K8s HPA原理及最佳实践
💡
原文中文，约6900字，阅读约需17分钟。
📝
内容提要
Kubernetes中的弹性伸缩分为水平弹性伸缩（HPA）和垂直弹性伸缩（VPA）。HPA根据资源使用情况自动调整Pod副本数，以确保系统稳定性和资源利用率。它通过监控指标计算所需副本数，并引入冷却机制以防止频繁波动。最佳实践包括设置资源请求、合理配置副本数和使用自定义指标。HPA通常与Cluster Autoscaler配合使用，以确保资源充足。
🎯
关键要点
- Kubernetes中的弹性伸缩分为水平弹性伸缩（HPA）和垂直弹性伸缩（VPA）。
- HPA根据资源使用情况自动调整Pod副本数，以确保系统稳定性和资源利用率。
- HPA通过监控指标计算所需副本数，并引入冷却机制以防止频繁波动。
- HPA Controller负责定期查询监控指标并计算是否需要扩缩容。
- Metrics API提供标准化的指标数据接口，HPA通过它获取监控指标。
- HPA的工作流程包括查询配置、获取监控指标、计算所需副本数和调整副本数。
- HPA引入了冷却机制以避免副本数量因指标瞬时波动而剧烈变化。
- 最佳实践包括设置资源请求、合理配置副本数和使用自定义指标。
- HPA通常与Cluster Autoscaler配合使用，以确保资源充足。
- HPA的局限性在于依赖集群资源，可能导致新Pod处于Pending状态。
- 预测性弹性伸缩（AHPA）可以提前扩容以应对流量高峰，避免响应延迟。
