Kubernetes HPA 基础：工作原理、Metrics Server 与自定义指标、水平扩缩容触发条件

水平 Pod 自动扩缩容（Horizontal Pod Autoscaler，HPA）是 Kubernetes 实现弹性伸缩的核心机制。它通过持续监控工作负载的资源利用率或自定义业务指标，自动调整 Pod 副本数量，使应用始终运行在预期的容量范围内。理解 HPA 的工作原理、指标来源与触发条件是构建容量调优体系的第一步。

HPA 工作原理

HPA 以控制循环（Control Loop）的方式运行，默认每 15 秒从 Metrics Server 或自定义指标 API 拉取一次指标数据，计算期望副本数，并与当前副本数对比，最终通过 Scale 子资源调整 Deployment、StatefulSet 或 ReplicaSet 的副本数。

期望副本数 = ceil(当前副本数 × (当前指标值 / 目标指标值))

Metrics Server 与自定义指标

HPA 的指标来源分为三个层级，从基础资源指标到业务自定义指标，覆盖不同的扩缩容场景。

水平扩缩容触发条件

HPA 的触发条件由 spec.metrics 字段定义，支持多种指标类型和聚合方式。以下是最常用的三种触发模式：

1. 基于资源指标的触发

直接使用 CPU 或内存的平均利用率（相对于 Pod 的 Request）作为触发条件。这是最基础的 HPA 配置方式。

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: web-app-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: web-app
  minReplicas: 2
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 70
  - type: Resource
    resource:
      name: memory
      target:
        type: Utilization
        averageUtilization: 80

2. 基于自定义指标的触发

通过 Prometheus Adapter 或 KEDA 将业务指标暴露给 HPA，实现更精细的弹性策略。

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: web-app-custom-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: web-app
  minReplicas: 2
  maxReplicas: 20
  metrics:
  - type: Pods
    pods:
      metric:
        name: http_requests_per_second
      target:
        type: AverageValue
        averageValue: 1000

3. 多指标组合触发

HPA 支持同时配置多个指标，系统会分别计算每个指标对应的期望副本数，最终取最大值作为扩缩容依据。

触发条件的关键参数

HPA 的行为不仅取决于指标值，还受以下参数影响，这些参数直接决定了扩缩容的激进程度和稳定性。