罗罗编程学习记录
本页内容 展开查看

08.2.2.2 HPA/VPA 与集群弹性

所属:全栈开发面试题库 / 08 云原生与 DevOps / 08.2 Kubernetes / 08.2.2 调度网络存储与排障

08.2.2.2-001 HPA 解决什么问题?

一句话结论

HPA(Horizontal Pod Autoscaler)按指标自动增减 Pod 副本数,水平应对负载波动;它调整副本数量,不调整单 Pod 资源限额。

概念解释

  • 水平:增减副本。
  • 触发:指标偏离目标。
  • 对象:Deployment/StatefulSet 等可伸缩工作负载。

原理流程

  1. 采集 Pod 指标。
  2. 对比目标值计算期望副本数。
  3. 调整副本数并由控制器落地。

代码 / 图示

负载上升 → 指标超目标 → 增加副本
负载下降 → 指标低于目标 → 减少副本

常见误区

  • 误区:HPA 给单个 Pod 加 CPU/内存;正解:它水平扩副本,垂直调整由 VPA 处理。
  • 误区:HPA 直接创建 Pod;正解:它更新工作负载副本数,控制器负责创建。

追问

  • Q:HPA 能伸缩哪些控制器? A:支持可伸缩子资源的工作负载(Deployment 等),具体支持范围以官方文档为准。
  • Q:HPA 生效前提是什么? A:指标来源可用、工作负载副本受其管理。

08.2.2.2-002 HPA 支持哪几类指标?

一句话结论

资源指标(CPU/内存,相对 requests 使用率)、自定义指标(业务 Pod 指标)、外部指标(集群外指标,如队列长度)。

概念解释

  • 资源指标:metrics-server 提供。
  • 自定义指标:指标适配器采集业务指标。
  • 外部指标:来自外部监控/队列系统。

原理流程

  1. 指标管线采集对应数据。
  2. HPA 按指标类型与目标值计算。
  3. 输出期望副本数。

代码 / 对照

指标类型 例子 数据来源
资源 CPU/内存使用率 metrics-server
自定义 QPS、队列等待 指标适配器/监控
外部 消息队列长度 外部指标服务

常见误区

  • 误区:不配指标适配器也能按 QPS 伸缩;正解:自定义/外部指标需要对应指标管线。
  • 误区:内存使用率适合作为默认伸缩指标;正解:内存回收波动大,通常以 CPU 或业务指标为主。

追问

  • Q:CPU 指标相对什么计算? A:相对 Pod CPU requests 的使用率(见 08.2.1.6-016)。
  • Q:外部指标典型场景? A:Kafka/RabbitMQ 积压、外部任务队列长度驱动扩容。

08.2.2.2-003 HPA 如何计算期望副本数?

一句话结论

核心公式:期望副本数 = 当前副本数 ×(当前指标值 / 目标指标值);结果按上下限与取整规则收敛。

概念解释

  • 利用率口径:实际用量 / 目标阈值。
  • 取整:副本数为整数。
  • 边界:minReplicas/maxReplicas 约束。

原理流程

  1. 取当前指标与目标值。
  2. 按比例计算期望副本。
  3. 限制在上下限内取整。

代码 / 图示

desired = currentReplicas × currentMetric / targetMetric
desired 截断到 [minReplicas, maxReplicas] 并取整

常见误区

  • 误区:指标超目标就立即扩到最大副本;正解:按比例计算并受上下限约束。
  • 误区:多指标取最大值还是平均值? A:多指标组合策略按 HPA 配置规则,具体以官方文档为准。

追问

  • Q:指标突刺会导致副本数剧烈波动吗? A:受稳定窗口与冷却策略缓冲(见 08.2.2.2-004)。
  • Q:自定义指标目标值怎么定? A:按压测单副本承载能力设定目标阈值。

08.2.2.2-004 HPA 的冷却与稳定窗口是什么?

一句话结论

扩容/缩容在观测窗口内聚合指标并设置冷却周期,避免指标抖动导致副本频繁增减;缩容通常比扩容更谨慎。

概念解释

  • 观测窗口:取一段时间指标聚合。
  • 冷却:两次伸缩间隔限制。
  • 稳定:避免抖动震荡。

原理流程

  1. 周期采集聚合指标。
  2. 判断是否超目标且越过冷却。
  3. 调整副本并进入冷却。

代码 / 图示

指标聚合 → 超目标 → 冷却内不重复伸缩 → 调整副本 → 稳定窗口观察

常见误区

  • 误区:HPA 每秒根据瞬时值伸缩;正解:有观测窗口与冷却,伸缩是渐进的。
  • 误区:扩容和缩容冷却策略相同;正解:缩容更保守,避免刚扩又缩。

追问

  • Q:为什么缩容要慢? A:防止指标短暂下降就缩容,随后流量回升再次扩容造成震荡。
  • Q:伸缩不及时先查什么? A:指标是否可用、冷却窗口、上下限与 requests 配置。

08.2.2.2-005 HPA 为什么依赖 requests 与指标管线?

一句话结论

资源指标按实际用量 / requests 计算使用率,没有 requests 无法算利用率;指标管线(metrics-server 等)缺失则 CPU/内存指标取不到,HPA 无法伸缩。

概念解释

  • requests:利用率分母。
  • 指标管线:提供实时资源指标。
  • 缺失:HPA 无法决策。

原理流程

  1. metrics-server 采集节点/Pod 资源指标。
  2. HPA 读取指标与 requests。
  3. 计算利用率与期望副本。

代码 / 图示

metrics-server 指标 + Pod requests → 使用率 → HPA 决策

常见误区

  • 误区:HPA 只看绝对 CPU 核数;正解:默认资源指标是相对 requests 的利用率。
  • 误区:没装 metrics-server 业务指标也能伸缩;正解:资源指标不可用,自定义指标需另配适配器。

追问

  • Q:metrics-server 不可用 HPA 表现? A:指标缺失,副本数不调整,事件记录指标获取失败。
  • Q:requests 设得过大对 HPA 有什么影响? A:使用率被压低,扩容滞后。

08.2.2.2-006 minReplicas/maxReplicas 如何约束伸缩?

一句话结论

minReplicas 保证最小副本冗余,maxReplicas 限制最大扩容规模;HPA 计算结果被截断在该区间内。

概念解释

  • 下限:保底容量与可用性。
  • 上限:成本与资源天花板。
  • 区间:伸缩边界。

原理流程

  1. 计算期望副本。
  2. 截断到 [min, max]。
  3. 控制器按区间内副本数调整。

代码 / 示例

minReplicas: 2
maxReplicas: 10

常见误区

  • 误区:maxReplicas 设很大就不会资源耗尽;正解:节点容量不足时副本 Pending,需配合集群弹性。
  • 误区:minReplicas 设 0 最省成本;正解:无副本时冷启动慢,关键服务需保底副本。

追问

  • Q:maxReplicas 受什么限制? A:集群可调度资源、配额与业务承载上限。
  • Q:缩到 minReplicas 以下可以吗? A:不可以,下限由配置锁定。

08.2.2.2-007 缩容为什么更谨慎?

一句话结论

缩容涉及摘流与连接排空,且指标下降可能是暂时的;过快缩容会导致流量回升时容量不足,因此缩容窗口更长、判定更保守。

概念解释

  • 摘流成本:端点摘除、连接排空。
  • 回升风险:流量反弹需重新扩容。
  • 保守策略:延长观察窗口。

原理流程

  1. 指标持续低于目标。
  2. 经过更长稳定窗口确认。
  3. 逐步缩容,先摘流再终止。

代码 / 图示

指标下降 → 长窗口确认 → 逐步缩容(摘流 → 排空 → 终止)

常见误区

  • 误区:缩容和扩容一样快;正解:缩容通常更慢更保守。
  • 误区:缩容直接杀 Pod;正解:先从端点摘除,优雅排空后终止。

追问

  • Q:有状态服务适合自动缩容吗? A:需评估卷与身份,缩容可能影响数据分布,谨慎配置。
  • Q:缩容后流量飙升怎么兜底? A:扩容链路与告警兜底,避免下限过低。

08.2.2.2-008 自定义指标从哪里来?

一句话结论

自定义指标通过指标适配器(adapter)对接监控指标系统,把业务指标(QPS、连接数、队列等待)暴露给 HPA;与 metrics-server 的资源指标分离。

概念解释

  • 适配器:聚合/暴露指标给 HPA。
  • 业务指标:应用自埋点或框架采集。
  • 目标:按业务真实负载伸缩。

原理流程

  1. 应用/中间件产出业务指标。
  2. 监控系统采集存储。
  3. 适配器暴露给 HPA 查询。

代码 / 图示

应用埋点 → 监控系统 → 指标适配器 → HPA 按业务指标伸缩

常见误区

  • 误区:metrics-server 能提供 QPS 指标;正解:它只提供 CPU/内存资源指标,业务指标需另配。
  • 误区:指标埋点不影响伸缩结果;正解:指标口径错误会导致伸缩方向错误。

追问

  • Q:指标命名与标签如何管理? A:按团队规范定义指标名称与维度,避免歧义。
  • Q:指标采集延迟影响什么? A:伸缩决策滞后,需评估采集周期与业务节奏。

08.2.2.2-009 VPA 的三种运行模式是什么?

一句话结论

VPA(Vertical Pod Autoscaler)按指标调整 Pod 的 requests;模式分 Auto(自动改 request)、Recommender(只给建议不改)、Off(关闭建议/更新),具体模式行为以官方文档为准。

概念解释

  • 垂直:调单 Pod 资源请求。
  • 建议:推荐 request 值。
  • 更新:重启 Pod 生效。

原理流程

  1. 采集历史资源用量。
  2. 推荐合适 requests。
  3. 按模式更新或仅输出建议。

代码 / 对照

模式 行为
Recommender 只给资源建议
Auto 自动更新 requests
Off 关闭自动建议/更新

常见误区

  • 误区:VPA 直接调 limits 并热生效;正解:requests 更新常需 Pod 重建生效。
  • 误区:VPA 与 HPA 随时可以叠加使用;正解:资源指标伸缩场景两者可能冲突(见 08.2.2.2-010)。

追问

  • Q:VPA 推荐值依据什么? A:历史用量分布与分位数,覆盖峰值与余量。
  • Q:VPA 更新 requests 会重启 Pod 吗? A:request 变更通常需重建 Pod 生效,按模式与实现确认。

08.2.2.2-010 HPA 与 VPA 为什么会冲突?

一句话结论

两者都基于资源指标决策:VPA 改 requests 会改变 HPA 的使用率分母,HPA 扩副本又改变资源分布;在 CPU/内存资源指标上叠加容易互相干扰。

概念解释

  • 分母:requests 被 VPA 调整。
  • 副本:HPA 调整数量。
  • 耦合:两者信号互相影响。

原理流程

  1. VPA 提高 request → HPA 使用率下降 → HPA 倾向缩容。
  2. HPA 扩容 → 单 Pod 用量变化 → VPA 再次调整。
  3. 循环震荡风险。

代码 / 图示

VPA 调 request → 改变 HPA 使用率 → HPA 调副本 → 影响 VPA 推荐

常见误区

  • 误区:HPA + VPA 叠加效果最好;正解:资源指标场景需明确分工,避免同时伸缩同一资源维度。
  • 误区:VPA 只管建议就不会冲突;正解:建议口径仍会影响人工调整决策。

追问

  • Q:常见分工方式? A:HPA 按业务/资源指标水平扩副本,VPA 用于校准 requests,不与 HPA 同资源维度叠加。
  • Q:官方对组合使用的建议? A:以 VPA 与 HPA 官方兼容性说明为准,不确定处标注待确认。

08.2.2.2-011 Cluster Autoscaler 做什么?

一句话结论

Cluster Autoscaler 在 Pod 因节点不足 Pending 时自动增减节点:节点不足扩容节点,节点长期闲置缩容节点,是集群节点层弹性。

概念解释

  • 层级:节点数量弹性。
  • 触发:Pending Pod / 节点闲置。
  • 依赖:云厂商节点组能力。

原理流程

  1. 发现 Pending Pod 无法调度。
  2. 扩容节点组增加节点。
  3. 长期低负载节点评估后缩容。

代码 / 图示

Pending Pod → CA 扩容节点组 → 节点加入 → Pod 调度
低负载节点 → 评估 → 缩容节点

常见误区

  • 误区:CA 就是 HPA;正解:HPA 调 Pod 副本,CA 调节点数量。
  • 误区:CA 缩容会强制删除节点;正解:先安全排空评估,可调度 Pod 迁移后再缩。

追问

  • Q:CA 扩容慢是什么原因? A:云节点组配额、镜像拉取、节点初始化耗时。
  • Q:CA 与 HPA 如何配合? A:HPA 扩 Pod 导致 Pending,CA 补节点,两级弹性衔接。

08.2.2.2-012 Karpenter 与传统节点组弹性有什么区别?

一句话结论

Karpenter 按 Pod 需求直接 provision 匹配规格的节点,减少固定节点组预设与多层调度等待;其适用环境与能力以对应版本/云平台文档为准。

概念解释

  • 按需选规格:CPU/内存/GPU 匹配 Pod 需求。
  • 减少节点组模板限制。
  • 节点生命周期自动化。

原理流程

  1. 监听到未调度 Pod 需求。
  2. 选择匹配节点规格并创建。
  3. 节点加入集群后 Pod 调度。

代码 / 图示

Pending Pod 需求 → Karpenter 选规格 → 创建节点 → 调度落地

常见误区

  • 误区:Karpenter 替代调度器;正解:它做节点供给,Pod 选节点仍由调度器完成。
  • 误区:任何集群都能直接用;正解:需对应云平台与组件版本支持,以官方说明为准。

追问

  • Q:Karpenter 与 CA 选型考虑什么? A:节点规格多样性、成本优化、平台兼容性与运维成熟度。
  • Q:节点供给弹性受什么限制? A:云配额、可用区资源、节点组策略。

08.2.2.2-013 弹性有哪几个层级?

一句话结论

弹性分三级:Pod 副本(HPA)、节点数量(CA/Karpenter)、集群容量(配额/云资源);上层扩容受下层容量约束。

概念解释

  • 应用层:副本伸缩。
  • 节点层:机器供给。
  • 基础设施层:配额与可用资源。

原理流程

  1. 负载上升先扩 Pod。
  2. Pod 放不下触发节点扩容。
  3. 节点受云配额/容量约束。

代码 / 图示

HPA 扩 Pod → 节点不足 → CA/Karpenter 扩节点 → 受云配额约束

常见误区

  • 误区:Pod 扩容就一定有节点承接;正解:节点层与基础设施层容量需同步评估。
  • 误区:只配 HPA 就完成弹性建设;正解:需节点供给与容量规划配合。

追问

  • Q:哪一级扩容最慢? A:节点供给与基础设施扩容通常慢于 Pod 伸缩。
  • Q:弹性规划要预留什么? A:峰值容量、节点初始化时间与配额余量。

08.2.2.2-014 冷启动与预热如何影响弹性效果?

一句话结论

新 Pod 启动与就绪需要时间,扩容动作滞后于真实负载;预热副本、保留基线冗余可缩短突发流量下的响应时间。

概念解释

  • 冷启动:进程初始化、连接池预热。
  • 滞后:扩容决策 + 启动 + 就绪。
  • 预热:常驻冗余承接突发。

原理流程

  1. 负载突增触发扩容。
  2. 新 Pod 启动到就绪需时间。
  3. 基线副本先承接,新副本陆续加入。

代码 / 图示

突发流量 → HPA 决策 → 新 Pod 启动/就绪(冷启动期) → 容量到位
基线副本 + 预热层承接窗口期流量

常见误区

  • 误区:HPA 触发后立刻有完整容量;正解:存在启动与就绪延迟。
  • 误区:minReplicas 设 0 成本最优;正解:突发时冷启动窗口风险高。

追问

  • Q:如何缩短冷启动? A:优化镜像与启动流程、预热连接/缓存、保留基线副本。
  • Q:HPA 目标阈值设高还是低? A:留容量余量应对启动窗口,避免打满才扩容。

08.2.2.2-015 指标缺失或异常会怎样影响伸缩?

一句话结论

指标取不到时 HPA 不按该指标伸缩;指标口径错误或延迟会导致误扩/误缩;需监控指标管线健康并保留兜底副本。

概念解释

  • 缺失:无决策依据。
  • 异常:错误信号。
  • 延迟:决策滞后。

原理流程

  1. 指标管线故障 → HPA 指标不可用。
  2. 异常指标 → 错误伸缩方向。
  3. 兜底:保底副本与告警。

代码 / 图示

指标正常 → 按目标伸缩
指标缺失 → 维持现状/按策略处理
指标异常 → 误伸缩,需告警拦截

常见误区

  • 误区:指标挂了 HPA 会自动缩到 0;正解:不可用通常维持现状,具体行为按实现与版本确认。
  • 误区:业务指标埋错不影响伸缩结果;正解:错误指标会驱动错误副本数。

追问

  • Q:如何监控指标管线健康? A:采集指标可用性与延迟告警,核对 HPA 事件中的指标错误记录。
  • Q:指标延迟大怎么调? A:结合业务节奏调采集周期与伸缩窗口,保留冗余兜底。

08.2.2.2-016 弹性伸缩解决不了什么问题?

一句话结论

弹性只扩容量,不解决代码低效、内存泄漏、错误配置、单点依赖与慢查询;这些问题在扩容后仍会放大。

概念解释

  • 扩副本:分摊负载。
  • 不解决:单副本内部缺陷。
  • 依赖瓶颈:数据库/下游限流。

原理流程

  1. 负载升高。
  2. 弹性增加副本分摊。
  3. 应用缺陷/下游瓶颈依旧,需另行治理。

代码 / 对照

问题类型 弹性是否解决
流量高峰分摊 是
内存泄漏/死循环 否
慢 SQL/下游限流 部分缓解,根因需治理
配置错误 否

常见误区

  • 误区:扩容能解决一切性能问题;正解:容量问题可分摊,代码与依赖瓶颈需优化。
  • 误区:扩容后指标下降就代表健康;正解:可能只是被副本稀释,单副本问题仍在。

追问

  • Q:扩容后 P99 仍高先查什么? A:单副本资源、慢查询、下游依赖与线程/连接瓶颈。
  • Q:下游被限流时扩容有用吗? A:增加副本可能加剧下游压力,需先保护下游与治理瓶颈。

08.2.2.2-017 弹性伸缩与控制器如何配合?

一句话结论

HPA 更新工作负载副本数,控制器按副本期望创建/删除 Pod;Pod 调度、探针就绪后才计入可用容量,伸缩链路各环节缺一不可。

概念解释

  • HPA:期望副本数。
  • 控制器:副本落地。
  • 调度/就绪:可用容量形成。

原理流程

  1. HPA 设定 desired replicas。
  2. 控制器创建/删除 Pod。
  3. 调度落地、探针就绪后容量生效。

代码 / 图示

HPA → replicas 期望 → 控制器 → Pod → 调度 → 就绪 → 可用后端

常见误区

  • 误区:副本数增加等于服务能力增加;正解:Pod 未调度/未就绪前不可用。
  • 误区:HPA 直接管 Pod 生命周期;正解:它只改副本数,生命周期归控制器。

追问

  • Q:扩容后后端不可用先查什么? A:Pod 是否 Pending、探针是否通过、端点是否加入。
  • Q:缩容时控制器怎么选 Pod 删? A:按控制器删除策略与就绪状态,具体规则按工作负载类型。

08.2.2.2-018 HPA 不伸缩如何排查?

一句话结论

按链路排查:指标是否可取 → requests 是否配置 → 目标值与上下限 → 工作负载是否被 HPA 管理 → Pod 是否就绪贡献指标。

概念解释

  • 指标链路:metrics/适配器。
  • 配置:requests、目标、副本区间。
  • 对象:HPA 绑定的工作负载。

原理流程

  1. 查看 HPA 状态指标与事件。
  2. 核对指标来源可用性。
  3. 核对 requests、目标值、副本上下限。
  4. 确认 Pod 就绪且指标归属正确。

代码 / 图示

HPA 状态/事件 → 指标可取? → requests 已设? → 目标/区间合理? → Pod 就绪有指标?

常见误区

  • 误区:HPA 不伸缩一定是 HPA 故障;正解:多数是指标缺失、requests 未设或副本已达上下限。
  • 误区:未就绪 Pod 也贡献伸缩指标;正解:指标口径按可用 Pod 计算,未就绪不参与或被剔除。

追问

  • Q:HPA 当前副本与目标在哪看? A:HPA 对象状态中显示当前副本、目标副本与指标值。
  • Q:扩容达到 maxReplicas 后仍超载怎么办? A:评估调大上限、优化单副本承载或扩容节点容量。