1. 课程导论：HPA与容器运行时治理的关系、SLO与错误预算的核心概念、课程目标与学习路径
1.1 为什么HPA需要与容器运行时治理联动？
在Kubernetes生产环境中，Horizontal Pod Autoscaler（HPA） 是弹性伸缩的核心组件，但它并非孤立工作。HPA的决策质量直接取决于底层容器运行时（Container Runtime）的资源观测精度与调度响应能力。当HPA基于CPU/内存指标触发扩容时，若容器运行时层存在资源争抢、cgroup配置偏差或指标采集延迟，HPA将产生误判——要么过度扩容造成资源浪费，要么扩容滞后引发SLO违规。
容器运行时治理的核心任务包括：
- 资源隔离保障：确保每个Pod的cgroup限制准确生效，避免“吵闹邻居”干扰。
- 指标采集一致性：统一kubelet、cAdvisor、Prometheus的指标口径，消除数据源偏差。
- 弹性响应加速：优化运行时层状态变更到HPA感知的端到端延迟。
关键认知：HPA是“决策大脑”，容器运行时是“执行手脚”。两者脱节时，任何容量调优策略都是空中楼阁。
1.2 SLO与错误预算：容量调优的量化标尺
传统容量规划依赖“峰值预留”模式，导致资源利用率长期低于30%。服务等级目标（SLO） 与错误预算（Error Budget） 提供了另一种思路：将服务质量量化，用错误预算的消耗速率驱动容量决策。
| 概念 | 定义 | 在HPA场景中的作用 |
|---|---|---|
| SLO | 服务在特定时间窗口内应达到的可用性或性能目标（如：99.9%请求延迟<200ms） | 作为HPA扩缩容的触发阈值参考，避免盲目追求“零故障” |
| 错误预算 | SLO允许的最大不可用时间 = (1 - SLO) × 时间窗口 | 当错误预算充足时，允许HPA保守伸缩以节省成本；预算紧张时，HPA应激进扩容 |
| SLI | 实际观测到的服务质量指标（如：实际延迟P99） | 作为HPA自定义指标的输入源，驱动更精准的弹性决策 |
实践要点：错误预算不是“故障配额”，而是风险控制工具。当错误预算消耗超过50%时，应触发容量审查流程。
1.3 HPA与SLO/错误预算的协同架构
下图展示了HPA、容器运行时与SLO/错误预算之间的数据流与决策链路：
1.4 课程目标与学习路径
本课程旨在帮助SRE工程师、平台工程师和Kubernetes运维人员，建立从容器运行时治理到HPA面板化呈现的完整知识体系。完成本课程后，你将能够：
- 诊断运行时瓶颈：识别cgroup、OOM、CPU Throttling等运行时层问题对HPA的影响。
- 设计SLO驱动的弹性策略：将错误预算作为HPA扩缩容的输入参数，实现成本与质量的平衡。
- 构建可视化面板：使用Grafana等工具，将HPA状态、运行时指标、SLO消耗率整合为可操作的仪表盘。
- 实施容量调优：基于面板数据，制定HPA阈值调整、资源request/limit优化、节点扩缩容等治理动作。
1.5 学习路径概览
| 阶段 | 章节范围 | 核心产出 |
|---|---|---|
| 基础篇 | 第1-5章 | 理解HPA原理、容器运行时指标采集、SLO/错误预算建模 |
| 实践篇 | 第6-15章 | 搭建HPA面板、配置自定义指标、实现错误预算告警 |
| 调优篇 | 第16-25章 | 容量调优案例、运行时参数优化、HPA策略迭代 |
| 进阶篇 | 第26-30章 | 多集群HPA治理、FinOps成本优化、混沌工程验证 |
前置要求：建议学员具备Kubernetes基础操作经验（Pod/Deployment/Service管理），了解Prometheus基本查询语法。如对cgroup或HPA原理不熟悉，建议先阅读附录A的预备知识章节。