📚 课程目录第1章 HPA基础概念

1. HPA 基础概念

1.1 HPA 定义

Horizontal Pod Autoscaler（HPA）是 Kubernetes 内置的弹性伸缩控制器，用于根据工作负载的实时资源使用率或自定义指标，自动调整工作负载（如 Deployment、StatefulSet）的 Pod 副本数量。HPA 属于水平扩缩容，即通过增加或减少 Pod 实例数来应对流量变化，而非调整单个 Pod 的资源规格（垂直扩缩容）。

  核心目标：在保证服务质量（SLA）的前提下，实现资源利用率与成本的最优平衡。

1.2 工作原理

HPA 以控制循环（Control Loop）方式运行，默认每 15 秒（由 --horizontal-pod-autoscaler-sync-period 控制）执行一次调谐流程：

采集指标：通过 Metrics Server 或自定义指标 API 获取目标工作负载的当前指标值（如 CPU 使用率、QPS）。
计算期望副本数：根据当前指标值与目标值的比率，使用公式 期望副本数 = ceil(当前副本数 × (当前指标值 / 目标指标值)) 计算。
决策与执行：若期望副本数与当前副本数差异超过容忍阈值（默认 0.1，即 10%），则更新工作负载的 replicas 字段，触发 Deployment 等控制器执行滚动更新或扩缩容。
冷却与回退：HPA 内置冷却机制，防止指标抖动导致频繁扩缩容（即“抖动”现象）。

1.3 核心组件

组件	角色	关键说明
Metrics Server	资源指标采集器	从 Kubelet 的 cAdvisor 接口聚合 CPU、内存等资源指标，通过 `metrics.k8s.io` API 暴露。默认每 15 秒采集一次，仅保留最近 1 分钟数据。
Controller Manager	HPA 控制器宿主	运行在 `kube-controller-manager` 进程中，负责 HPA 对象的调谐循环。通过 `--horizontal-pod-autoscaler-*` 系列参数控制行为。
自定义指标适配器	扩展指标桥接	如 Prometheus Adapter、KEDA，将外部指标（QPS、连接数、队列深度）转换为 HPA 可消费的 `custom.metrics.k8s.io` 或 `external.metrics.k8s.io` API。

生产建议：Metrics Server 是 HPA 工作的前提条件，务必在集群中提前部署并验证 kubectl top node 和 kubectl top pod 命令可用。

1.4 HPA 与手动扩缩容对比

对比维度	手动扩缩容	HPA 自动扩缩容
操作方式	`kubectl scale deployment/foo --replicas=5`	声明式 YAML 定义，控制器自动执行
响应速度	即时生效（秒级）	依赖指标采集 + 调谐周期（通常 30s~3min）
运维成本	高，需 7×24 值班盯屏	低，策略配置后自动运行
适用场景	计划性扩容（大促前）、紧急故障恢复	日常流量波动、周期性负载、不可预测突发
风险控制	依赖人工经验，易过度/不足	支持最大/最小副本数限制、冷却窗口、容忍阈值
多指标协同	不支持	支持 CPU + 内存 + 自定义指标联合决策

常见误区：HPA 并非“实时”伸缩。从指标采集到 Pod 就绪，完整链路可能耗时 2~5 分钟。对于秒级突增流量，建议配合 Cluster Autoscaler（节点级弹性）和 PDB（Pod 中断预算）使用。

1.5 最小 HPA 配置示例

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: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 70
  - type: Resource
    resource:
      name: memory
      target:
        type: Utilization
        averageUtilization: 80
  behavior:
    scaleDown:
      stabilizationWindowSeconds: 300
      policies:
      - type: Percent
        value: 10
        periodSeconds: 60
    scaleUp:
      stabilizationWindowSeconds: 0
      policies:
      - type: Pods
        value: 4
        periodSeconds: 60

上述配置定义了：

目标 Deployment web-app，副本数范围 2~10。
CPU 平均利用率目标 70%，内存平均利用率目标 80%。
缩容冷却窗口 300 秒（5 分钟），每次最多缩容 10%。
扩容无冷却窗口，每次最多增加 4 个 Pod，防止扩容滞后。