Kubernetes自动扩缩容

使用HPA、VPA和KEDA配合kubectl-mcp-server工具实现全面自动扩缩容。

快速参考

HPA（水平Pod自动扩缩容器）

基于CPU的基础扩缩容：

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: my-app-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: my-app
  minReplicas: 2
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 70

应用与验证：

apply_manifest(hpa_yaml, namespace)
get_hpa(namespace)

VPA（垂直Pod自动扩缩容器）

优化资源请求规格：

apiVersion: autoscaling.k8s.io/v1
kind: VerticalPodAutoscaler
metadata:
  name: my-app-vpa
spec:
  targetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: my-app
  updatePolicy:
    updateMode: "Auto"

KEDA（事件驱动自动扩缩容）

检测KEDA安装

keda_detect_tool()

列出ScaledObjects

keda_scaledobjects_list_tool(namespace)
keda_scaledobject_get_tool(name, namespace)

列出ScaledJobs

keda_scaledjobs_list_tool(namespace)

触发器身份验证

keda_triggerauths_list_tool(namespace)
keda_triggerauth_get_tool(name, namespace)

KEDA管理的HPAs

keda_hpa_list_tool(namespace)

参见KEDA-TRIGGERS.md获取触发器配置。

常见KEDA触发器

基于队列的扩缩容（AWS SQS）

apiVersion: keda.sh/v1alpha1
kind: ScaledObject
metadata:
  name: sqs-scaler
spec:
  scaleTargetRef:
    name: queue-processor
  minReplicaCount: 0  # Scale to zero!
  maxReplicaCount: 100
  triggers:
  - type: aws-sqs-queue
    metadata:
      queueURL: https://sqs.region.amazonaws.com/...
      queueLength: "5"

基于Cron的扩缩容

triggers:
- type: cron
  metadata:
    timezone: America/New_York
    start: 0 8 * * 1-5   # 8 AM weekdays
    end: 0 18 * * 1-5    # 6 PM weekdays
    desiredReplicas: "10"

Prometheus指标

triggers:
- type: prometheus
  metadata:
    serverAddress: http://prometheus:9090
    metricName: http_requests_total
    query: sum(rate(http_requests_total{app="myapp"}[2m]))
    threshold: "100"

扩缩容策略

成本优化的自动扩缩容

使用KEDA缩容至零

降低空闲工作负载的成本：

keda_scaledobjects_list_tool(namespace)
# ScaledObjects with minReplicaCount: 0 can scale to zero

使用VPA合理调整资源

获取建议并应用：

get_resource_recommendations(namespace)
# Apply VPA recommendations

预测性扩缩容

针对已知模式使用定时触发器：

# Scale up before traffic spike
triggers:
- type: cron
  metadata:
    start: 0 7 * * *  # 7 AM
    end: 0 9 * * *    # 9 AM
    desiredReplicas: "20"

多集群自动扩缩容

跨集群配置KEDA：

keda_scaledobjects_list_tool(namespace, context="production")
keda_scaledobjects_list_tool(namespace, context="staging")

故障排除

HPA未扩缩容

get_hpa(namespace)
get_pod_metrics(name, namespace)  # Metrics available?
describe_pod(name, namespace)     # Resource requests set?

KEDA未触发

keda_scaledobject_get_tool(name, namespace)  # Check status
get_events(namespace)                        # Check events

常见问题

最佳实践

1. 始终设置资源请求

   • HPA需要资源请求来计算利用率

2. 使用多指标

   • 结合CPU与自定义指标以提高准确性

3. 稳定窗口

   • 通过缩容稳定机制防止波动

4. 谨慎实施缩容至零

   • 考虑冷启动时间
   • 使用激活阈值

相关技能

• k8s成本管理- 成本优化
• k8s故障排查- 调试扩缩容问题