4. 事件源通用参数：authenticationRef、metadata、name、type、useCachedMetrics、fallback 配置

KEDA 的 ScaledObject 是连接事件源与工作负载的核心 CRD。每个 ScaledObject 必须定义一个事件源（triggers 字段），而事件源中的通用参数决定了 KEDA 如何连接外部系统、获取指标以及处理异常。本章逐一拆解 authenticationRef、metadata、name、type、useCachedMetrics 和 fallback 六个通用参数，并给出生产级配置建议。

4.1 参数总览与作用域

以下表格概括了每个通用参数的作用域、是否必填及典型用途：

4.2 type 与 name：事件源的身份标识

type 是事件源的唯一标识符，KEDA 根据此字段加载对应的 Scaler 插件。常见的内置类型包括 prometheus、kafka、rabbitmq、aws-sqs-queue、azure-servicebus 等。社区或自定义 Scaler 也可通过 type 字段注册。

name 为可选字段，用于在日志、指标和事件中区分同一 ScaledObject 下的多个事件源。当 ScaledObject 包含两个相同类型的事件源（例如两个不同的 Prometheus 查询）时，name 必须唯一。

triggers:
- type: prometheus
  name: request-latency-p99
  metadata:
    serverAddress: http://prometheus:9090
    query: histogram_quantile(0.99, ...)
- type: prometheus
  name: error-rate-5m
  metadata:
    serverAddress: http://prometheus:9090
    query: rate(errors_total[5m])

4.3 metadata：事件源的连接参数

metadata 是一个键值对映射，承载事件源所需的全部连接信息和查询参数。不同事件源类型的 metadata 字段差异较大，但通常包含以下三类：

• 连接地址：如 serverAddress、brokerList、host。
• 查询条件：如 query（Prometheus）、topicName（Kafka）、queueName（RabbitMQ）。
• 阈值与维度：如 threshold、targetValue、activationThreshold。

4.4 authenticationRef：安全凭证的引用

authenticationRef 指向一个 TriggerAuthentication（命名空间级别）或 ClusterTriggerAuthentication（集群级别）资源。该资源定义了如何从 Kubernetes Secret、环境变量、Vault 或云厂商托管身份中获取凭证。

典型配置流程：

1. 创建包含敏感信息的 Secret：kubectl create secret generic kafka-credentials --from-literal=username=admin --from-literal=password=secret
2. 创建 TriggerAuthentication 资源，引用上述 Secret：

apiVersion: keda.sh/v1alpha1
kind: TriggerAuthentication
metadata:
  name: kafka-auth
spec:
  secretTargetRef:
  - parameter: sasl
    name: kafka-credentials
    key: username
  - parameter: sasl
    name: kafka-credentials
    key: password

3. 在 ScaledObject 的事件源中引用：

triggers:
- type: kafka
  authenticationRef:
    name: kafka-auth
  metadata:
    bootstrapServers: kafka-cluster:9092
    topic: orders
    consumerGroup: keda-consumer

4.5 useCachedMetrics：指标缓存策略

useCachedMetrics 控制 KEDA 是否复用上一次轮询的指标值。默认值为 false，即每次轮询都向事件源发起实时查询。当设置为 true 时，KEDA 在轮询间隔内返回上一次缓存的指标值，避免对后端系统造成过大压力。

适用场景：

• 事件源响应较慢（如复杂 PromQL 查询）
• 事件源存在限流或配额限制（如云 API）
• 指标变化不频繁，允许一定延迟

不适用场景：

• 需要秒级精确响应的流量突发场景
• 事件源本身已提供缓存（如 Redis 缓存层）

4.6 fallback：事件源故障时的保底策略

fallback 是 KEDA 2.8+ 引入的容错参数。当事件源连续多次返回错误或超时时，KEDA 不再使用 0 副本缩容，而是回退到用户指定的静态副本数，防止因监控系统故障导致服务完全停止。

fallback 配置包含两个子字段：

triggers:
- type: prometheus
  metadata:
    serverAddress: http://prometheus:9090
    query: up{job="my-app"}
    threshold: "1"
  fallback:
    replicas: 3
    failureThreshold: 5

4.7 参数协作关系图

下图展示了六个通用参数在 KEDA 事件源中的协作流程：

4.8 参数配置避坑清单

• authenticationRef 未生效：检查 TriggerAuthentication 的 parameter 字段是否与事件源 metadata 中的参数名完全匹配。
• fallback 未触发：确认 KEDA 版本 ≥ 2.8，且 failureThreshold 值小于 KEDA 的 cooldownPeriod 轮询次数。
• useCachedMetrics 导致缩放滞后：在流量突增场景下，建议关闭缓存或缩短 pollingInterval。
• metadata 中硬编码敏感信息：始终使用 authenticationRef 引用 Secret，避免 YAML 泄露。