容器与云原生 / 系统课时
配置 HPA 扩缩行为
配置 HPA 扩缩行为
HPA 算出期望副本数后,不一定要立刻一次性调整到目标值。通过 behavior 可以分别控制扩容和缩容的稳定窗口、变化速率与策略选择,让突发流量响应足够快,同时避免流量回落后频繁删 Pod、再重新扩容。
学习目标
- 分别配置
scaleUp与scaleDown的伸缩规则。 - 理解
stabilizationWindowSeconds、policies和selectPolicy的职责。 - 根据业务恢复速度限制每次扩缩幅度,降低副本震荡。
behavior 控制哪一段链路
HPA 先根据指标得到一个原始期望副本数,再用稳定窗口过滤短时间内反复变化的建议,最后用 policies 限制允许的变化速率,并把处理后的副本数写入目标工作负载。behavior 改变的是“怎么到达目标”,不是指标本身如何计算。

配置快扩慢缩策略
下面的完整示例使用 CPU 60% 作为伸缩指标。扩容允许每 60 秒最多增加当前副本数的 50% 或 4 个 Pod,默认选择变化更大的规则;缩容先观察 300 秒,并选择 10% 或 2 个 Pod 中变化更小的规则,使回收更谨慎。
apiVersion: apps/v1
kind: Deployment
metadata:
name: api
spec:
replicas: 2
selector:
matchLabels:
app: api
template:
metadata:
labels:
app: api
spec:
containers:
- name: api
image: registry.k8s.io/hpa-example
resources:
requests:
cpu: 200m
memory: 64Mi
limits:
cpu: 500m
memory: 128Mi
---
apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
name: api
spec:
scaleTargetRef:
apiVersion: apps/v1
kind: Deployment
name: api
minReplicas: 2
maxReplicas: 30
metrics:
- type: Resource
resource:
name: cpu
target:
type: Utilization
averageUtilization: 60
behavior:
scaleUp:
stabilizationWindowSeconds: 0
policies:
- type: Percent
value: 50
periodSeconds: 60
- type: Pods
value: 4
periodSeconds: 60
selectPolicy: Max
scaleDown:
stabilizationWindowSeconds: 300
policies:
- type: Percent
value: 10
periodSeconds: 60
- type: Pods
value: 2
periodSeconds: 60
selectPolicy: Min把清单保存为 api-hpa.yaml 后执行:
kubectl apply -f api-hpa.yaml
kubectl get hpa api -o jsonpath='{.spec.behavior.scaleUp.selectPolicy}{" "}{.spec.behavior.scaleDown.stabilizationWindowSeconds}{" "}{.spec.behavior.scaleDown.selectPolicy}{"\n"}'首次创建时,预期输出类似:
deployment.apps/api created
horizontalpodautoscaler.autoscaling/api created
Max 300 Min读懂稳定窗口和 policies
stabilizationWindowSeconds 用于吸收短期反向波动。示例中的缩容窗口为 300 秒:指标刚下降时,HPA 会参考这段时间内已经计算过的建议,避免立刻采用过低的副本数。它尤其适合启动慢、连接预热贵或流量容易短时回弹的服务。
policies 则控制变化速率。type: Pods 表示绝对 Pod 数量,type: Percent 表示相对当前规模的百分比,periodSeconds 表示这条限速规则约束的时间窗口,而不是让 HPA 每隔这么久才运行一次。
当同一方向有多条 policy 时,selectPolicy: Max 采用允许变化更大的规则,适合需要快速扩容;Min 采用允许变化更小的规则,适合谨慎缩容;Disabled 可以完全禁止该方向的伸缩。选择错误时,常见结果不是配置失效,而是伸缩速度与预期相反。
用业务时间常数调参
扩容策略要覆盖从流量上升到新 Pod 真正可服务之间的延迟。如果镜像拉取、启动、就绪探针和缓存预热需要较长时间,应保留足够的空闲容量,并允许较快扩容;仅仅把 scaleUp 调得很激进,无法消除 Pod 启动延迟。
缩容则要观察流量回落是否稳定,以及连接排空、任务执行和优雅终止需要多久。对突发型 API,常见做法是“扩容快、缩容慢”;对昂贵批处理工作负载,可以降低扩容速度并缩短缩容窗口,但必须确认任务不会因副本减少而中断。
验收时不要只看最终副本数。应同时确认指标方向、HPA 的期望副本、Deployment 的实际可用副本和应用延迟是否一致;如果 HPA 已经给出更高副本数但可用副本迟迟不上升,问题应转向调度、镜像拉取、就绪探针或节点容量,而不是继续修改 behavior。