01- 什麼是 KEDA ？
KEDA（Kubernetes Event-driven Autoscaling）是一個輕量級的開源組件，用於在 Kubernetes 中實現事件驅動的自動擴縮容。
該項目於 2020.3 被 CNCF 接收，2021.8 開始孵化，最後在 2023.8 宣佈畢業，目前已經非常成熟，可放心在生產環境中使用。
02- KEDA 的原理
KEDA 並不是要替代 HPA，而是作為 HPA 的補充或者增強，事實上很多時候 KEDA 是配合 HPA 一起工作的，這是 KEDA 官方的架構圖：
Kubernetes 原生的 HPA 主要基於 CPU 和 內存 使用率進行擴縮容。
問題： 很多應用（尤其是消費者服務）並不是因為 CPU 高了才需要擴容，而是因為 “待處理的消息積壓了” 才需要擴容。
KEDA 的解法： KEDA 允許 K8s 根據外部事件（如 Kafka 消息積壓數、Redis 隊列長度、Prometheus 指標等）來調整 Pod 數量。
03 - 哪些場景適合使用 KEDA？
場景一：消息隊列
當隊列中的消息積壓時擴容，處理完後縮容。Kafka, RabbitMQ, RocketMQ等。
比如：一個訂單處理服務。平時只有 1 個 Pod。大促期間，Kafka 中的新訂單Topic 積壓了 10 萬條消息，KEDA 檢測到 lag 值過高，立刻將 Pod 擴容到 50 個以加快消費速度
場景二：基於自定義業務指標
CPU 低不代表負載低。你需要根據業務維度的指標來擴容。通過Prometheus 自定義資源
例如：一個數據庫寫入服務。當 SQL 查詢的響應時間（Latency）超過 500ms，或者數據庫連接池佔用率超過 80% 時，觸發擴容。
04- 使用 helm 部署 KEDA
helm repo add kedacore https://kedacore.github.io/charts
helm repo update
# 部署
helm install keda kedacore/keda --namespace keda --create-namespace
# 查看
kubectl get pods -n keda05- 簡單使用一下KEDA
我們通過設計一個“Hello KEDA”練習
- 瞭解KEDA的原理
外部事件源 → KEDA Scaler → Metrics API → HPA → Deployment → Pods5.1 準備清單文件
準備工作目錄
mkdir KEDA && cd KEDA- 創建名詞空間
kubectl create ns keda-demo --dry-run -oyaml > keda-demo.yml
kubectl apply -f keda-demo.ymlhttp-app.yaml
apiVersion: apps/v1
kind: Deployment
metadata:
name: http-app
namespace: keda-demo
spec:
replicas: 1
selector:
matchLabels:
app: http-app
template:
metadata:
labels:
app: http-app
spec:
containers:
- name: http-app
image: hashicorp/http-echo:1.0 # 指定版本確保穩定性
args:
- "-text=Hello, KEDA!"
ports:
- containerPort: 5678
resources:
requests:
cpu: 100m # 必須設置，用於 HPA 計算
memory: 128Mi
limits:
cpu: 200m
memory: 256Mi
---
apiVersion: v1
kind: Service
metadata:
name: http-app-service
namespace: keda-demo
spec:
selector:
app: http-app
ports:
- protocol: TCP
port: 80
targetPort: 5678
type: ClusterIP部署
# 應用配置
kubectl apply -f http-app.yaml
# 驗證部署
kubectl get pods -n keda-demo -l app=http-app測試
kubectl run -it --rm debug --image=busybox:1.28 -n keda-demo -- sh
# 測試
wget -q -O- http://http-app-service
Hello, KEDA!創建 ScaledObject
將以下內容保存為 keda-scaledobject.yaml
apiVersion: keda.sh/v1alpha1
kind: ScaledObject
metadata:
name: http-app-scaler
namespace: keda-demo
spec:
# 指定要擴縮容的目標
scaleTargetRef:
apiVersion: apps/v1
kind: Deployment
name: http-app
# 最小和最大副本數
minReplicaCount: 1
maxReplicaCount: 5
# 冷卻時間（秒）
cooldownPeriod: 30 # 縮容前等待時間
pollingInterval: 5 # 檢查指標間隔
# 觸發器配置
triggers:
- type: cpu
metricType: Utilization # 使用 CPU 利用率
metadata:
value: "30" # 當 CPU > 50% 時擴容kubectl apply -f keda-scaledobject.yaml
# 驗證創建
kubectl get scaledobject -n keda-demoKEDA 會自動創建對應的 HorizontalPodAutoscaler：
kubectl get hpa -n keda-demo監控過程
# 實時監控 Pod 數量變化
kubectl get pods -n keda-demo -l app=http-app -w
NAME READY STATUS RESTARTS AGE
http-app-6d867c4494-zs8nn 1/1 Running 0 4m17s
http-app-6d867c4494-sdddz 0/1 Pending 0 0s
http-app-6d867c4494-sdddz 0/1 Pending 0 0s
http-app-6d867c4494-ws8tm 0/1 Pending 0 0s
http-app-6d867c4494-b2frp 0/1 Pending 0 0s
http-app-6d867c4494-ws8tm 0/1 Pending 0 0s
http-app-6d867c4494-b2frp 0/1 Pending 0 0s
http-app-6d867c4494-sdddz 0/1 ContainerCreating 0 0s
http-app-6d867c4494-ws8tm 0/1 ContainerCreating 0 0s
http-app-6d867c4494-b2frp 0/1 ContainerCreating 0 0s
http-app-6d867c4494-sdddz 1/1 Running 0 2s
http-app-6d867c4494-ws8tm 1/1 Running 0 2s
http-app-6d867c4494-b2frp 1/1 Running 0 2s
# 另開終端監控 KEDA 事件
kubectl logs -n keda deployment/keda-operator -f生成負載
kubectl run -i --tty load-generator --image=busybox:1.28 -n keda-demo -- sh
# 在容器內執行（模擬 CPU 壓力）
while true; do
wget -q -O- http://http-app-service
donekubectl get hpa -n keda-demo
[root@k8s-master ~]# kubectl get hpa -n keda-demo
NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE
keda-hpa-http-app-scaler Deployment/http-app cpu: 111%/30% 1 5 1 99s停止負載生成
按 Ctrl+C 停止腳本，然後執行：
# 退出負載生成容器
exit
# 刪除負載生成 Pod
kubectl delete pod load-generator -n keda-demo等待約 2-3 分鐘（cooldownPeriod + 冷卻時間）
NAME READY STATUS RESTARTS AGE
http-app-6d867c4494-zs8nn 1/1 Running 0 4m17s
http-app-6d867c4494-sdddz 0/1 Pending 0 0s
http-app-6d867c4494-sdddz 0/1 Pending 0 0s
http-app-6d867c4494-ws8tm 0/1 Pending 0 0s
http-app-6d867c4494-b2frp 0/1 Pending 0 0s
http-app-6d867c4494-ws8tm 0/1 Pending 0 0s
http-app-6d867c4494-b2frp 0/1 Pending 0 0s
http-app-6d867c4494-sdddz 0/1 ContainerCreating 0 0s
http-app-6d867c4494-ws8tm 0/1 ContainerCreating 0 0s
http-app-6d867c4494-b2frp 0/1 ContainerCreating 0 0s
http-app-6d867c4494-sdddz 1/1 Running 0 2s
http-app-6d867c4494-ws8tm 1/1 Running 0 2s
http-app-6d867c4494-b2frp 1/1 Running 0 2s
http-app-6d867c4494-sdddz 1/1 Terminating 0 5m15s
http-app-6d867c4494-sdddz 0/1 Terminating 0 5m16s
http-app-6d867c4494-sdddz 0/1 Terminating 0 5m17s
http-app-6d867c4494-sdddz 0/1 Terminating 0 5m17s
http-app-6d867c4494-sdddz 0/1 Terminating 0 5m17s
http-app-6d867c4494-ws8tm 1/1 Terminating 0 5m31s
http-app-6d867c4494-b2frp 1/1 Terminating 0 5m31s
http-app-6d867c4494-ws8tm 0/1 Terminating 0 5m31s
http-app-6d867c4494-b2frp 0/1 Terminating 0 5m31s
http-app-6d867c4494-ws8tm 0/1 Terminating 0 5m32s
http-app-6d867c4494-ws8tm 0/1 Terminating 0 5m32s
http-app-6d867c4494-ws8tm 0/1 Terminating 0 5m32s
http-app-6d867c4494-b2frp 0/1 Terminating 0 5m32s
http-app-6d867c4494-b2frp 0/1 Terminating 0 5m32s
http-app-6d867c4494-b2frp 0/1 Terminating 0 5m32s
本文章為轉載內容，我們尊重原作者對文章享有的著作權。如有內容錯誤或侵權問題，歡迎原作者聯繫我們進行內容更正或刪除文章。
