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。

HPA behavior 稳定窗口与限速链路

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。

yaml
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:

bash
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:

text
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。

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

配置 HPA 扩缩行为

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