弹性伸缩基础：核心概念与触发机制

在平台工程与 SRE 实践中，弹性伸缩（Auto Scaling）是保障服务稳定性、控制成本的核心能力。它允许系统根据实时负载自动调整资源数量，避免过度配置或资源不足。本章将深入剖析弹性伸缩的定义、水平与垂直伸缩的差异，以及常见的触发指标。

什么是弹性伸缩

弹性伸缩是指系统能够根据预设策略或实时监控数据，自动增加或减少计算资源（如虚拟机、容器实例、Pod）的能力。其目标是在保证服务质量（SLA）的前提下，实现资源供给与业务需求的最佳匹配。

一个完整的弹性伸缩系统通常包含以下组件：

• 监控采集器：持续收集 CPU、内存、请求延迟等指标。
• 策略引擎：根据指标阈值或预测模型，判断是否需要调整副本数。
• 执行器：调用云 API 或编排平台（如 Kubernetes）执行扩缩容操作。
• 冷却/稳定窗口：防止指标抖动导致频繁伸缩（Thrashing）。

水平伸缩 vs 垂直伸缩

两种伸缩模式在架构设计、成本模型和运维复杂度上存在本质差异。下表从多个维度进行对比：

常见触发指标

弹性伸缩策略的准确性取决于触发指标的选择。单一指标往往不够全面，生产环境通常采用多指标组合或自定义指标。以下是三类最常用的触发指标：

1. CPU 使用率

• 适用场景：计算密集型服务（如数据处理、视频转码）。
• 典型阈值：目标平均 CPU 维持在 60%–75%，超过 80% 触发扩容，低于 30% 触发缩容。
• 注意事项：CPU 突刺（Spike）可能导致误伸缩，需配合稳定窗口（如持续 3 分钟超过阈值）。

2. 内存使用率

• 适用场景：内存密集型服务（如缓存、实时分析）。
• 典型阈值：目标内存使用率 70%–85%，避免 OOM（Out of Memory）导致进程被杀。
• 注意事项：Java 等语言存在堆内/堆外内存，需监控 RSS（Resident Set Size）而非仅 JVM 堆。

3. 请求数/并发连接数

• 适用场景：Web 服务、API 网关、消息队列消费者。
• 典型阈值：每秒请求数（RPS）或活跃连接数超过实例处理能力的 80%。
• 注意事项：请求数指标通常与延迟（P99 Latency）结合使用，避免“请求堆积但响应慢”的假象。

指标组合策略示例

下表展示了一个典型 Web 服务的多指标弹性伸缩策略配置：