven Autoscaling）的核心价值在于将事件驱动的弹性伸缩能力无缝注入 Kubernetes 生态。理解其四大核心原语——ScaledObject、ScaledJob、TriggerAuthentication 与 ClusterTriggeredScaler——是掌握 KEDA 架构与容量规划实践的基础。本章将从原理、配置模型与适用场景三个维度深入剖析这些概念。

3.1 核心原语总览

KEDA 通过 CRD（Custom Resource Definition）扩展 Kubernetes API，以下表格概括了四大核心原语的角色与定位：

3.2 ScaledObject：事件驱动的工作负载缩放器

ScaledObject 是 KEDA 最常用的原语，它定义了“何时缩放”与“缩放多少”的规则。其核心工作原理包含三个步骤：

1. 指标采集： KEDA Operator 根据 ScaledObject 中定义的 triggers 配置，启动对应的 Scaler（如 Kafka Scaler、Prometheus Scaler），定期从事件源拉取指标值。
2. 指标暴露： KEDA 将采集到的指标转换为自定义指标（Custom Metrics），并通过 Kubernetes Metrics Server 或 Prometheus Adapter 暴露给 HPA。
3. HPA 决策： HPA 根据指标值与目标值（targetValue 或 targetAverageValue）计算期望副本数，并调整 Deployment/StatefulSet 的副本数。

以下是一个典型的 ScaledObject YAML 示例，用于基于 Kafka 消息积压自动缩放一个 Web 服务：

apiVersion: keda.sh/v1alpha1
kind: ScaledObject
metadata:
  name: kafka-web-consumer-scaler
  namespace: production
spec:
  scaleTargetRef:
    name: web-consumer          # 目标 Deployment 名称
    kind: Deployment
    apiVersion: apps/v1
  pollingInterval: 15           # 每 15 秒轮询一次事件源
  cooldownPeriod: 60            # 缩容冷却期 60 秒
  minReplicaCount: 2            # 最小副本数
  maxReplicaCount: 20           # 最大副本数
  triggers:
  - type: kafka
    metadata:
      topic: orders-events
      bootstrapServers: kafka-cluster:9092
      consumerGroup: web-group
      lagThreshold: "100"       # 当积压超过 100 条时触发扩容
      activationLagThreshold: "10"  # 低于 10 条时允许缩容
    authenticationRef:
      name: kafka-auth-trigger  # 引用 TriggerAuthentication

3.3 ScaledJob：事件驱动的批处理任务

ScaledJob 专为批处理场景设计，它不依赖 HPA，而是直接管理 Kubernetes Job 的创建与删除。当事件源指标超过阈值时，KEDA 会创建新的 Job 实例；当指标回落时，Job 会被清理或允许自然完成。

ScaledJob 与 ScaledObject 的关键区别在于：

3.4 TriggerAuthentication：安全连接事件源

TriggerAuthentication 是 KEDA 的认证抽象层，它解耦了事件源的凭据管理与缩放策略定义。支持三种认证模式：

• Secret 引用： 直接引用 Kubernetes Secret 中的键值对。
• Pod Identity： 使用 Azure AD Pod Identity、AWS IAM Roles for Service Accounts 等云原生身份。
• 环境变量： 从 ScaledObject 所在 Pod 的环境变量中读取凭据。

以下示例展示了如何为 Kafka 连接创建 TriggerAuthentication：

apiVersion: keda.sh/v1alpha1
kind: TriggerAuthentication
metadata:
  name: kafka-auth-trigger
  namespace: production
spec:
  secretTargetRef:
  - parameter: sasl                      # KEDA Scaler 需要的参数名
    name: kafka-credentials              # Kubernetes Secret 名称
    key: sasl-username                   # Secret 中的键
  - parameter: tls
    name: kafka-credentials
    key: tls-cert
  - parameter: password
    name: kafka-credentials
    key: sasl-password

3.5 ClusterTriggeredScaler：集群级缩放策略管理

ClusterTriggeredScaler 是 KEDA 2.8+ 引入的集群级原语，它允许平台管理员在集群范围内定义统一的缩放策略，并跨命名空间应用到多个工作负载。其核心价值在于：

• 策略复用： 一个 ClusterTriggeredScaler 可以匹配多个命名空间中的 Deployment/Job。
• 集中管理： 平台团队无需为每个命名空间重复创建 ScaledObject。
• 租户隔离： 通过 namespaceSelector 与 resourceSelector 精确控制策略生效范围。

下图展示了 ClusterTriggeredScaler 如何将统一的缩放策略分发到多个命名空间：

3.6 四大原语的协作流程

在实际的容量规划场景中，这四个原语通常协同工作。以下是一个完整的端到端事件驱动缩放流程：

1. 平台管理员 创建 ClusterTriggeredScaler，定义全局缩放策略（如：所有 Kafka 消费者组积压超过 200 条时扩容）。
2. 应用开发者 在各自命名空间创建 TriggerAuthentication，提供连接 Kafka 的 SASL/SSL 凭据。
3. ClusterTriggeredScaler 根据 namespaceSelector 匹配到目标命名空间，并自动生成对应的 ScaledObject 或 ScaledJob。
4. KEDA Operator 持续轮询事件源指标，当积压超过阈值时，通过 HPA 或 Job 控制器触发扩容。
5. 容量规划监控：通过 KEDA 的 Metrics API 或 Prometheus 采集 ScaledObject 的 keda_scaler_metrics_value 指标，用于后续的容量趋势分析与预算规划。