2. HPA 核心组件解析：Metrics Server、Custom Metrics API、External Metrics API 的作用与配置

HPA（Horizontal Pod Autoscaler）的弹性伸缩决策依赖于可靠的指标数据源。Kubernetes 生态中，Metrics Server、Custom Metrics API 和 External Metrics API 构成了 HPA 的三大核心数据支柱。理解它们的作用域、数据流和配置方式，是进行精准调优的前提。

2.1 三大指标体系与数据流架构

HPA 通过标准的 metrics.k8s.io、custom.metrics.k8s.io 和 external.metrics.k8s.io API 组获取指标。下图展示了 HPA 控制器如何从不同数据源拉取指标并驱动扩缩容决策。

2.2 Metrics Server：基础资源指标的基石

Metrics Server 是 Kubernetes 集群中默认的资源指标聚合器。它从每个节点上的 Kubelet（通过 cAdvisor）收集 CPU 和内存使用数据，并通过 metrics.k8s.io API 对外暴露。

2.2.1 核心作用

• 轻量级采集：仅采集 CPU 和内存的实时使用量，不存储历史数据。
• 标准 API 接口：提供 /apis/metrics.k8s.io/v1beta1 端点，供 HPA 和 kubectl top 命令使用。
• 自动发现：自动发现集群中所有节点和 Pod，无需手动配置指标白名单。

2.2.2 安装与验证

Metrics Server 通常通过 YAML 清单或 Helm Chart 安装。以下为典型安装命令：

# 使用官方 YAML 安装（适用于大多数集群）
kubectl apply -f https://github.com/kubernetes-sigs/metrics-server/releases/latest/download/components.yaml

# 验证安装状态
kubectl get deployment metrics-server -n kube-system

# 测试指标采集是否正常
kubectl top nodes
kubectl top pods --all-namespaces

2.3 Custom Metrics API：应用级自定义指标

当基础资源指标无法准确反映应用负载时（例如基于 QPS、请求延迟、队列深度），就需要 Custom Metrics API。它允许将任意应用指标注册到 Kubernetes API Server，使 HPA 能够基于这些指标进行伸缩。

2.3.1 工作原理

Custom Metrics API 本身是一个 API 扩展，需要后端适配器（Adapter）来实现。最常用的适配器是 Prometheus Adapter，它从 Prometheus 中查询指标，并将其转换为 custom.metrics.k8s.io 格式。

2.3.2 配置示例：Prometheus Adapter

以下是一个 Prometheus Adapter 的配置片段，将名为 http_requests_per_second 的 Prometheus 指标暴露为 Custom Metric：

# adapter-config.yaml
rules:
  - seriesQuery: 'http_requests_total{namespace!="",pod!=""}'
    resources:
      overrides:
        namespace: {resource: "namespace"}
        pod: {resource: "pod"}
    name:
      matches: "^(.*)_total"
      as: "${1}_per_second"
    metricsQuery: 'sum(rate(<<.Series>>{<<.LabelMatchers>>}[2m])) by (<<.GroupBy>>)'

部署适配器后，HPA 可以引用该指标：

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: webapp-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: webapp
  minReplicas: 2
  maxReplicas: 10
  metrics:
  - type: Pods
    pods:
      metric:
        name: http_requests_per_second
      target:
        type: AverageValue
        averageValue: 100

2.4 External Metrics API：跨集群与外部指标

External Metrics API 用于获取集群外部的指标数据，例如云服务商的队列长度（AWS SQS、Azure Service Bus）、数据库连接数、外部网关的请求量等。它同样需要适配器实现，但指标不绑定到特定的 Kubernetes 对象（如 Pod 或 Namespace）。

2.4.1 典型使用场景

2.4.2 配置示例：基于 AWS SQS 队列长度

使用 KEDA（Kubernetes Event-driven Autoscaling）作为 External Metrics 适配器，可以轻松实现基于 SQS 队列长度的 HPA：

apiVersion: keda.sh/v1alpha1
kind: ScaledObject
metadata:
  name: sqs-consumer-scaledobject
spec:
  scaleTargetRef:
    name: sqs-consumer
  triggers:
  - type: aws-sqs-queue
    metadata:
      queueURL: https://sqs.us-east-1.amazonaws.com/123456789012/my-queue
      queueLength: "5"          # 目标队列长度
      awsRegion: "us-east-1"
      identityOwner: "operator"

KEDA 会自动在集群中创建对应的 External Metric，HPA 可以直接引用：

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: sqs-consumer-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: sqs-consumer
  minReplicas: 1
  maxReplicas: 20
  metrics:
  - type: External
    external:
      metric:
        name: keda-metrics-aws-sqs-queue-...  # KEDA 自动生成的指标名
      target:
        type: AverageValue
        averageValue: 5

2.5 三大指标 API 对比总结

2.6 配置检查清单