Kubernetes Horizontal Pod Autoscaler 进阶：自定义指标伸缩

在 Kubernetes 中，Horizontal Pod Autoscaler (HPA) 的进阶用法允许基于自定义指标实现精细化伸缩控制，突破默认 CPU/内存指标的限制。以下是完整实现路径：

---

一、前置条件

1. 指标采集系统部署

   • 安装 Prometheus：helm install prometheus prometheus-community/prometheus
   • 部署指标导出器（如 Node Exporter 或应用自定义 exporter）

2. 指标聚合层配置

   • 安装 Prometheus Adapter：

     # values.yaml 关键配置
     rules:
       custom:
         - seriesQuery: 'http_requests_total{namespace!="",pod!=""}'
           resources:
             overrides: { namespace: { resource: "namespace" }, pod: { resource: "pod" } }
           name:
             matches: "^(.*)_total"
             as: "${1}_per_second"
           metricsQuery: 'sum(rate(<<.Series>>{<<.LabelMatchers>>}[2m])) by (<<.GroupBy>>)'
     

   • 验证指标：kubectl get --raw /apis/custom.metrics.k8s.io/v1beta1

---

二、自定义指标伸缩实战

场景：根据应用的 HTTP 请求速率（QPS）自动伸缩

1. 定义 HPA 资源

   apiVersion: autoscaling/v2beta2
   kind: HorizontalPodAutoscaler
   metadata:
     name: http-requests-hpa
   spec:
     scaleTargetRef:
       apiVersion: apps/v1
       kind: Deployment
       name: my-app
     minReplicas: 2
     maxReplicas: 10
     metrics:
     - type: Pods
       pods:
         metric:
           name: http_requests_per_second  # 匹配 Prometheus Adapter 定义的指标名
         target:
           type: AverageValue
           averageValue: 100  # 目标值：每秒 100 个请求/Pod
   

2. 关键参数解析

   • target.type 可选值：
     • AverageValue：指标平均值
     • Value：原始值（需配合绝对值使用）
   • 计算公式： $$ \text{期望副本数} = \left\lceil \frac{\text{当前指标值}}{\text{目标指标值}} \times \text{当前副本数} \right\rceil $$

---

三、高级调优策略

1. 行为控制（behavior 字段）

   behavior:
     scaleDown:
       stabilizationWindowSeconds: 300  # 缩容冷却窗口
       policies: [{ type: Percent, value: 10, periodSeconds: 60 }] # 每分钟最多缩容10%
     scaleUp:
       stabilizationWindowSeconds: 0
       policies: [{ type: Percent, value: 100, periodSeconds: 10 }] # 允许100%快速扩容
   

2. 多指标组合

   metrics:
   - type: Resource
     resource:
       name: cpu
       target: { type: Utilization, averageUtilization: 50 }
   - type: Pods
     pods:
       metric: { name: http_requests_per_second }
       target: { type: AverageValue, averageValue: 100 }
   

   HPA 将选择计算后副本数最大的指标执行伸缩

---

四、诊断命令

# 查看 HPA 状态
kubectl describe hpa http-requests-hpa

# 检查指标采集
kubectl get --raw /apis/custom.metrics.k8s.io/v1beta1 | jq

# 模拟负载测试（压测工具）
kubectl run -it --rm load-generator --image=busybox -- sh
while true; do wget -qO- http://my-app-svc; done

注意事项：

1. 指标采集延迟可能导致伸缩滞后，建议指标时间窗口 ≥ 2 分钟
2. 生产环境务必设置 stabilizationWindowSeconds 避免抖动
3. 自定义指标需满足稳定性：$$ \text{指标方差} < 20% \times \text{目标值} $$

通过自定义指标，HPA 可实现对业务核心指标（如队列深度、事务延迟、gRPC 错误率等）的智能响应，实现真正的业务驱动扩缩容。