Kubernetes 在 Linux 上的自动扩展实现
一、核心机制与适用场景
- HPA（Horizontal Pod Autoscaler）：基于指标动态调整 Pod 副本数，常用指标为 CPU/Memory 利用率 或 自定义/Prometheus 指标。HPA 控制器默认每 15 秒 同步一次指标并计算目标副本数，计算遵循公式：目标副本数 = ceil(当前副本数 × 当前指标值 / 目标指标值)。适用于无状态服务快速弹性。
- VPA（Vertical Pod Autoscaler）：基于历史资源使用自动调整 Pod 的 requests/limits，减少资源争用或过度申请，适合有状态或资源需求波动明显的负载。
- Cluster Autoscaler：当集群资源不足时自动 新增节点，资源过剩时 释放节点，与云厂商的节点池（Node Pool）配合实现从 Pod 到节点 的全栈弹性。
二、快速上手 HPA（CPU/内存示例）
- 前置条件
- 部署 Metrics Server（提供指标 API）：kubectl apply -f https://github.com/kubernetes-sigs/metrics-server/releases/latest/download/components.yaml
- 目标 Deployment/StatefulSet 必须设置 resources.requests（HPA 依据 requests 计算利用率）。
- 命令行创建
- kubectl autoscale deployment --cpu-percent=50 --min=2 --max=10
- YAML 示例（autoscaling/v2）
- apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
name: myapp-hpa
spec:
scaleTargetRef:
apiVersion: apps/v1
kind: Deployment
name: myapp
minReplicas: 2
maxReplicas: 10
metrics:
- type: Resource
resource:
name: cpu
target:
type: Utilization
averageUtilization: 60
- type: Resource
resource:
name: memory
target:
type: AverageValue
averageValue: 100Mi
- 验证与压测
- kubectl get hpa
- kubectl top pods
- 使用 ab/hey 等工具产生负载，观察 副本数 与 指标 变化。
三、进阶与组合方案
- 自定义指标（Prometheus）
- 部署 Prometheus 与 Custom Metrics API/Adapter，HPA 可基于 QPS、延迟、业务指标 伸缩，满足 SLO/业务驱动扩缩容。
- VPA 调整资源请求
- 部署 VPA：kubectl apply -f https://github.com/kubernetes/autoscaler/releases/latest/download/vertical-pod-autoscaler.yaml
- 示例（更新策略按需选择 Auto/Recreate/Off）：
- apiVersion: autoscaling.k8s.io/v1
kind: VerticalPodAutoscaler
metadata:
name: example-vpa
spec:
targetRef:
apiVersion: apps/v1
kind: Deployment
name:
updatePolicy:
updateMode: “Auto”
- Cluster Autoscaler 扩节点
- 在云上部署 Cluster Autoscaler 并配置 节点池的最小/最大节点数；当 Pod 无法调度 或 节点资源过剩 时自动扩缩节点，常与 HPA 组合实现端到端弹性。
四、落地检查清单与常见问题
- 资源配置：为所有参与伸缩的容器设置合理的 requests/limits，否则 HPA/调度 可能异常。
- 就绪探针：配置 readinessProbe，避免未就绪实例被计入指标或接收流量。
- 指标链路：确认 Metrics Server 就绪（kubectl top nodes/pods 正常），自定义指标需保证 Adapter/Prometheus 链路可用。
- 扩缩容边界：合理设置 minReplicas/maxReplicas 与冷却时间，避免抖动与过度扩容。
- 节点资源：为 系统组件 预留资源，避免节点满负载导致 Cluster Autoscaler 扩容受限。
- 平台差异：在 CentOS/Debian 等 Linux 发行版上步骤基本一致，关键在于 Metrics Server、网络插件、云厂商节点池 的正确配置。