3. HPA工作原理与配置

HorizontalPodAutoscaler（HPA）是 Kubernetes 中最常用的工作负载水平扩缩容控制器。它并不直接“感知”业务压力，而是通过一个周期性控制循环，从指标来源获取当前值，与用户设定的目标值比较，再按算法计算出期望副本数，最后写入目标工作负载的 scale 子资源。理解这条链路，是正确配置 HPA 并排查“不扩容”“扩过头”“频繁抖动”等问题的前提。

控制器循环：一次调谐做了什么

HPA 控制器由 kube-controller-manager 中的 horizontalpodautoscaler 控制器实现，默认每 15 秒执行一次调谐（可通过 --horizontal-pod-autoscaler-sync-period 调整）。每次循环大致经历以下阶段：

1. 获取目标对象：读取 HPA 的 scaleTargetRef，定位 Deployment、StatefulSet 或 ReplicaSet 等可伸缩对象。
2. 采集指标：从 metrics API 获取当前指标值。资源指标（CPU、内存）由 metrics-server 提供，自定义指标由 Prometheus Adapter 等适配器提供。
3. 计算期望副本数：按扩缩容算法得到 desiredReplicas。
4. 应用行为策略：根据 behavior 中的稳定窗口、扩缩容速率限制，对期望值进行修正。
5. 写入 scale 子资源：更新目标对象的副本数，并回写 HPA 的 status（当前副本、期望副本、当前指标值、条件等）。

如果指标缺失或不可用，HPA 不会立即缩容，而是保持当前副本数并记录事件，避免因监控抖动导致误缩容。

指标聚合：从 Pod 到工作负载

HPA 的指标来源分为三类：Resource（CPU、内存）、Pods（自定义 Pod 指标）、Object/External（对象指标与外部指标）。以最常用的 CPU 利用率为例，计算过程是：先取目标工作负载下所有就绪 Pod 的 CPU 使用量，再除以这些 Pod 的 CPU request 之和，得到平均利用率。因此，没有设置 CPU request 的 Pod 无法参与 CPU 利用率计算，HPA 会报 missing request for cpu 并停止扩缩容。

指标聚合还涉及“就绪”与“未就绪”Pod 的处理：默认情况下，未就绪 Pod 会被忽略；如果配置了 --horizontal-pod-autoscaler-initial-readiness-delay 和 --horizontal-pod-autoscaler-cpu-initialization-period，新 Pod 在启动初期会被特殊对待，避免冷启动阶段拉高平均值。

扩缩容算法：期望副本数怎么算

HPA 的核心公式为：

desiredReplicas = ceil[currentReplicas × (currentMetricValue / desiredMetricValue)]

例如，当前 4 个副本，CPU 平均利用率 80%，目标 50%，则期望副本数为 ceil(4 × 80/50) = ceil(6.4) = 7。若当前值低于目标值，公式同样适用，但结果会小于当前副本数，从而触发缩容。

算法还包含容差机制：默认 --horizontal-pod-autoscaler-tolerance=0.1，即当前指标与目标值的比值在 0.9～1.1 之间时，认为“足够接近”，不触发扩缩容。这能有效抑制指标微小波动带来的副本抖动。

行为策略：控制扩缩容的速度与节奏

从 Kubernetes 1.18 起，HPA 支持 behavior 字段，用于精细控制扩缩容行为。它分为 scaleUp 和 scaleDown 两部分，每部分可配置：

• stabilizationWindowSeconds：稳定窗口。缩容时默认 300 秒，表示在窗口内取历史期望副本数的最大值，避免指标短暂下降就立即缩容。
• selectPolicy：当多条策略匹配时选择 Max、Min 或 Disabled。
• policies：速率限制策略，例如每 60 秒最多扩容 4 个 Pod 或 100% 副本数。

下面是一个典型配置：扩容允许较快，缩容则保守，稳定窗口 5 分钟，每分钟最多缩 1 个 Pod。

behavior:
  scaleUp:
    stabilizationWindowSeconds: 0
    policies:
    - type: Percent
      value: 100
      periodSeconds: 60
  scaleDown:
    stabilizationWindowSeconds: 300
    policies:
    - type: Pods
      value: 1
      periodSeconds: 60
    selectPolicy: Min

常见配置项与排查要点

一个可用的 HPA 至少需要正确设置 scaleTargetRef、minReplicas、maxReplicas 和 metrics。常见问题包括：目标对象没有设置 resource request、metrics-server 未就绪、指标适配器未注册、HPA 与 VPA 同时操作同一工作负载导致冲突。排查时可用 kubectl describe hpa 查看事件与当前指标，用 kubectl get hpa -w 观察副本变化。

掌握这条链路后，配置 HPA 就不再是“填几个字段”，而是围绕指标可用性、算法容差、行为窗口和速率限制做系统性设计。实际生产中，建议先用 kubectl top pods 确认指标可读，再逐步调整 stabilizationWindowSeconds 与 policies，观察 kubectl get hpa -w 的副本变化是否符合预期。