Kubernetes 动态扩容黑科技

一、创新看点

二、整体架构

┌───────────────┐ metrics ┌─────────────┐

│ Event Source │────────────│ KEDA Scaler │

│ (Kafka / SQS) │ └──────┬──────┘

└───────────────┘ │

Creates HPA │

▼

┌──────────────┐

│ Workload │

│(Deployment) │

└──────────────┘

三、环境要求

• Kubernetes 1.26+
• Helm 3.10+
• 示例事件源：Redis5、Prometheus2.46
• 4C8G以上测试节点

四、实战落地 7步

步骤1：安装 KEDA Operator

helm repo add kedacore https://kedacore.github.io/charts

helm repo update

helm install keda kedacore/keda --namespace keda --create-namespace

步骤2：部署示例应用

kubectl create ns demo

kubectl apply -n demo -f https://raw.githubusercontent.com/kedacore/keda/main/examples/redis/redis-deploy.yaml

kubectl apply -n demo -f https://raw.githubusercontent.com/kedacore/keda/main/examples/redis/consumer-deploy.yaml

• redis：事件源
• consumer：耗时 100ms 模拟业务处理

步骤3：创建 ScaledObject（Redis 队列长度）

scaledobject.yaml

apiVersion: keda.sh/v1alpha1

kind: ScaledObject

metadata:

name: redis-scaler

namespace: demo

spec:

scaleTargetRef:

name: consumer

minReplicaCount: 0

maxReplicaCount: 30

triggers:

- type: redis

metadata:

address: redis.demo:6379

listName: jobs

listLength: "5"

kubectl apply -f scaledobject.yaml

步骤4：压测注入消息

for i in {1..500}; do

kubectl exec deploy/redis -n demo -- \

redis-cli LPUSH jobs "task-$i"

done

观察：

watch kubectl get hpa,deploy -n demo

• 队列 >5 时，Pod 秒级扩容
• 消费完毕自动缩回 0

步骤5：改造 HTTP QPS 触发

安装 Prometheus Adapter：

helm install adapter prometheus-community/kube-prometheus-stack \

-n monitoring --set prometheus.prometheusSpec.serviceMonitorSelectorNilUsesHelmValues=false

定义自定义指标：

apiVersion: keda.sh/v1alpha1

kind: ScaledObject

metadata:

name: api-scaler

namespace: demo

spec:

scaleTargetRef:

name: api

cooldownPeriod: 60

pollingInterval: 15

maxReplicaCount: 20

triggers:

- type: prometheus

metadata:

serverAddress: http://prometheus.monitoring:9090

query: |

sum(rate(http_requests_total{app="api"}[1m]))

threshold: "150"

步骤6：开启预热（Warm-up）

advanced:

restoreToOriginalReplicaCount: true

horizontalPodAutoscalerConfig:

behavior:

scaleUp:

stabilizationWindowSeconds: 0

policies:

- type: Pods

value: 5

periodSeconds: 30

防止冷启动导致高延迟。

步骤7：生产级优化

五、效果对比

六、总结

借助 KEDA，“扩容”不再局限 CPU/内存，而真正以“业务事件”驱动，让你的 Kubernetes 集群 按需呼吸。跟着本指南 7步，你就能在 30分钟内完成落地，最多节省 70% 资源账单，还能在高峰时刻保持丝滑体验。赶快把 HPA 升级到 Event-Driven 时代吧！