如何配置 Horizontal Pod Autoscaler (HPA）

时间：2025-03-11 20:28:10

Horizontal Pod Autoscaler (HPA) 配置指南

一、HPA 核心原理

HPA 动态调整 Pod 数量，需满足以下条件：

  1. 依赖监控指标：基于 CPU、内存、自定义指标等资源/业务指标。

  2. 阈值规则：定义触发扩缩容的具体条件（如 average CPU > 70%）。

  3. 时间窗口：统计指标数据的持续时间（如 last 5 minutes）。

二、配置 HPA 的 4 种方式

方式 1：基于 CPU 使用率的 HPA（推荐）
步骤 1：安装 Metrics Server
kubectl apply -f https://github.com/kubernetes-sigs/metrics-server/releases/latest/download/components.yaml
步骤 2：创建 HPA 资源
apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
  name: my-hpa
  namespace: default
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: my-app
  minReplicas: 1
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 70  # CPU 使用率 >70% 时扩容
步骤 3：应用配置
kubectl apply -f hpa.yaml
方式 2：基于自定义指标的 HPA
步骤 1：部署自定义指标适配器（以 Prometheus 为例）
# 示例：部署指标导出器
kubectl create deployment prometheus-adapter --image quay.io/prometheus adapter:v1.12.0
kubectl expose deployment prometheus-adapter --port 9464 --type=LoadBalancer
步骤 2：定义 HPA 使用自定义指标
apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
  name: custom-metric-hpa
  namespace: default
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: my-app
  minReplicas: 1
  maxReplicas: 10
  metrics:
  - type: Custom
    custom:
      name: my_custom_metric  # 需适配器支持的指标名称
      target:
        type: AverageValue
        averageValue: 100  # 当指标值 >100 时扩容
方式 3：基于内存使用率的 HPA
apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
  name: memory-hpa
  namespace: default
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: my-app
  minReplicas: 1
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: memory
      target:
        type: Utilization
        averageUtilization: 80
方式 4：基于多个指标的复合策略
apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
  name: multi-metric-hpa
  namespace: default
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: my-app
  minReplicas: 1
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        averageUtilization: 70
  - type: Custom
    custom:
      name: request_count
      target:
        type: AverageValue
        averageValue: 500

三、HPA 支持的指标类型

指标类型 描述
Resource 系统资源（CPU、内存），需通过 Metrics Server 监控
Custom 自定义业务指标（如请求量、错误率），需对接 Prometheus Adapter 等适配器
Object 针对特定对象的数量（如 Ingress 访问量），需自定义适配器

四、关键参数详解

字段 作用
minReplicas 最小副本数（不可低于此值）
maxReplicas 最大副本数（不可超过此值）
targetRef 指定要自动缩放的目标资源（Deployment/StatefulSet/CronJob）
averageUtilization 资源利用率阈值（百分比）

五、验证 HPA 是否生效

  1. 查看 HPA 状态

    kubectl get hpa -n default
# 输出示例：
# NAME       REFERENCE               TARGETS          CURRENT REPLICAS   DESIRED REPLICAS
# my-hpa     deployment/my-app      cpu=75%/100ms   1                3

  2. 模拟触发条件

    # 人工增加 CPU 负载（需安装 loadgen 工具）
kubectl run -i --tty loadgen --image=busybox --rm sleep 3600
while true; do curl http://my-app:8080; done

六、高级配置技巧

1. 阶梯式扩缩容（Stepwise Scaling） 
# 配置文件片段
behavior:
  scaleUp:
    steps:
    - duration: 30s
      targetSize: 2
    - duration: 60s
      targetSize: 5
  scaleDown:
    steps:
    - duration: 30s
      targetSize: 3
2. 基于队列长度的扩缩容（适用于消息队列） 
# 自定义指标示例（需适配器支持）
metric:
  name: queue_length
  type: Gauge
target:
  type: AverageValue
  averageValue: 100

七、常见问题排查

现象 解决方案
HPA 无反应 1. 检查 Metrics Server 是否正常运行 2. 确认 RBAC 权限（HPA 需要访问 metrics-server）
扩缩容不生效 1. 验证指标是否达到阈值 2. 检查目标资源的 autoscaling 注解是否正确
频繁抖动 调整 hysteresis 参数（如 5% 缓冲）或增大 evaluation-period 时间窗口

总结

通过合理配置 HPA，可实现：

• 成本优化：低负载时减少 Pod 数量降低资源消耗。

• 弹性伸缩：高负载时自动扩容保障服务稳定性。

• 业务适配：基于业务指标（如 QPS）实现精准扩缩容。

相关文章