3.2.11 伸缩与优化
HPA
HPA 的任何目标资源都可以基于其中的 Pods 的资源用量来实现扩缩。 在定义 Pod 规约时，类似 cpu 和 memory 这类资源请求必须被设定， 利用率是 Pod 的当前资源用量与其请求值之间的比值。
由于所有的容器的资源用量都会被累加起来，Pod 的总体资源用量值可能不会精确体现 各个容器的资源用量。这一现象也会导致一些问题，例如某个容器运行时的资源用量非常 高，但因为 Pod 层面的资源用量总值让人在可接受的约束范围内，HPA 不会执行扩大 目标对象规模的操作。
HorizontalPodAutoscaler API 也支持容器指标源，这时 HPA 可以跟踪记录一组 Pods 中各个容器的 资源用量，进而触发扩缩目标对象的操作。 容器资源指标的支持使得你可以为特定 Pod 中最重要的容器配置规模扩缩阈值。 例如，如果你有一个 Web 应用和一个执行日志操作的附属容器，你可以基于Web 应用的 资源用量来执行扩缩，忽略附属容器的存在及其资源用量，详情请见容器资源指标。
有时候，相关资源使用率达到了阈值，但是并没有发生扩缩行为，这是由于metric并没有超过容差范围，默认为0.1
有时候pod被扩容后，避免又发生缩容，或者pod缩容速度太快，进而影响了业务波动，我们需要对HPA的扩缩行为进行定义。
behavior: scaleDown: stabilizationWindowSeconds: 300 policies: - type: Percent value: 100 periodSeconds: 15 scaleUp: stabilizationWindowSeconds: 0 policies: - type: Percent value: 100 periodSeconds: 15 - type: Pods value: 4 periodSeconds: 15 selectPolicy: Max
用于缩小稳定窗口的时间为300秒(或是 --horizontal-pod-autoscaler-downscale-stabilization 参数设定值)。 只有一种缩容的策略，允许 100% 删除当前运行的副本，这意味着扩缩目标可以缩小到允许的最小副本数。 对于扩容，没有稳定窗口。当指标显示目标应该扩容时，目标会立即扩容。 这里有两种策略，每 15 秒添加 4 个 Pod 或 100% 当前运行的副本数（缩容发生时候会选择当时可以缩容的最大数量的策略进行执行），直到 HPA 达到稳定状态。
ClusterAutoScale
cluster-autoscaler是通过对处在Pending的Pod进行监听而触发的。当Pod处在Pending的原因是调度资源不足的时候，会触发cluster-autoscaler的模拟调度，模拟调度器会计算在配置的伸缩组中哪个伸缩组弹出节点后可以调度这些Pending的Pod。如果有伸缩组可以满足，那么就弹出相应的节点。
首先只有弹性伸缩弹出的节点会被缩容，静态的节点是无法被cluster-autoscaler接管的。缩容的判断是通过每个节点单独判断的。当任意一个节点的调度利用率低于所设置的调度阈值时，会触发节点的缩容判断。
在Pod处在无法调度时，会触发弹性伸缩组件的模拟调度逻辑，会根据伸缩组配置的标签和污点以及实例规格等信息进行判断。当配置的伸缩组可以模拟调度Pod的时候，就会被选择进行节点弹出。当同时有多个伸缩组满足模拟调度条件的时候，默认采用的是最少浪费原则，即根据模拟弹出后节点上剩余的资源最小为原则进行抉择。
同一节点池扩缩容行为一次只能有一个行为正在运行，无法做的两个action同时进行
提高节点伸缩速度：1.可以通过极速模式加速弹出速度，当伸缩组预热后（已完成一次扩容和缩容），伸缩组即可进入极速伸缩模式。2.使用自定义镜像的方式，通过Alibaba Cloud Linux 2（原Aliyun Linux 2）作为基础镜像，可以大大提升IaaS层的资源交付速度（50%）。
