Kubernetes HPA与VPA自动伸缩实战：从指标选型到参数调优全流程

Kubernetes自动伸缩机制选型：HPA与VPA的分工

Kubernetes的自动伸缩能力是保障SRE稳定性的核心手段。HPA（Horizontal Pod Autoscaler）通过增减Pod副本数应对负载波动，VPA（Vertical Pod Autoscaler）通过调整Pod的资源请求和上限优化资源分配。两者解决不同维度的问题：HPA解决容量问题，VPA解决单实例资源配额问题。

选型原则：CPU密集型、无状态服务优先使用HPA，因为扩容成本低且无状态迁移问题。内存密集型、单实例资源需求波动大的服务（如JVM应用、数据库连接池）适合VPA。部分场景需要同时使用：VPA调整单Pod资源配额，HPA基于自定义指标（如请求队列深度）进行水平扩容。

HPA核心配置与指标类型

HPA支持三种指标源：Resource（CPU/内存利用率）、Pods（自定义Pod指标如每秒请求数）、Object/External（外部指标如消息队列长度）。

基础CPU指标HPA配置：

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
name: api-server-hpa
spec:
scaleTargetRef:
apiVersion: apps/v1
kind: Deployment
name: api-server
minReplicas: 3
maxReplicas: 20
metrics:
- type: Resource
resource:
name: cpu
target:
type: Utilization
averageUtilization: 70

此配置将CPU利用率目标设为70%，当实际利用率超过70%时HPA开始扩容。注意HPA的计算公式为：desiredReplicas = ceil(currentReplicas * currentMetricValue / desiredMetricValue)，每次扩容上限为当前副本数的2倍，缩容下限为当前副本数的50%。

自定义指标HPA：基于业务指标的精准伸缩

CPU利用率作为伸缩指标存在滞后性：CPU升高时请求可能已经开始排队。对于HTTP服务，基于每秒请求数（RPS）进行伸缩更精准。

配置自定义指标HPA需要先部署Prometheus Adapter，将Prometheus指标转换为Kubernetes自定义指标API格式。

Prometheus Adapter配置示例：

rules:
- seriesQuery: 'http_requests_total{namespace!="",pod!=""}'
resources:
overrides:
namespace: {resource: "namespace"}
pod: {resource: "pod"}
name:
matches: "http_requests_per_second"
metricsQuery: 'sum(rate(http_requests_total{<<.LabelMatchers>>}[2m])) by (<<.GroupBy>>)'

HPA配置引用自定义指标：

metrics:
- type: Pods
pods:
metric:
name: http_requests_per_second
target:
type: AverageValue
averageValue: 1000

此配置表示每个Pod平均RPS超过1000时触发扩容。

VPA配置与资源推荐模式

VPA有三种运行模式：Auto（自动调整资源配额并重启Pod）、Recreate（同Auto但仅缩容时重启）、Off（仅生成推荐不执行调整）。

生产环境建议先以Off模式运行VPA，收集资源推荐数据后人工评估，确认推荐值合理后再切换为Auto模式。

apiVersion: autoscaling.k8s.io/v1
kind: VerticalPodAutoscaler
metadata:
name: api-server-vpa
spec:
targetRef:
apiVersion: apps/v1
kind: Deployment
name: api-server
updatePolicy:
updateMode: "Off"
resourcePolicy:
containerPolicies:
- containerName: '*'
minAllowed:
cpu: 100m
memory: 128Mi
maxAllowed:
cpu: "4"
memory: 8Gi

VPA的推荐值基于历史资源使用数据的中位数和P95值计算，需至少运行24小时后推荐值才有参考价值。

HPA与VPA的冲突规避

同时使用HPA和VPA时，两者可能产生冲突：VPA增大Pod的CPU请求后，HPA的CPU利用率计算基数改变，可能导致HPA误判为利用率下降而缩容，随后VPA又因实际负载高而增大配额，形成振荡。

规避方案：HPA和VPA不要同时基于CPU指标。如果HPA使用CPU指标，VPA应使用Off模式仅做参考；如果VPA在Auto模式管理CPU配额，HPA应基于自定义指标（如RPS、队列深度）进行扩缩。这种分离保证两个控制器在不同维度工作，互不干扰。

HPA参数调优：稳定窗口与行为策略

HPA默认的扩缩容行为在某些场景下过于激进或保守，需要通过behavior字段精细调优。

behavior:
scaleDown:
stabilizationWindowSeconds: 300
policies:
- type: Percent
value: 10
periodSeconds: 60
scaleUp:
stabilizationWindowSeconds: 30
policies:
- type: Percent
value: 100
periodSeconds: 60
- type: Pods
value: 4
periodSeconds: 60
selectPolicy: Max

此配置的含义：缩容稳定窗口5分钟，每分钟最多缩10%的Pod；扩容稳定窗口30秒，每分钟最多扩容当前副本数100%或新增4个Pod（取较大值）。selectPolicy: Max确保在多个策略中取最激进的扩容策略，保证快速响应负载上升。

稳定窗口的设置需根据业务特征调整：流量波动频繁的服务缩容窗口应设长（5-10分钟），避免频繁缩扩导致Pod反复创建销毁；有明显潮汐特征的服务扩容窗口可设短，缩容窗口设长。

生产环境自动伸缩监控体系

自动伸缩系统本身需要监控。关键指标包括：HPA当前副本数与目标副本数差异（持续差异说明伸缩失效）、VPA推荐值与实际配额偏差（偏差过大说明VPA未生效）、Pod启动时间（启动慢的镜像会导致扩容延迟影响SLA）、资源碎片率（集群剩余资源不足以调度新Pod时HPA扩容会失败）。

建议在Prometheus中记录HPA事件，配合Grafana面板实时监控伸缩行为，当伸缩频率异常或持续无法达到目标副本数时触发告警，由SRE介入排查根因。