k8s弹性伸缩 - 技术栈

K8s（Kubernetes）通过 HPA（Horizontal Pod Autoscaler，水平 Pod 自动伸缩） 实现核心的弹性伸缩能力，能根据 Pod 的 CPU 使用率、内存使用率或自定义指标（如 QPS、并发连接数），自动增加或减少 Pod 副本数量，从而应对业务流量的波动（如峰值扩容、低谷缩容）。

K8s 弹性伸缩的核心逻辑与实现方式

核心组件：HPA HPA 是 K8s 原生的伸缩控制器，通过监控目标 Pod 的资源指标，与预设阈值（如 CPU 使用率 80%）对比，自动计算并调整 Pod 副本数（replicas），支持设置副本数的最小值（minReplicas） 和最大值（maxReplicas），避免资源浪费或过度扩容。
触发指标类型（3 类常用场景）
- 基础资源指标：CPU、内存使用率（最常用，依赖 K8s Metrics Server 采集数据）；
- 自定义业务指标：如 API QPS、数据库连接数（需借助 Prometheus + Adapter 将指标转换为 K8s 可识别格式）；
- 外部指标：如消息队列堆积数（如 Kafka Topic 分区消息数，需对接外部监控系统）。

典型配置示例（CPU 触发伸缩） 为名为app-demo的 Deployment 配置 HPA，当 Pod 平均 CPU 使用率超过 80% 时扩容（最多 10 个副本），低于 40% 时缩容（最少 2 个副本）：

yaml

复制代码

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: app-demo-hpa
spec:
  scaleTargetRef:  # 关联需要伸缩的Deployment
    apiVersion: apps/v1
    kind: Deployment
    name: app-demo
  minReplicas: 2    # 最小副本数
  maxReplicas: 10   # 最大副本数
  metrics:          # 伸缩触发指标
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 80  # CPU使用率阈值（80%）

关键注意事项（避免伸缩失效）

需提前部署 Metrics Server：HPA 依赖它采集 Pod 的 CPU / 内存指标，未部署会导致 HPA 处于 "Unknown" 状态；
Deployment 需设置 资源请求（resources.requests） ：HPA 计算使用率时，需基于requests.cpu（如请求 1 核 CPU，实际使用 0.8 核即为 80% 使用率），未设置则无法计算；
避免 "频繁伸缩"：可通过stabilizationWindowSeconds（稳定窗口）配置，如扩容后等待 300 秒再判断是否缩容，防止流量波动导致副本数频繁变化。