1. 课程导学：KEDA是什么、为什么需要自定义Metric触发器、课程目标与前置知识

1.1 KEDA 是什么？—— Kubernetes 事件驱动自动缩放器

KEDA（Kubernetes Event-Driven Autoscaling）是一个轻量级的开源组件，它扩展了 Kubernetes 原生的 Horizontal Pod Autoscaler（HPA），使得 Pod 的弹性伸缩不再局限于 CPU / 内存等资源指标，而是可以基于 外部事件源（如消息队列长度、数据库连接数、HTTP 请求速率、自定义业务指标）进行实时、精准的伸缩决策。

KEDA 的核心价值在于：

• 事件驱动：当事件源有负载时，KEDA 激活工作负载（从 0 到 1）；当事件源空闲时，KEDA 将工作负载缩回 0（从 1 到 0）。
• 与 HPA 深度集成：KEDA 本身不直接管理 Pod 副本数，而是作为 HPA 的“指标提供者”，将外部事件数据转换为 HPA 可消费的指标。
• 丰富的 Scaler 生态：内置 50+ 官方 Scaler（Kafka、RabbitMQ、Prometheus、AWS SQS、Azure Queue 等），同时支持自定义 Scaler 开发。

1.2 为什么需要自定义 Metric 触发器？

虽然 KEDA 内置了丰富的 Scaler，但在实际生产环境中，我们经常会遇到以下场景：

从表格可以看出，自定义 Metric 触发器（Custom Scaler） 是解决“长尾需求”的关键能力。通过开发自定义 Scaler，你可以：

• 接入任何能够返回数值指标的数据源（数据库、API、文件、硬件传感器等）。
• 实现业务级别的精细伸缩策略（如：仅当“待处理订单数 > 100 且 平均处理时间 > 5s”时扩容）。
• 复用公司已有的监控基础设施，避免引入额外组件。

1.3 KEDA 架构与自定义 Scaler 位置

下图展示了 KEDA 的核心架构以及自定义 Scaler 在整个系统中的位置：

从架构图可以看出，自定义 Scaler 位于 Scaler 层，与内置 Scaler 平级。KEDA 核心通过统一的 Scaler 接口调用自定义 Scaler，获取指标值，然后通过 Metric Adapter 暴露给 HPA。整个链路清晰且可扩展。

1.4 课程目标与学习路径

本课程旨在帮助你从零到一掌握 KEDA 自定义 Scaler 的开发、测试与部署。完成本课程后，你将能够：

1. 理解 KEDA 核心概念：ScaledObject、Trigger、Scaler 接口、Metric Adapter 的工作原理。
2. 掌握自定义 Scaler 开发流程：使用 Go 语言实现 Scaler 接口（GetMetrics、GetMetricSpecForScaling、Close）。
3. 对接真实数据源：以 Redis Stream、MongoDB、HTTP API 为例，开发可投产的自定义 Scaler。
4. 测试与调试：编写单元测试、集成测试，使用 KEDA 本地开发环境进行端到端验证。
5. 部署与运维：将自定义 Scaler 打包为容器镜像，部署到生产集群，并配置监控告警。

1.5 前置知识要求

为了确保学习效果，建议你具备以下基础：

1.6 课程技术栈总览

本课程涉及的技术栈与版本如下（建议保持一致以避免兼容性问题）：

1.7 学习建议与课程约定

• 动手实践：每章都配有可运行的代码示例，请务必在本地或测试集群中跟随操作。
• 版本对齐：使用课程推荐的版本号，避免因版本差异导致 API 不兼容。
• 代码仓库：所有代码均托管在课程配套仓库，每章末尾会标注对应代码目录。
• 提问方式：遇到问题时，请提供 kubectl get scaledobject -o yaml 输出、KEDA Operator 日志以及自定义 Scaler 的日志，以便快速定位。