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。

HPA 从指标采集到副本调整的控制循环

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:

期望副本数=⌈当前副本数×当前指标值目标指标值⌉\text{期望副本数}=\left\lceil \text{当前副本数}\times\frac{\text{当前指标值}}{\text{目标指标值}} \right\rceil

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 ⌈4×75/50⌉=6\lceil4\times75/50\rceil=6 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。

yaml
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。

bash
kubectl apply -f <PATH>
kubectl get hpa web -n <NAMESPACE>

预期输出

text
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。

bash
kubectl describe hpa web -n <NAMESPACE>

预期输出

text
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。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

理解 HPA 控制循环

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通