4. 弹性伸缩基础：水平伸缩 vs 垂直伸缩、弹性伸缩的触发条件

弹性伸缩是云原生架构下实现成本效率平衡的核心手段。本章从伸缩模式与触发条件两个维度，建立服务画像驱动容量规划的基础认知。

4.1 水平伸缩 vs 垂直伸缩

两种伸缩模式在资源粒度、生效速度、架构影响和成本模型上存在本质差异。下表从关键维度进行对比：

下图展示了两种伸缩模式在资源池中的直观差异：

4.2 弹性伸缩的触发条件

触发条件是弹性伸缩策略的核心决策因子。根据数据来源和计算方式，触发条件可分为以下四类：

4.2.1 基于 CPU 利用率的触发

最传统且广泛使用的指标。适用于计算密集型服务，如批处理、视频转码、科学计算。

• 推荐阈值：目标利用率 60%–75%，扩容阈值 75%–85%，缩容阈值 30%–45%
• 注意事项：CPU 突刺（Spike）可能导致频繁抖动，建议配合 冷却时间（Cooldown） 和 聚合窗口（Evaluation Periods） 使用
• 局限性：对 I/O 密集型或内存密集型服务不敏感，容易产生误判

4.2.2 基于内存利用率的触发

适用于内存密集型服务，如缓存服务、内存数据库、实时计算引擎。

• 推荐阈值：扩容阈值 75%–85%，缩容阈值 40%–55%
• 注意事项：内存回收存在延迟，缩容策略应设置更长的稳定窗口，避免频繁缩容导致 OOM
• 局限性：Java 等语言堆内存管理复杂，GC 行为可能导致指标失真

4.2.3 基于请求量的触发

适用于 Web 服务、API 网关、消息队列消费者等流量驱动型服务。通常以 QPS（每秒请求数）、RPS（每秒请求数） 或 并发连接数 为指标。

4.2.4 基于自定义指标的触发

当基础指标无法准确反映服务负载时，需要引入业务层面的自定义指标。常见实现方式包括：

• 队列深度：消息队列积压数量，适用于异步处理服务
• 连接池使用率：数据库连接池 / 线程池的活跃比例
• 业务吞吐量：每分钟订单数、每分钟交易量
• 自定义业务指标：如视频转码队列长度、AI 推理请求排队数

自定义指标通常通过以下方式接入弹性伸缩系统：

# 示例：Prometheus Adapter 配置自定义指标
apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: queue-worker-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: queue-worker
  minReplicas: 2
  maxReplicas: 20
  metrics:
  - type: Pods
    pods:
      metric:
        name: queue_depth_per_pod
      target:
        type: AverageValue
        averageValue: 50
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 70

下图展示了四种触发条件在弹性伸缩决策中的协同关系：

4.3 触发条件组合策略

单一指标触发存在盲区，生产环境推荐采用 多指标组合策略：