1. HPA 简介#

自动调整 Pod 的副本数。横向扩展（scale out/in）

2. HPA 工作原理#

HPA 依赖 Kubernetes Metrics API 获取指标数据，计算合适的 Pod 副本数，并更新 Deployment、ReplicaSet 或 StatefulSet 的 spec.replicas。

HPA 的基本工作流程如下：

1. 采集指标：HPA 通过 Metrics Server 或 自定义指标（Custom Metrics API） 获取当前 Pod 负载，如 CPU/内存使用率。
2. 计算期望副本数：
   • 根据定义的目标值（Target）计算 Pod 需要多少副本才能满足需求。
   • 计算公式： 目标副本数=当前副本数×当前指标值目标指标值目标副本数 = \frac{当前副本数 \times 当前指标值}{目标指标值}
3. 调整副本数：HPA 根据计算结果修改 replicas，自动扩展或缩容。

3. HPA 的核心组件#

1. Metrics Server

2. HPA 控制器

   • 定期（默认 15 秒）从 Metrics Server 获取指标数据。
   • 计算是否需要扩展/缩容，并修改 replicas。

4. HPA 配置示例#

• 目标：当 CPU 使用率超过 50% 时，HPA 自动扩展 Pod 数量。

• 创建 Deployment：

  apiVersion: apps/v1
  kind: Deployment
  metadata:
    name: nginx-deployment
  spec:
    replicas: 1
    selector:
      matchLabels:
        app: nginx
    template:
      metadata:
        labels:
          app: nginx
      spec:
        containers:
          - name: nginx
            image: nginx
            resources:
              requests:
                cpu: "250m"
              limits:
                cpu: "500m"

• 创建 HPA：

  apiVersion: autoscaling/v2
  kind: HorizontalPodAutoscaler
  metadata:
    name: nginx-hpa
  spec:
    scaleTargetRef:
      apiVersion: apps/v1
      kind: Deployment
      name: nginx-deployment
    minReplicas: 1
    maxReplicas: 10
    metrics:
      - type: Resource
        resource:
          name: cpu
          target:
            type: Utilization
            averageUtilization: 50

• 查看 HPA 状态：

  kubectl get hpa

5. HPA 关键参数#

6. HPA 进阶#

防止抖动（Stabilization Window） - 扩展操作可快速响应，而缩容应保持谨慎：

behavior:
      scaleDown:
	    stabilizationWindowSeconds: 300  # 5 分钟稳定期