K8s HPA/VPA 联合调优案例

本文目录#

• 引言
• 基础机制
• 联合架构
• 调优步骤
• 冲突避免
• 实战案例
• 总结
• 参考资料

引言#

Horizontal Pod Autoscaler (HPA) 与 Vertical Pod Autoscaler (VPA) 分别从水平与垂直维度调度资源。联合使用可提升资源利用率。本文分享 HPA+VPA 架构、冲突处理与调优案例。

基础机制#

• HPA：基于 CPU、内存或自定义指标调整副本数；
• VPA：推荐容器 requests/limits，支持自动更新或仅推荐；
• Kubernetes 官方建议二者联合时 VPA 设置为 Off 或 Auto + HPA ；
• 使用 Metrics Server + Prometheus Adapter 提供指标。

联合架构#

graph LR
  Metrics[Prometheus Adapter] --> HPA
  Metrics --> VPA
  HPA --> Deployment
  VPA --> Deployment
  Deployment --> Pods

调优步骤#

1. 启用 VPA（recommendation 模式）收集数据；
2. 分析推荐值，手动调整 requests；
3. 配置 HPA (minReplicas, maxReplicas, targetAverageUtilization);
4. 对关键应用设置 PodDisruptionBudget；
5. 使用 kube-state-metrics 监控自动扩缩容。

冲突避免#

• 避免 VPA 自动模式与 HPA 同时作用（会频繁重建 Pod）；
• 对实时服务选择 HPA + VPA Recommend；
• 批处理任务可使用 VPA 自动更新，HPA 作为峰值保障。

实战案例#

• 在线广告服务：HPA 基于 QPS，VPA 提供 CPU/内存建议；
• 数据处理任务：夜间 VPA 自动增加内存，HPA 限制最大副本；
• 监控指标：hpa_status_desired_replicas, vpa_recommendation_cpu。

总结#

HPA 与 VPA 联合调优需明确职责，避免资源震荡。以 VPA 推荐 + HPA 实施为主，辅以指标监控和限流策略，可在保证性能的同时提高资源利用率。

参考资料#

• [1] Kubernetes Autoscaling Concepts. https://kubernetes.io/docs/tasks/run-application/horizontal-pod-autoscale/
• [2] VPA User Guide. https://github.com/kubernetes/autoscaler/tree/master/vertical-pod-autoscaler

---

本作品系原创，采用知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议进行许可，转载请注明出处。