1. HPA 介绍
Kubernetes Horizontal Pod Autoscaler (HPA) 通过监控 Pod 的资源使用情况（如 CPU、内存、自定义指标等），自动调整 Pod 的副本数量，以保持应用的高可用性和资源利用率。
2. HPA 扩缩容机制
2.1 扩容机制（Scaling Up）
-
检查间隔：默认每 15 秒 采样一次（可配置
--horizontal-pod-autoscaler-sync-period）。 - 触发条件：当负载指标 超过 设定的目标值，HPA 立即 扩容。
-
计算逻辑：
- HPA 计算 每个 Pod 需要的资源，并决定需要多少个 Pod 来满足目标值。
- Pod 副本数取向上取整的计算值。
- 计算时，取 过去若干采样周期内的最大值 以确保负载高峰能够被正确处理。
🔹 示例：
当前 Pod 数量：3
CPU 目标值：50%
当前 CPU 使用率（取最近几次采样的最大值）：75%
计算公式：
新Pod数 = 当前Pod数 * (当前CPU使用率 / 目标CPU使用率) = 3 * (75 / 50) = 4.5，向上取整为 5最终决定：扩容到 5 个 Pod
-
时间消耗：
- 采样时间：15 秒
- 触发扩容：立即
- Pod 启动时间：30s - 1min（取决于镜像大小、调度速度等）
- 最终扩容完成时间 ≈ 30s - 1min
-
扩容稳定性窗口（可选）：
- 默认 无稳定性窗口（
--horizontal-pod-autoscaler-upscale-stabilization=0）。 - 可配置一个时间窗口，在该窗口内取 最小 Pod 需求值，防止瞬时流量峰值导致过度扩容。
- 默认 无稳定性窗口（
2.2 缩容机制（Scaling Down）
- 检查间隔：默认每 15 秒 采样一次。
- 触发条件：当负载指标 低于 设定目标值，HPA 需要观察 稳定性窗口（默认 5 分钟） 后才会缩容。
-
计算逻辑：
- HPA 在 过去 5 分钟窗口内 计算 最大 Pod 需求值，以决定是否缩容。
- 避免负载短时间下降导致不必要的缩容。
- 计算时，取 过去若干采样周期内的最小值，确保缩容不会导致应用不可用。
🔹 示例：
当前 Pod 数量：5
CPU 目标值：50%
当前 CPU 使用率（取最近几次采样的最小值）：25%
计算公式：
新Pod数 = 当前Pod数 * (当前CPU使用率 / 目标CPU使用率) = 5 * (25 / 50) = 2.5，向下取整为 3最终决定：缩容到 3 个 Pod
-
时间消耗：
- 采样时间：15 秒
- 观察窗口：默认 5 分钟（可配置
--horizontal-pod-autoscaler-downscale-stabilization=300） - 优雅终止 Pod（默认
terminationGracePeriodSeconds=30秒） - 最终缩容完成时间 ≈ 5min 30s
3. HPA 配置参数
| 参数 | 作用 | 默认值 |
|---|---|---|
--horizontal-pod-autoscaler-sync-period |
HPA 采样间隔 | 15s |
--horizontal-pod-autoscaler-downscale-stabilization |
缩容稳定性窗口，过去 N 秒内取最大 Pod 需求值 | 300s（5 分钟） |
--horizontal-pod-autoscaler-upscale-stabilization |
扩容稳定性窗口，过去 N 秒内取最小 Pod 需求值 | 0s（立即扩容） |
4. 结论
| 操作 | 触发条件 | 触发所需时间 | 额外等待 | 总时间 |
|---|---|---|---|---|
| 扩容 | 指标 高于 目标值 | 15 秒内 | Pod 启动时间（30s-1min） | 30s - 1min |
| 缩容 | 指标 低于 目标值 持续 5 分钟 | 5 分钟 | Pod 终止时间（30s） | 5min 30s |
5. 调优建议
-
减少扩容抖动：可设置
--horizontal-pod-autoscaler-upscale-stabilization避免瞬时峰值导致过度扩容。 -
优化缩容响应速度：适当降低
--horizontal-pod-autoscaler-downscale-stabilization，减少缩容等待时间。 - Pod 启动优化：确保应用启动时间较短，避免扩容时影响可用性。
通过合理配置 HPA，可实现自动化扩缩容，保障应用的稳定性和资源利用率。
