2. KEDA 架构解析：核心组件、工作流程与事件驱动伸缩原理

KEDA（Kubernetes Event-Driven Autoscaling）并非替代 Kubernetes 内置的 Horizontal Pod Autoscaler (HPA)，而是作为事件驱动的“触发器”和“数据源”扩展层，与 HPA 协同工作。理解其架构是配置事件源和构建流水线集成方案的基础。

2.1 核心组件

KEDA 由三个核心组件构成，它们各司其职，共同实现从事件感知到 Pod 副本数调整的完整闭环。

2.2 工作流程

下图展示了从事件触发到 Pod 弹性伸缩的完整工作流程。该流程是事件驱动伸缩的核心执行路径。

2.3 事件驱动伸缩原理

KEDA 的事件驱动伸缩原理可以概括为“监听-采集-暴露-决策-执行”五个步骤。其核心思想是将业务事件（如消息队列长度、HTTP 请求速率）转化为 Kubernetes 可理解的 Pod 指标。

2.3.1 核心原理分解

1. 监听（Watch）： Operator 持续监听 ScaledObject 自定义资源的创建、更新和删除事件。
2. 采集（Collect）： 当 ScaledObject 被创建后，Operator 实例化对应的 Scaler。Scaler 根据配置连接到外部事件源（如 Kafka 集群），并定期拉取目标指标值（例如：lag 消费者滞后量）。
3. 暴露（Expose）： Metric Adapter 作为 Kubernetes API Server 的扩展，将 Scaler 采集到的指标值注册为 external.metrics.k8s.io 或 custom.metrics.k8s.io 资源。
4. 决策（Decide）： HPA 定期（默认 15 秒）通过 API Server 查询该指标。HPA 根据当前指标值与目标值的比率，计算出期望的 Pod 副本数。计算公式为：期望副本数 = ceil[当前副本数 × (当前指标值 / 目标指标值)]。
5. 执行（Execute）： HPA 调用 Kubernetes Scale API，更新 Deployment 或 StatefulSet 的 replicas 字段，触发实际的 Pod 扩缩容操作。

2.3.2 关键设计：ScaledObject

ScaledObject 是 KEDA 的核心自定义资源，它定义了“伸缩什么”、“根据什么伸缩”以及“如何伸缩”。

apiVersion: keda.sh/v1alpha1
kind: ScaledObject
metadata:
  name: kafka-consumer-scaler
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: kafka-consumer          # 伸缩目标：Deployment
  triggers:
  - type: kafka
    metadata:
      bootstrapServers: kafka-cluster:9092
      consumerGroup: my-group
      topic: my-topic
      lagThreshold: "10"          # 事件源配置：Kafka 消费者滞后阈值
  minReplicaCount: 1
  maxReplicaCount: 20
  pollingInterval: 30             # 轮询间隔：30 秒
  cooldownPeriod: 300             # 冷却时间：5 分钟

2.4 组件交互关系总结

下表总结了三个核心组件在事件驱动伸缩过程中的交互关系与数据流向。