1. 课程导论：K8s集群容量调优的重要性、HPA与VPA的定位与区别、课程目标与学习路径
1.1 为什么K8s集群容量调优是SRE的必修课
在Kubernetes生产环境中，容量管理直接决定集群的资源利用率、服务稳定性和运营成本。过度配置导致云账单飙升，配置不足则引发Pod驱逐、应用抖动甚至P0级故障。SRE团队面临的核心矛盾是：如何用最少的资源承载最大的业务负载，同时保证SLA不破线？
关键数据： 据CNCF调研，超过60%的K8s集群CPU平均利用率低于30%，而因资源不足导致的OOMKill事件占应用故障的40%以上。容量调优是降本增效的第一道防线。
容量调优的三大目标：
- 成本控制 —— 消除闲置资源，匹配实际需求曲线。
- 稳定性保障 —— 避免因突发流量导致的容器重启或限流。
- 运维自动化 —— 减少人工手动调整Request/Limit的频率。
1.2 HPA与VPA的定位与核心区别
Kubernetes提供了两种原生弹性机制：Horizontal Pod Autoscaler（HPA） 和 Vertical Pod Autoscaler（VPA）。它们解决的是不同维度的容量问题，但经常被混淆。
| 对比维度 | HPA（水平扩缩） | VPA（垂直扩缩） |
|---|---|---|
| 调整对象 | Pod副本数量 | Pod的CPU/Memory Request & Limit |
| 适用场景 | 无状态服务、可水平拆分的负载 | 有状态服务、单体应用、启动耗时的组件 |
| 扩缩速度 | 快（秒级创建/删除Pod） | 慢（需要重建Pod以应用新资源规格） |
| 资源粒度 | 集群级别（增加/减少节点负载） | Pod级别（调整单个容器的资源配额） |
| 典型风险 | 冷启动延迟、连接池震荡 | Pod重建导致连接中断、资源碎片化 |
一句话定位： HPA解决“需要多少台机器”的问题，VPA解决“每台机器需要多大规格”的问题。两者是互补关系，而非替代关系。
1.3 HPA与VPA协同工作的价值
单独使用HPA或VPA都存在盲区：
- 仅HPA： 当每个Pod的Request设置过大时，副本数无法有效增加，集群资源被浪费在“空转”的Pod上。
- 仅VPA： 当业务流量突增时，VPA需要重建Pod才能生效，无法应对瞬时高峰，且频繁重建影响可用性。
协同工作的核心思路：VPA负责为Pod推荐最优资源规格，HPA根据实际负载调整副本数量，两者通过资源规格的“锚点”形成闭环。
1.4 课程目标与学习路径
本课程旨在帮助SRE和平台工程师掌握一套可落地、可度量的K8s容量调优方法论。完成学习后，你将能够：
- 独立部署并配置HPA与VPA，理解其内部工作原理与指标采集链路。
- 设计HPA+VPA协同策略，避免资源震荡与冲突，实现“规格合理、副本弹性”。
- 建立容量监控与告警体系，基于Metrics Server、Prometheus等工具持续优化。
- 应对生产环境典型场景：突发流量、有状态服务垂直扩容、成本敏感型集群。
学习路径分为四个阶段：
| 阶段 | 章节范围 | 核心产出 |
|---|---|---|
| 基础篇 | 第1-5章 | 理解HPA/VPA原理，完成单组件部署与验证 |
| 进阶篇 | 第6-12章 | 掌握协同配置、指标定制、冲突避免策略 |
| 实战篇 | 第13-22章 | 基于真实业务场景完成容量调优项目 |
| 运维篇 | 第23-30章 | 监控大盘、成本分析、混沌工程与持续优化 |
前置要求： 本课程假设你已具备K8s基础操作能力（kubectl、YAML编写、Pod/Deployment概念），并拥有一个可实验的K8s集群（推荐1.24+版本）。如果你对K8s资源模型尚不熟悉，建议先学习官方入门教程。