📚 课程目录第1章课程导论

1. 课程导论：KEDA 在 Serverless 容量调优中的核心价值、版本差异校验的必要性、课程目标与受众

1.1 KEDA 在 Serverless 容量调优中的核心价值

Kubernetes Event-driven Autoscaling（KEDA）是云原生计算基金会（CNCF）的孵化项目，它填补了原生 Horizontal Pod Autoscaler（HPA） 在事件驱动场景下的空白。在 Serverless 平台中，工作负载的流量模式往往呈现突发性、间歇性和不可预测性，传统的基于 CPU/内存的指标无法及时响应业务请求的激增。

KEDA 的核心价值体现在以下三个维度：

维度	说明	Serverless 场景收益
事件源感知	支持 50+ 内置 Scaler（Kafka、RabbitMQ、Prometheus、AWS SQS 等）	直接根据队列深度、消息延迟等业务指标触发扩缩容
从零到一	支持将副本数缩容至 0，并在事件到达时快速启动 Pod	消除空闲资源浪费，降低 Serverless 平台闲置成本
细粒度控制	通过 ScaledObject 定义冷却周期、轮询间隔、触发阈值	避免频繁抖动，提升容量调优的稳定性

  关键洞察： 在 Serverless 平台中，KEDA 充当了“事件-容量”的桥梁。它将业务层面的事件指标（如 Kafka 未消费消息数）直接映射为 Kubernetes 的副本数调整，实现了从“被动响应”到“主动预测”的容量调优范式转变。

1.2 版本差异校验的必要性

KEDA 自 2.0 版本以来经历了快速迭代，每个大版本在 API 版本、Scaler 行为、配置字段、指标暴露方式 等方面均存在显著差异。在 Serverless 容量调优场景中，版本差异直接导致以下三类风险：

配置兼容性断裂： 例如 KEDA 2.x 使用 keda.sh/v1alpha1，而 3.x 升级为 keda.sh/v1alpha2，旧 ScaledObject 无法直接应用。
扩缩容行为偏差： 不同版本对 cooldownPeriod、pollingInterval 的默认值和处理逻辑存在差异，导致相同配置在不同版本下产生不同的副本数。
指标精度退化： 部分 Scaler（如 Prometheus Scaler）在版本升级后改变了查询结果的处理方式，造成容量预估偏差。

版本	API 版本	关键变更	对容量调优的影响
KEDA 2.0	`keda.sh/v1alpha1`	初始稳定版，支持 30+ Scaler	基础扩缩容能力，缺乏高级冷却策略
KEDA 2.8	`keda.sh/v1alpha1`	引入 `fallback` 机制、`advanced` 配置	增强容错性，但 fallback 行为在不同版本不一致
KEDA 3.0	`keda.sh/v1alpha2`	API 升级、Scaler 重构、移除部分废弃字段	需要迁移 ScaledObject，否则无法部署
KEDA 3.5+	`keda.sh/v1alpha2`	新增 `scaledJob` 增强、`cloudEvent` 支持	Job 场景容量调优更精细，但需校验事件源配置

版本差异校验的底线： 在 Serverless 生产环境中，未经验证的版本升级可能导致容量调优策略失效，甚至引发服务雪崩。本课程将系统性地覆盖从 2.x 到 3.x 的迁移校验方法，确保容量调优策略在不同版本间可移植、可复现。

1.3 课程目标与受众

课程目标

掌握 KEDA 版本演进脉络： 从 2.0 到 3.x 的核心变更清单，理解每个版本对 Serverless 容量调优的影响。
建立版本差异校验体系： 学会使用 keda-version-check 工具链、API 对比脚本、行为测试用例来系统化校验版本差异。
实现容量调优策略的跨版本迁移： 针对 Kafka、Prometheus、RabbitMQ 等主流 Scaler，提供经过验证的迁移模板和避坑指南。
构建生产级校验流水线： 将版本差异校验集成到 CI/CD 流程中，实现自动化容量调优策略的回归测试。

目标受众

角色	前置知识	课程收益
云原生架构师	熟悉 Kubernetes、Serverless 架构	掌握 KEDA 版本管理策略，设计高可用的容量调优体系
Kubernetes 运维工程师	具备 KEDA 部署和排障经验	学会版本升级的校验方法，降低生产变更风险
Serverless 容量调优工程师	了解 HPA、事件驱动扩缩容	获得跨版本迁移的实战模板和校验工具

学习建议： 本课程包含大量版本对比表格和校验脚本，建议在实验环境中准备 KEDA 2.8 和 3.5 两个版本集群，以便同步验证课程中的差异校验案例。