Kubernetes HPA自动扩缩容配置与自定义指标扩缩实战

Kubernetes HPA工作原理与扩缩容机制解析

Horizontal Pod Autoscaler（HPA）是Kubernetes内置的自动水平扩缩容控制器，根据Pod资源使用率或自定义指标动态调整Deployment/StatefulSet的副本数。HPA控制器以默认15秒的周期从Metrics Server或自定义指标API获取指标数据，计算目标指标与当前指标的比值，决定扩缩副本数。

扩容决策公式：desiredReplicas = ceil[currentReplicas * (currentMetricValue / desiredMetricValue)]。当指标超过目标值时按比例扩容，低于目标值时按比例缩容。扩容立即执行，缩容默认有5分钟冷却期（--horizontal-pod-autoscaler-downscale-stabilization），防止指标波动导致频繁缩容。

HPA的扩缩行为可通过behavior字段精细控制，支持设置扩容/缩容步长、策略（Pods/Percent）和稳定窗口时间。

Metrics Server部署与CPU/内存基础指标扩缩

Metrics Server是Kubernetes集群指标的核心数据源，为HPA提供CPU和内存使用率指标。部署Metrics Server：

kubectl apply -f https://github.com/kubernetes-sigs/metrics-server/releases/latest/download/components.yaml

# 如果使用自签证书，需添加kubelet-insecure-tls参数
kubectl patch deployment metrics-server -n kube-system --type=json -p='[
  {"op":"add","path":"/spec/template/spec/containers/0/args/-","value":"--kubelet-insecure-tls"}
]'

基础CPU指标HPA配置示例：

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: web-api-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: web-api
  minReplicas: 3
  maxReplicas: 20
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 70
  behavior:
    scaleUp:
      stabilizationWindowSeconds: 0
      policies:
      - type: Percent
        value: 100
        periodSeconds: 60
    scaleDown:
      stabilizationWindowSeconds: 300
      policies:
      - type: Pods
        value: 1
        periodSeconds: 120

上述配置表示：CPU使用率超过70%触发扩容，每次最多扩容当前副本数的100%，扩容立即执行；缩容冷却5分钟，每2分钟最多缩1个Pod。

Prometheus Adapter与自定义指标扩缩配置

CPU/内存指标仅反映资源水位，无法捕捉业务层面的负载变化。QPS、消息队列深度、请求延迟等业务指标更能真实反映扩缩容需求。Prometheus Adapter将Prometheus采集的自定义指标注册到Kubernetes Metrics API，使HPA可直接使用这些指标做扩缩决策。

Prometheus Adapter部署与配置：

apiVersion: v1
kind: ConfigMap
metadata:
  name: prometheus-adapter-config
data:
  config.yaml: |
    rules:
    - seriesQuery: 'http_requests_total{namespace!="",pod!=""}'
      resources:
        overrides:
          namespace: {resource: "namespace"}
          pod: {resource: "pod"}
      name:
        matches: "http_requests_total"
        as: "http_requests_per_second"
      metricsQuery: 'sum(rate(<<.Series>>{<<.LabelSelectors>>}[2m])) by (<<.GroupBy>>)'
    - seriesQuery: 'rabbitmq_queue_messages{queue="order-queue"}'
      resources:
        overrides:
          namespace: {resource: "namespace"}
      name:
        matches: "rabbitmq_queue_messages"
        as: "order_queue_depth"

基于QPS自定义指标的HPA：

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: web-api-qps-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: web-api
  minReplicas: 3
  maxReplicas: 50
  metrics:
  - type: Pods
    pods:
      metric:
        name: http_requests_per_second
      target:
        type: AverageValue
        averageValue: 1000

当每个Pod平均QPS超过1000时触发扩容，目标副本数按比例计算。

多指标组合扩缩与生产环境注意事项

HPA支持同时配置多个指标，取各指标计算出的最大副本数作为最终目标。多指标组合策略可以同时保障资源水位和业务质量：

metrics:
- type: Resource
  resource:
    name: cpu
    target:
      type: Utilization
      averageUtilization: 70
- type: Pods
  pods:
    metric:
      name: http_requests_per_second
    target:
      type: AverageValue
      averageValue: 1000
- type: Pods
  pods:
    metric:
      name: order_queue_depth
    target:
      type: AverageValue
      averageValue: 500

生产环境需注意以下问题：Pod必须设置resources.requests，否则HPA无法计算CPU使用率；避免HPA与VPA同时管理同一Deployment；缩容稳定窗口不宜过短，防止业务脉冲流量场景下Pod被误缩；大规模集群需关注Metrics Server和Prometheus Adapter的性能瓶颈，合理设置指标采集间隔。