容器与云原生 / 系统课时
理解 HPA 控制循环
理解 HPA 控制循环
HorizontalPodAutoscaler(HPA)本质上是一个持续重算的控制器:周期性读取指标,估算需要多少副本,再修改目标工作负载的副本数。理解这条闭环后,你才能解释为什么指标已经升高但副本不会瞬间变化,以及容差、未就绪 Pod 和指标缺失为什么会影响扩缩容速度。
学习目标
- 说清 HPA 从读取指标到修改副本数的完整控制循环
- 理解期望副本数计算、容差和最小最大副本数的作用
- 识别就绪状态、指标缺失与控制延迟对扩缩容结果的影响
HPA 是周期性反馈控制
HPA 控制器会反复执行同一条链路:读取目标对象的当前副本和 Pod 状态,获取资源或自定义指标,计算建议副本数,应用稳定与行为规则,再把新的副本数写回 Deployment、StatefulSet 等可伸缩目标。随后等待下一次控制周期重新评估。

这个过程不是事件触发的一次性动作,而是持续反馈。指标变化、Pod 启动时间、指标采样周期以及 HPA 控制器的同步周期,都会让“业务变忙”到“新副本可用”之间产生延迟。
期望副本数怎么计算
对平均利用率或平均值这类指标,可以把核心关系理解为:
例如当前有 4 个副本,平均 CPU 利用率为 75%,目标为 50%,理论建议值为 个副本。实际决策还会受到 minReplicas、maxReplicas、容差以及扩缩容行为配置约束。
下面创建一个最小 HPA,目标是让 Deployment web 的平均 CPU 利用率维持在 50% 左右。
apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
name: web
namespace: <NAMESPACE>
spec:
scaleTargetRef:
apiVersion: apps/v1
kind: Deployment
name: web
minReplicas: 2
maxReplicas: 10
metrics:
- type: Resource
resource:
name: cpu
target:
type: Utilization
averageUtilization: 50这是配置文件,不产生固定控制台输出。应用后可用下面的命令验证 HPA 是否已经读取到指标并计算目标副本数。
kubectl apply -f <PATH>
kubectl get hpa web -n <NAMESPACE>预期输出
horizontalpodautoscaler.autoscaling/web created
NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE
web Deployment/web <VALUE>/50% 2 10 <VALUE> <TIME>TARGETS 左侧的实际值、当前副本数和时间会随运行状态变化。若显示 <unknown>/50%,应先检查 Metrics API、Pod CPU requests 和指标采集是否正常。
容差避免副本数来回抖动
如果当前指标只略微偏离目标,HPA 不应该每次循环都加减副本,否则会在目标值附近频繁振荡。控制器会使用容差判断偏差是否足以触发动作;进入容差范围时,即使公式算出的比例略有变化,也可能维持当前副本数。
这也是为什么不能把“当前 CPU 51%,目标 50%”直接理解成“下一秒一定扩容”。HPA 关注的是稳定的控制效果,而不是机械追逐每个采样点。
未就绪与缺失指标会影响决策
新 Pod 从创建到 Ready 需要时间,刚启动的 CPU 指标也可能不稳定。HPA 在计算资源指标时会考虑 Pod 的就绪状态和可用指标,避免把尚未形成正常负载的 Pod 当作成熟样本。某些 Pod 缺少指标时,控制器也会采用保守处理,可能降低扩容或缩容动作的激进程度。
因此排查“为什么 HPA 没按公式变化”时,应同时查看 HPA 条件、当前与期望副本、Pod Ready 状态和指标可用性,而不是只手算一个比例。
kubectl describe hpa web -n <NAMESPACE>预期输出
Name: web
Reference: Deployment/web
Metrics: ( current / target )
resource cpu on pods (as a percentage of request): <VALUE> / 50%
Min replicas: 2
Max replicas: 10
Deployment pods: <VALUE> current / <VALUE> desired
Conditions:
<CONDITION>: <VALUE>不同 Kubernetes 版本和运行状态会显示不同条件与事件,但这里最重要的是把“指标是否可读”“当前副本”“期望副本”和“是否受限制”放在一起看。
控制延迟决定真实扩容速度
HPA 算出更多副本,只代表控制器写入了新的期望值。之后还要经过工作负载控制器创建 Pod、调度器选择节点、镜像拉取、容器启动、Readiness Probe 通过,新增容量才真正进入服务。
因此容量治理不能只调 HPA 参数。若业务突发速度远快于 Pod 启动速度,应同时考虑保留基础副本、缩短启动路径、配置合理的扩容行为,以及确保节点侧有可用容量。HPA 是闭环中的决策器,不是凭空产生容量的组件。