1. 课程导论：KEDA 是什么、为什么需要自定义指标驱动流水线扩缩、课程目标与前置知识

1.1 KEDA 是什么

KEDA（Kubernetes Event-Driven Autoscaling）是一个轻量级的开源组件，它扩展了 Kubernetes 原生的 Horizontal Pod Autoscaler（HPA），使得工作负载能够基于外部事件源（如消息队列长度、数据库连接数、自定义 Prometheus 指标、HTTP 请求速率等）进行自动扩缩。

KEDA 的核心价值在于：它让 Kubernetes 不再仅仅依赖 CPU/内存等资源指标，而是能够感知业务层面的真实负载，实现更精准、更实时的弹性伸缩。

1.2 为什么需要自定义指标驱动流水线扩缩

在 CI/CD 流水线中，构建任务（如 Jenkins Pipeline、GitLab CI Runner、Tekton TaskRun）通常具有以下特征：

• 突发性强： 代码提交、PR 合并、定时触发等事件会导致构建任务在短时间内大量涌入。
• 资源消耗波动大： 编译、测试、打包、镜像构建等阶段对 CPU/内存的需求差异巨大。
• 任务排队敏感： 构建任务积压会直接影响开发效率，需要快速扩容处理积压。
• 空闲成本高： 持续运行大量构建节点会造成资源浪费，需要及时缩容。

传统的基于 CPU/内存的 HPA 无法感知构建队列的深度，导致以下问题：

通过 KEDA 引入自定义指标（如 Jenkins 队列长度、GitLab CI 待处理 Job 数、Tekton Pending TaskRun 数），可以实现流水线构建任务的按需、精准、零闲置的弹性伸缩。

1.3 课程目标

完成本课程后，你将能够：

1. 理解 KEDA 架构：掌握 ScaledObject、Trigger、Scaler 等核心概念及其工作原理。
2. 部署与配置 KEDA：在 Kubernetes 集群中安装 KEDA，并配置多种外部指标源。
3. 自定义指标开发：编写自定义 Scaler 或利用 Prometheus Query 暴露流水线构建队列指标。
4. 流水线集成：将 KEDA 与 Jenkins、GitLab CI、Tekton 等主流 CI/CD 工具集成，实现动态扩缩。
5. 调优与排障：分析扩缩策略、冷启动、指标延迟等问题，优化流水线构建效率。
6. 生产级实践：掌握多租户隔离、安全配置、监控告警等生产环境最佳实践。

1.4 前置知识

为了获得最佳学习体验，建议你具备以下基础：

• Kubernetes 基础：熟悉 Pod、Deployment、Service、HPA 等核心资源，能够使用 kubectl 操作集群。
• CI/CD 概念：了解持续集成/持续部署的基本流程，至少使用过一种 CI/CD 工具（Jenkins、GitLab CI、Tekton 等）。
• 容器化基础：理解 Docker 镜像构建、容器运行时等概念。
• 指标与监控：了解 Prometheus 指标采集、查询（PromQL）的基本用法。

1.5 KEDA 核心架构图

下图展示了 KEDA 在 Kubernetes 集群中的核心组件及其与外部指标源、HPA 的关系：

1.6 课程内容概览

本课程共分为 6 个模块，循序渐进地帮助你掌握 KEDA 自定义指标驱动流水线构建任务动态扩缩调优：