容器与云原生 / 系统课时
理解 KEDA 伸缩架构
理解 KEDA 伸缩架构
KEDA 的关键不是“再实现一套 HPA”,而是把消息队列、事件源等外部信号接入 Kubernetes 原生伸缩链路。本课从 ScaledObject 出发,理清 Operator、Metrics Adapter 与 HPA 的职责,并明确从零激活和常规扩缩容分别由谁执行。
学习目标
- 说清
ScaledObject、KEDA Operator、Metrics Adapter 与 HPA 的协作关系。 - 区分从 0 到 1 与从 1 到 N 两个伸缩阶段的控制者。
- 能从集群对象判断 KEDA 是否已经接入原生 HPA 链路。
从 ScaledObject 看伸缩意图
ScaledObject 是伸缩策略声明,不是执行副本调整的进程。它通过 scaleTargetRef 指向要伸缩的 Deployment、StatefulSet 或支持 /scale 子资源的自定义资源,再用 triggers 描述事件源和阈值,同时可设置最小、最大副本以及轮询、冷却等策略。
KEDA Operator 持续监听 ScaledObject。当对象被创建或修改时,Operator 会解析触发器、维护对应的 HPA,并负责事件驱动场景特有的“是否应该从零激活”判断。正常情况下,不应手工修改 KEDA 生成的 HPA,因为后续协调会再次按 ScaledObject 收敛。

两个阶段由不同控制器负责
当目标工作负载已经是 0 个副本时,普通 HPA 没有运行中的 Pod 可作为某些伸缩链路的起点。KEDA Operator 会按触发器状态检查事件源;一旦触发器进入 active 状态,就把工作负载从 0 激活到 1。事件消失并满足冷却条件后,从 1 回到 0 也由 KEDA 负责。
工作负载处于 1 个及以上副本时,常规的 1↔N 扩缩容由 Kubernetes HPA Controller 执行。HPA 通过 external.metrics.k8s.io 请求外部指标,KEDA Metrics Adapter 返回由 scaler 获取的指标值,HPA 再依据目标值、上下限和自身的稳定窗口等规则更新目标资源的 /scale。
四个核心对象各管一段
ScaledObject 保存“伸缩谁、看什么信号、阈值是多少”的声明;KEDA Operator 负责协调这些声明、维护 HPA 生命周期并处理 0↔1;KEDA Metrics Adapter 只负责把外部指标暴露给 Kubernetes 指标 API,并不直接计算最终副本数;HPA 则使用这些指标完成 1↔N 的副本计算和更新。
因此,KEDA 是对原生 HPA 的事件源扩展与零副本补充,而不是替代 HPA。目标工作负载仍由 Deployment/StatefulSet 控制器创建或删除 Pod,调度、资源 requests、节点容量等约束也仍由 Kubernetes 原生机制决定。
在集群里确认这条链路
如果 KEDA 安装在常见的 keda 命名空间,可以先确认 Operator 和 Metrics API Server 都在运行,并检查外部指标 API 是否已注册:
kubectl get deployment -n keda
kubectl get apiservice v1beta1.external.metrics.k8s.io预期输出会包含 KEDA 的 Operator、Metrics API Server,以及状态可用的外部指标 API。名称和运行时长可能因安装方式不同而略有差异:
NAME READY UP-TO-DATE AVAILABLE AGE
keda-admission-webhooks 1/1 1 1 <TIME>
keda-operator 1/1 1 1 <TIME>
keda-operator-metrics-apiserver 1/1 1 1 <TIME>
NAME SERVICE AVAILABLE AGE
v1beta1.external.metrics.k8s.io keda/keda-operator-metrics-apiserver True <TIME>如果第二个对象不存在或 AVAILABLE 不是 True,HPA 就无法通过标准外部指标 API 取得 KEDA 指标,应先修复 Metrics Adapter/APIService 链路,再排查具体 scaler。
明确 KEDA 与原生 HPA 的边界
把 minReplicaCount 设为 1 或更高时,目标工作负载不会进入零副本,此时 KEDA 的 0↔1 激活能力自然不再发挥作用,但 HPA 仍可基于 KEDA 暴露的外部指标做 1↔N 伸缩。反过来,即使事件源指标正常,如果 HPA 被策略限制、目标资源不支持 /scale、Pod 无法调度或节点容量不足,KEDA 也不能绕过这些 Kubernetes 约束。
理解这条边界后,排障时就能按“事件源与 activation → Metrics Adapter → HPA → /scale → 工作负载控制器”的顺序逐段验证,而不是把所有副本变化都归因于 KEDA Operator。