📚 课程目录第2章 Kubernetes HPA基础回顾

2. Kubernetes HPA 基础回顾：HPA工作原理、Metrics Server与自定义指标、HPA v1/v2/v2beta2版本差异

2.1 HPA 核心工作原理

Horizontal Pod Autoscaler（HPA）是 Kubernetes 内置的弹性伸缩控制器，负责根据工作负载的实时资源使用率或自定义指标，自动调整 Deployment、StatefulSet 等 workload 的副本数。其核心是一个控制闭环，周期性地执行以下步骤：

采集指标：通过 Metrics Server 或自定义指标 API 获取目标 Pod 的当前指标值。
计算期望副本数：使用公式 desiredReplicas = ceil[currentReplicas × (currentMetricValue / desiredMetricValue)]。
更新 workload 副本数：调用 Kubernetes API 修改 workload 的 spec.replicas。
冷却与回退：通过 --horizontal-pod-autoscaler-downscale-stabilization 等参数防止抖动。

  关键公式解读：

  当 currentMetricValue / desiredMetricValue 接近 1.0 时，副本数趋于稳定；比值大于 1.0 则扩容，小于 1.0 则缩容。HPA 默认每 15 秒评估一次指标（可通过 --horizontal-pod-autoscaler-sync-period 调整）。

2.2 Metrics Server：资源指标的基石

Metrics Server 是 Kubernetes 集群中资源指标（CPU、内存）的聚合器，通过 kubelet 的 Summary API 收集每个节点和 Pod 的实时资源使用数据，并暴露标准的 metrics.k8s.io API。HPA 默认依赖该 API 获取基础指标。

特性	说明
数据来源	kubelet cAdvisor 接口，采集 CPU 使用率（核）、内存使用量（字节）
存储方式	仅保留最近 1-2 分钟的数据，不提供历史查询
部署方式	作为集群插件（addon）运行，推荐使用 `kubectl apply -f components.yaml` 安装
资源消耗	极低，通常每个节点消耗 < 0.1 核 CPU 和 50 MB 内存
API 版本	`metrics.k8s.io/v1beta1`（稳定版）

验证 Metrics Server 是否正常工作：

kubectl top nodes
kubectl top pods -n <namespace>

如果返回正常数据，说明 Metrics Server 已就绪，HPA 可以基于 CPU/内存进行自动伸缩。

2.3 自定义指标与外部指标

当业务场景需要基于 QPS、请求延迟、队列长度等非资源指标进行伸缩时，需要引入自定义指标 API（custom.metrics.k8s.io）或外部指标 API（external.metrics.k8s.io）。常见的实现方式包括：

Prometheus Adapter：将 Prometheus 中的指标转换为 Kubernetes 标准指标 API。
KEDA（Kubernetes Event-driven Autoscaling）：支持从 Kafka、RabbitMQ、AWS SQS 等 50+ 事件源拉取指标。
Datadog Cluster Agent：将 Datadog 指标暴露给 HPA。

注意： 使用自定义指标时，必须确保集群中已部署对应的 Adapter，并且 HPA 的 spec.metrics 字段正确引用了指标名称和类型。否则 HPA 会处于 Unknown 状态，无法进行伸缩决策。

2.4 HPA v1 / v2 / v2beta2 版本差异

Kubernetes 在演进过程中对 HPA API 进行了多次迭代，从最初的 autoscaling/v1 到功能更丰富的 autoscaling/v2（GA 于 v1.23）。下表总结了三个主要版本的核心差异：

特性	autoscaling/v1	autoscaling/v2beta2	autoscaling/v2 (GA)
稳定状态	GA（稳定）	Beta（已弃用）	GA（v1.23+）
支持的指标类型	仅 CPU 和内存（资源指标）	资源指标 + 自定义指标 + 外部指标	资源指标 + 自定义指标 + 外部指标
多指标支持	不支持（只能指定一个指标）	支持多个指标，取最大值作为伸缩依据	支持多个指标，取最大值作为伸缩依据
行为配置 (Behavior)	不支持	支持（v1.18+ 引入）	支持（稳定）
指标选择器	不支持	支持（通过 `metricSelector` 过滤）	支持
推荐使用场景	仅需 CPU/内存自动伸缩的简单场景	已迁移至 v2，不建议新部署	所有生产环境，特别是需要自定义指标和行为策略的场景

  版本迁移建议：

  如果当前集群版本 ≥ v1.23，应直接使用 autoscaling/v2。对于仍在使用 v1 的旧集群，建议通过 kubectl convert 命令将 HPA 资源转换为 v2 格式，以利用多指标和行为配置等高级特性。

2.5 实战：编写一个 v2 HPA 示例

以下是一个基于 CPU 利用率和自定义 QPS 指标的 HPA 配置，展示了 v2 API 的多指标与行为配置能力：

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: web-app-hpa
  namespace: production
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: web-app
  minReplicas: 2
  maxReplicas: 20
  metrics:
    - type: Resource
      resource:
        name: cpu
        target:
          type: Utilization
          averageUtilization: 70
    - type: Pods
      pods:
        metric:
          name: http_requests_per_second
        target:
          type: AverageValue
          averageValue: 1000
  behavior:
    scaleDown:
      stabilizationWindowSeconds: 300
      policies:
        - type: Percent
          value: 10
          periodSeconds: 60
    scaleUp:
      stabilizationWindowSeconds: 0
      policies:
        - type: Pods
          value: 4
          periodSeconds: 60
        - type: Percent
          value: 100
          periodSeconds: 60
      selectPolicy: Max

关键配置解读：

metrics 数组：同时定义了 CPU 利用率和 Pod 级别的 QPS 指标，HPA 会计算两个指标各自所需的副本数，取较大值执行。
behavior.scaleDown：设置 300 秒的缩容稳定窗口，每分钟最多缩容 10% 的 Pod，防止频繁缩容。
behavior.scaleUp：扩容无稳定窗口，支持每分钟最多增加 4 个 Pod 或 100% 的当前副本数（取两者中较大值），实现快速响应流量突增。