前提条件

在运行任何 HPA 例子前，请确保你的 Kubernetes 集群已经安装了 Metrics Server，它用于提供核心的资源指标（CPU/内存）。

# 如果你使用 minikube，可以这样启用
minikube addons enable metrics-server

# 对于其他集群，通常可以用以下方式安装
kubectl apply -f https://github.com/kubernetes-sigs/metrics-server/releases/latest/download/components.yaml

# 验证安装是否成功，等待一两分钟后运行：
kubectl top nodes
# 如果能看到节点的 CPU 和内存使用情况，说明 Metrics Server 正在工作。

---

示例 1：基于 CPU 使用率的自动扩缩（最经典）

这是最常见和简单的 HPA 使用场景。

1. 部署一个测试应用 我们部署一个简单的 Nginx Deployment 和一个 Service。为了更容易地产生 CPU 负载，我们使用一个专门的压力测试镜像。

   # nginx-deployment.yaml
   apiVersion: apps/v1
   kind: Deployment
   metadata:
     name: nginx-for-hpa
   spec:
     replicas: 1
     selector:
       matchLabels:
         app: nginx
     template:
       metadata:
         labels:
           app: nginx
       spec:
         containers:
         - name: nginx
           image: nginx:alpine
           resources:
             requests: # HPA 需要根据 requests 值计算使用率，必须设置！
               cpu: "100m"  # 0.1 个 CPU 核心
               memory: "64Mi"
           ports:
           - containerPort: 80
   ---
   apiVersion: v1
   kind: Service
   metadata:
     name: nginx-service
   spec:
     selector:
       app: nginx
     ports:
       - protocol: TCP
         port: 80
         targetPort: 80

   应用它：kubectl apply -f nginx-deployment.yaml

2. 创建 HPA 创建一个 HPA，目标是保持 CPU 平均使用率为 50%。副本数介于 1 到 5 之间。

   kubectl autoscale deployment nginx-for-hpa --cpu-percent=50 --min=1 --max=5

   或者使用 YAML 文件 (hpa-cpu.yaml)：

   apiVersion: autoscaling/v2
   kind: HorizontalPodAutoscaler
   metadata:
     name: nginx-cpu-hpa
   spec:
     scaleTargetRef:
       apiVersion: apps/v1
       kind: Deployment
       name: nginx-for-hpa
     minReplicas: 1
     maxReplicas: 5
     metrics:
     - type: Resource
       resource:
         name: cpu
         target:
           type: Utilization
           averageUtilization: 50

   应用它：kubectl apply -f hpa-cpu.yaml

3. 查看 HPA 状态

   kubectl get hpa nginx-cpu-hpa

   初始输出，因为暂无流量，CPU 使用率很低：

   NAME            REFERENCE                  TARGETS   MINPODS   MAXPODS   REPLICAS   AGE
   nginx-cpu-hpa   Deployment/nginx-for-hpa   0%/50%    1         5         1          2m

4. 产生负载来触发扩缩容 我们启动一个临时的 Pod 来向 Nginx 服务发送大量请求，模拟流量高峰。

   kubectl run -it --rm load-generator --image=busybox -- /bin/sh
   # 进入容器后，运行一个循环命令不断访问服务
   while true; do wget -q -O- http://nginx-service > /dev/null; done

5. 观察 HPA 变化 保持上面的负载运行，在另一个终端窗口再次查看 HPA：

   kubectl get hpa nginx-cpu-hpa -w

   你会看到 TARGETS 列的 CPU 使用率飙升，很快 REPLICAS 列的数字就会从 1 开始增加，可能到 2、3，甚至达到最大值 5。

   NAME            REFERENCE                  TARGETS    MINPODS   MAXPODS   REPLICAS   AGE
   nginx-cpu-hpa   Deployment/nginx-for-hpa   187%/50%   1         5         1          10m
   nginx-cpu-hpa   Deployment/nginx-for-hpa   187%/50%   1         5         4          10m
   nginx-cpu-hpa   Deployment/nginx-for-hpa   75%/50%    1         5         4          11m

6. 停止负载 在 load-generator 容器中按下 Ctrl+C 停止循环。等待几分钟后再次查看 HPA，你会发现 CPU 使用率下降，并且 HPA 会自动将副本数减少到 1。

---

示例 2：基于内存使用率的自动扩缩

除了 CPU，HPA 也可以基于内存。配置方式非常相似。

# hpa-memory.yaml
apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: nginx-memory-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: nginx-for-hpa # 可以指向同一个或不同的 Deployment
  minReplicas: 1
  maxReplicas: 5
  metrics:
  - type: Resource
    resource:
      name: memory
      target:
        type: Utilization
        averageUtilization: 60 # 目标内存使用率为 60%

注意：基于内存的扩缩要谨慎使用，因为与应用特性强相关。一个 Pod 的内存使用可能不会像 CPU 那样随着请求增加而立即下降，扩容后新 Pod 启动也需要时间加载数据到内存。

---

示例 3：基于自定义指标（Prometheus + QPS）

这是一个更高级的例子，需要安装 Prometheus 和 Prometheus Adapter。它根据应用的每秒请求数（QPS） 来扩缩，这比 CPU 更能直接反映 web 应用的负载。

假设你已经部署了 Prometheus 栈和适配器。

1. HPA 配置示例：

   # hpa-qps.yaml
   apiVersion: autoscaling/v2
   kind: HorizontalPodAutoscaler
   metadata:
     name: my-app-qps-hpa
   spec:
     scaleTargetRef:
       apiVersion: apps/v1
       kind: Deployment
       name: my-web-app
     minReplicas: 2
     maxReplicas: 10
     metrics:
     - type: Object
       object:
         metric:
           name: http_requests_per_second # 自定义指标名称，由适配器定义
         describedObject:
           apiVersion: v1
           kind: Service
           name: my-web-app-service
         target:
           type: Value
           value: "100" # 目标值是每个 Pod 平均 100 QPS

2. 工作原理：

   • Prometheus 持续从你的应用 (my-web-app) 抓取 QPS 指标。
   • Prometheus Adapter 将 Prometheus 中的 http_requests_total 等指标转换为 Kubernetes Metrics API 能理解的 http_requests_per_second。
   • HPA 控制器查询 Metrics API，获取当前的总 QPS，然后除以当前的 Pod 数量，得到每个 Pod 的平均 QPS。
   • 如果平均 QPS 高于 100，就扩容；低于 100，就缩容。

更新日志

2025/9/17 12:30

查看所有更新日志

• 1e91a-add hpa于 2025/9/17