📚 课程目录第3章 ScaledObject详解

3. ScaledObject 详解：CRD 定义、Trigger 配置与弹性策略

ScaledObject 是 KEDA 中定义事件驱动弹性伸缩策略的核心自定义资源（CRD）。它告诉 KEDA 要监控哪个工作负载、使用什么触发器、伸缩范围是多少以及轮询与冷却的行为。本章将逐一拆解 ScaledObject 的每个关键字段，帮助你掌握从定义到生产配置的完整知识。

3.1 ScaledObject CRD 定义与核心结构

ScaledObject 的 API 版本为 keda.sh/v1alpha1，kind 为 ScaledObject。其 spec 主要包含四个部分：工作负载引用、触发器列表、伸缩范围、高级行为控制。以下是一个完整的 ScaledObject YAML 示例：

apiVersion: keda.sh/v1alpha1
kind: ScaledObject
metadata:
  name: my-scaledobject
  namespace: default
spec:
  scaleTargetRef:
    name: my-deployment
    apiVersion: apps/v1
    kind: Deployment
  triggers:
    - type: prometheus
      metadata:
        serverAddress: http://prometheus.monitoring:9090
        metricName: http_requests_total
        query: sum(rate(http_requests_total[1m]))
        threshold: "100"
  minReplicaCount: 1
  maxReplicaCount: 10
  pollingInterval: 30
  cooldownPeriod: 300
  advanced:
    restoreToOriginalReplicaCount: false
    horizontalPodAutoscalerConfig:
      behavior:
        scaleDown:
          stabilizationWindowSeconds: 60
          policies:
            - type: Percent
              value: 50
              periodSeconds: 60

关键点：ScaledObject 本身不直接管理 Pod，而是通过创建 HPA（HorizontalPodAutoscaler）来间接控制 Deployment/StatefulSet 的副本数。KEDA 负责将外部事件指标转换为 HPA 可理解的指标。

3.2 Scaling Triggers 配置：事件源接入

Triggers 是 ScaledObject 的核心，决定了何时触发伸缩。每个 trigger 包含 type 和 metadata 两个字段。KEDA 支持 50+ 种触发器类型，常见的有：

触发器类型	典型场景	关键 metadata 参数
prometheus	基于自定义指标（如 QPS、延迟）	serverAddress, query, threshold
kafka	基于 Kafka 分区堆积消息数	bootstrapServers, topic, lagThreshold
rabbitmq	基于 RabbitMQ 队列长度	host, queueName, queueLength
aws-sqs-queue	基于 AWS SQS 消息数	queueURL, queueLength, awsRegion
cron	基于时间计划（定时伸缩）	timezone, start, end, desiredReplicas

每个 trigger 的 metadata 字段是键值对形式，具体参数由触发器类型决定。KEDA 会定期查询这些指标源，当指标值超过 threshold 时触发扩容，低于时触发缩容。

  多触发器组合：可以在 triggers 列表中配置多个触发器，KEDA 会取所有触发器中计算出的最大期望副本数作为最终目标。例如同时监控 Prometheus QPS 和 Kafka 堆积数，哪个指标更紧张就按哪个扩容。

3.3 Min/Max Replica 设置：伸缩边界控制

minReplicaCount 和 maxReplicaCount 定义了工作负载副本数的上下限，防止无限伸缩或缩到零导致服务不可用。

minReplicaCount：默认值为 1。设置为 0 时，允许在无事件时缩到零 Pod（需要配合 scaleTargetRef 支持）。适用于批处理任务或事件驱动型工作负载。
maxReplicaCount：默认值为 100。建议根据集群资源容量和业务峰值合理设置，避免资源耗尽。

以下是一个允许缩到零的配置示例：

spec:
  minReplicaCount: 0
  maxReplicaCount: 20
  scaleTargetRef:
    name: event-processor
    kind: Deployment

注意：当 minReplicaCount: 0 时，工作负载必须支持从零启动（例如使用 scaleToZero 特性），且需要确保触发器能处理空指标的情况。某些触发器（如 Prometheus）在无数据时可能返回空值，需要配置 unsafeSsl 或默认值处理。

3.4 Polling Interval 与 Cooldown Period：伸缩节奏控制

这两个参数控制 KEDA 检查指标和触发伸缩的频率，直接影响系统的响应速度和稳定性。

参数	默认值	作用	建议值
pollingInterval	30 秒	KEDA 从事件源拉取指标的间隔	10-60 秒（根据指标变化速度调整）
cooldownPeriod	300 秒	最后一次触发伸缩后，等待多久才允许缩容	120-600 秒（避免频繁缩容导致抖动）

pollingInterval：值越小，KEDA 对指标变化越敏感，但会增加事件源和 KEDA 自身的负载。对于快速变化的指标（如秒级 QPS），建议设为 10-15 秒；对于慢变指标（如小时级批处理），可设为 60 秒以上。
cooldownPeriod：防止指标短暂波动导致频繁缩容。例如在流量高峰过后，指标可能快速下降，但 cooldown 会强制等待一段时间再缩容，确保系统稳定。对于有状态服务或启动耗时较长的应用，建议设置较大的值（如 300-600 秒）。

3.5 Advanced 配置：精细化伸缩行为

ScaledObject 的 advanced 字段提供了对 HPA 行为的精细控制，包括缩容稳定窗口、策略类型和恢复原始副本数等。

字段	默认值	说明
restoreToOriginalReplicaCount	false	删除 ScaledObject 后，是否将工作负载副本数恢复到创建前的值
horizontalPodAutoscalerConfig.behavior.scaleDown.stabilizationWindowSeconds	300	缩容稳定窗口，在窗口期内取最大期望副本数，防止缩容抖动
horizontalPodAutoscalerConfig.behavior.scaleDown.policies	默认 HPA 策略	缩容策略，支持 Percent（百分比）和 Pods（固定数量）两种类型

以下是一个生产级 advanced 配置示例：

spec:
  advanced:
    restoreToOriginalReplicaCount: true
    horizontalPodAutoscalerConfig:
      behavior:
        scaleDown:
          stabilizationWindowSeconds: 120
          policies:
            - type: Percent
              value: 25
              periodSeconds: 60
        scaleUp:
          stabilizationWindowSeconds: 0
          policies:
            - type: Pods
              value: 4
              periodSeconds: 15

  最佳实践：对于流量突增型业务，建议将 scaleUp 的 stabilizationWindowSeconds 设为 0，并允许快速扩容（如每次最多加 4 个 Pod）；对于缩容，设置较长的稳定窗口（如 120-300 秒）和较保守的策略（如每次最多缩 25%），避免因短暂流量下降而过度缩容。

3.6 多触发器与指标聚合

当 ScaledObject 配置了多个触发器时，KEDA 会为每个触发器独立计算期望副本数，然后取其中的最大值作为最终目标。这种设计确保了最紧张的指标优先驱动伸缩行为。

设计建议：当使用多触发器时，注意各触发器的 threshold 应保持一致的语义。例如 Prometheus 的 threshold 代表每个 Pod 的目标 QPS，Kafka 的 lagThreshold 代表每个 Pod 能处理的最大堆积数。KEDA 会自动将指标值除以当前副本数来计算每个 Pod 的负载。

3.7 常见配置陷阱与排查

陷阱1：pollingInterval 过小导致事件源压力大。 对于 Prometheus 等高频查询，建议不低于 15 秒，并考虑使用 Recording Rules 预聚合。
陷阱2：cooldownPeriod 过短导致频繁缩容。 如果应用启动时间超过 30 秒，建议 cooldown 至少设为 120 秒以上。
陷阱3：minReplicaCount 设为 0 但工作负载不支持从零启动。 确保 Deployment 的 replicas 初始值不为 0，或使用 scaleToZero 特性。
陷阱4：多触发器时某个触发器返回空值。 某些触发器在无数据时可能返回空，导致 KEDA 无法计算期望副本数。建议在 metadata 中配置默认值或使用 unsafeSsl 处理。

排查命令：使用 kubectl get scaledobject -n <namespace> 查看 ScaledObject 状态；使用 kubectl describe scaledobject <name> -n <namespace> 查看事件和错误信息；使用 kubectl get hpa -n <namespace> 查看 KEDA 创建的 HPA 对象。