2. VPA 基础原理：工作机制、资源推荐算法与更新策略

Vertical Pod Autoscaler（VPA）是 Kubernetes 内置的垂直弹性组件，通过持续观测 Pod 的实际资源消耗，动态调整 CPU 和内存的 Request/Limit，消除人工逐容器调参的运维负担。在生产环境中，VPA 常与 HPA（水平扩缩）互补使用：HPA 调整副本数，VPA 调整单副本规格。本章深入剖析 VPA 的三层核心机制：工作流程、推荐算法与更新策略。

2.1 VPA 工作机制：三组件协作模型

VPA 由三个独立组件构成，通过 CRD（Custom Resource Definition）和 API Server 协同工作。下图展示了 VPA 从指标采集到 Pod 更新的完整数据流。

2.2 资源推荐算法：百分位与安全边界

VPA Recommender 的核心算法基于历史指标百分位分析，而非简单的均值或峰值。算法分为四个阶段：

1. 数据采集窗口：默认取最近 8 天的历史指标，按 1 分钟粒度采样。
2. 异常过滤：剔除 OOMKill、启动预热期、低负载时段等异常样本。
3. 百分位计算：对 CPU 和内存分别计算 P50、P90、P95、P99 等分位值。
4. 安全余量叠加：在推荐值上增加 15% 的缓冲余量（Safety Margin），防止瞬时毛刺导致 OOM。

2.3 更新策略：Auto / Off / Initial 三种模式

VPA 的更新行为由 CRD 中的 updateMode 字段控制，三种模式对应不同的运维场景：

三种模式的决策流程差异如下图所示：

2.4 VPA CRD 关键字段速查

以下是一个典型的 VPA 配置示例，标注了核心字段的作用：

apiVersion: autoscaling.k8s.io/v1
kind: VerticalPodAutoscaler
metadata:
  name: my-app-vpa
spec:
  targetRef:
    apiVersion: "apps/v1"
    kind: Deployment
    name: my-app
  updatePolicy:
    updateMode: "Off"          # 可选 Auto / Off / Initial
  resourcePolicy:
    containerPolicies:
      - containerName: "*"     # 匹配所有容器
        minAllowed:
          cpu: "100m"          # 下限保护
          memory: "128Mi"
        maxAllowed:
          cpu: "4"             # 上限保护
          memory: "8Gi"
        controlledResources: ["cpu", "memory"]
        controlledValues: RequestsAndLimits  # 同时控制 Request 和 Limit

2.5 VPA 与 HPA 的共存约束

VPA 和 HPA 不能同时作用于同一组 Pod 的同一资源维度。下表总结了兼容性规则：