一、Pod自动扩容
Horizontal Pod Atuosacler(HPA)的控制器，用于实现基于CPU使用率进行自动Pod扩缩容功能。HPA控制器是基于Master的kube-controller-manager服务启动参数--horizontal-pod-autoscaler-sync-period定义的探测周期(默认是15s)，周期性检测目标Pod的资源性能指标，并与HPA资源对象中扩缩容条件对比，在满足条件时对Pod副本数量进行调整。
Kubernetes早期版本只能基于Pod的CPU使用率进行自动扩缩容。从1.11版本开始，起用Heapster并转向基于Metrics Server完成数据采集。Metrics Server将采集到的Pod性能指标数据通过API提供给HAP控制器进行查询。
二、HPA的工作原理
Kubernetes中的某个Metrics Server持续采集所有Pod副本的指标数据。HAP控制器通过 Metrics Server的API获取这些数据，基于用户定义的扩容规则进行计算，得到目标Pod的副本数量。当目标Pod副本数量与当前副本数量不同时，HPA控制器就向Pod的副本数量控制器(Deployment、RC或ReplicaSet)发起scale操作，调整Pod的副本数量完成扩缩容操作。
三、指标类型
Master的kube-controller-manager服务持续监测目标Pod的某种性能指标，以计算是否需要调整副本数量，目前kubernetes监测的性能指标
- Pod资源使用率：Pod级别的性能指标，通常一个比率值，例如CPU使用率
- Pod自定义指标：Pod级别的性能指标，通常是一个数值，例如接收请求数量
- Object自定义指标或外部自定义指标：通常是一个数值，需要容器以某种方式提供，例如通过HTTP URL“/metrics”提供，或者使用外部服务提供性能指标采集URL
四、扩缩容算法
1. 设置期望值
Autoscaler控制器从聚合API获取到Pod性能指标数据后，基本下面的算法计算出目标Pod副本数量，与当前运行Pod副本数量进行比对，决定是否需要进行扩缩容操作。
desiredReplicas = ceil[currentReplicas * (currentMetricValue/desiredMetricValue)]
# 期望Pod副本数 = 当前Pod副本数 X ( 当前指标值 / 期望指标值 )，将结果向上取整
#例如(CPU请求数量为例),如果用户设置的期望指标值为100m，当前实际使用指标值为200m，计算得到期望的Pod副本数量应该为两个(200/100 = 2)。如果当前实际使用为50m，计算结果为0.5，向上取值为1，得到
#目标Pod副本数量应该为 1当计算结果与1非常接近时，可以设置一个容忍度让系统不做扩容操作。容忍度通过kube-controller-manager服务启动参数，--horizontal-pod-autoscaler-tolerance进行设置，默认值为0.1(10%)，表示基于上述算法得到的结果在[-10%, +10%]区间内，即[0.9, 1.1]区间，控制器不会进行扩缩容操作。
2. 设置期望值指标为平均值
可以将期望指标值设置为指标的平均值类型，例如targetAverageValue或targetAverageUtilization，此时当前指标值(currentMetricsValue)的算法为所有Pod副本当前指标值的总和除以Pod副本数量得到的平均值。
- Pod正在被删除(设置了删除时间戳)：将不计入目标Pod副本数量
- Pod的当前指标值无法获取：本次探测不会讲这个Pod纳入目标Pod副本数量，后续探测会重新纳入计算范围
- 如果指标类型是CPU使用率，则对于正在启动但还没有达到Ready状态的Pod，也暂时不会纳入目标副本Pod数量范围
使用HPA特性时，可能因为指标的动态变化造成Pod副本数量频繁变动，这也被称为“抖动”。抖动会影响业务稳定性，在Kubernetes 1.12版本增加了参数来解决这个问题，HPA扩缩容冷却时间，即从上次扩缩容执行结束之后，需要经过最少多长时间进行扩缩容操作，从而消除短时间内指标值快速波动产生的影响。对该参数调整需要根据当前生产环境的时间调整。时间过短还是会存在都用，时间过长，导致HPA失效。
