1. KEDA 概述：事件驱动自动伸缩的核心
1.1 KEDA 是什么
KEDA（Kubernetes Event-Driven Autoscaling）是一个基于 Kubernetes 的事件驱动自动伸缩组件。它能够监控外部事件源（如消息队列、数据库、监控系统等）的负载指标，并根据这些指标动态调整工作负载的副本数。KEDA 由 Microsoft 和 Red Hat 联合开源，现已成为 CNCF 孵化项目。
一句话定义：KEDA 让 Kubernetes 工作负载能够根据任何事件源的指标进行自动伸缩，而不仅仅是 CPU/内存。
1.2 KEDA 的核心价值
- 事件源全覆盖：支持 50+ 内置 Scaler（Kafka、RabbitMQ、AWS SQS、Azure Queue、Prometheus、MySQL、PostgreSQL 等），无需自定义开发。
- 零副本伸缩：当事件源无消息时，KEDA 可将工作负载缩到 0 副本，节省资源；事件到达时自动从 0 扩展到 1+。
- 与 HPA 原生集成：KEDA 作为 Metrics Server 的指标提供者，生成的指标直接由 Kubernetes HPA 消费，无需替换现有组件。
- Serverless 友好：为 Knative、OpenFaaS 等 Serverless 框架提供底层自动伸缩能力，实现真正的按需付费。
- 多租户安全：支持 ClusterScaledObject 跨命名空间管理，满足企业级隔离需求。
1.3 KEDA 与传统 HPA 的区别
| 对比维度 | 传统 HPA | KEDA |
|---|---|---|
| 指标来源 | 仅支持 Kubernetes 内置指标（CPU/内存）或自定义 Metrics API | 支持 50+ 外部事件源，包括消息队列、数据库、监控系统、云服务等 |
| 缩到零 | 不支持缩到 0 副本（最小副本数通常为 1） | 支持缩到 0 副本，事件到达时自动从 0 扩展 |
| 伸缩延迟 | 依赖 Metrics Server 轮询周期（默认 15s），响应较慢 | 事件驱动触发，秒级响应，尤其适合突发流量 |
| 配置复杂度 | 需要额外部署 Metrics Server 和自定义指标适配器 | 通过 ScaledObject CRD 声明式配置，一行 YAML 即可接入事件源 |
| 适用场景 | 稳态负载、CPU/内存密集型应用 | 事件驱动、消息队列、流处理、Serverless 工作负载 |
最佳实践：KEDA 并非替代 HPA，而是增强 HPA。KEDA 负责提供外部指标，HPA 负责执行伸缩决策，两者协同工作。
1.4 KEDA 的架构组件
KEDA 由以下核心组件构成，它们协同完成事件感知、指标暴露和伸缩触发：
1.5 组件职责详解
| 组件 | 职责 | 关键资源 |
|---|---|---|
| KEDA Operator | 监听 ScaledObject CRD，管理 Scaler 生命周期，采集事件源指标 | ScaledObject、ClusterScaledObject、TriggerAuthentication |
| Metrics Adapter | 将 KEDA 采集的外部指标转换为 Kubernetes Metrics API 格式 | APIService、PodMonitor |
| Scaler | 每个事件源对应一个 Scaler 实现，负责连接事件源并获取当前负载值 | 内置 50+ Scaler，支持自定义 Scaler |
| HPA | Kubernetes 原生组件，读取外部指标并执行伸缩决策 | HorizontalPodAutoscaler |
| 工作负载 | 被伸缩的目标，通常是 Deployment、StatefulSet 或 Custom Resource | Deployment、StatefulSet、Knative Service |
注意：KEDA 不直接管理 Pod 副本数，而是通过 HPA 间接控制。KEDA 负责“感知事件”，HPA 负责“执行伸缩”。这种解耦设计保证了与 Kubernetes 生态的兼容性。
1.6 工作流程总结
- 定义 ScaledObject：用户创建 ScaledObject CRD，声明事件源类型、连接参数、目标工作负载和伸缩策略。
- Operator 监听：KEDA Operator 监听 ScaledObject 事件，实例化对应的 Scaler 并建立与事件源的连接。
- 指标采集：Scaler 定期从事件源拉取当前负载指标（如队列深度、消息积压数、请求延迟等）。
- 指标暴露：Metrics Adapter 将采集到的指标注册到 Kubernetes Metrics API，供 HPA 读取。
- HPA 伸缩：HPA 根据指标值和目标阈值计算期望副本数，调整工作负载的 replicas 字段。
- 零副本处理：当事件源无消息时，KEDA 通知 HPA 将副本数缩到 0；新消息到达时，KEDA 立即触发扩容。
关键设计理念：KEDA 的“事件驱动”体现在 Scaler 层，而非 HPA 层。HPA 仍然是基于指标的周期性轮询，但 KEDA 通过 Scaler 将事件源的实时状态转化为指标，实现了事件到指标的桥接。