k8s通过OpenKruise实现精准缩容（一）

引言

        实现基于HPA的极致弹性伸缩要分享的内容较多，所以我计划拆分成多篇去做介绍，该篇文章主要是先让大家了解，K8s有哪些弹性策略？缩容的优先级是怎样的？什么是HPA？HPA怎样工作？

K8s弹性策略有哪些？

        在 Kubernetes 集群中，自动化资源管理和伸缩是保持应用高效运行的关键。Kubernetes 提供了几种不同的机制来帮助实现这一目标：水平自动伸缩（HPA, Horizontal Pod Autoscaler）、垂直自动伸缩（VPA, Vertical Pod Autoscaler）和集群自动伸缩（CA, Cluster Autoscaler）。这些伸缩器在功能和使用场景上有所不同： 

• HPA：根据 CPU 使用率或其他自定义指标自动增加或减少 Pod 的副本数，如在业务高峰自动增加Pod副本数，在业务低峰自动减少Pod副本数，通常用于无状态应用；
• VPA：自动调整 Pod 的 CPU 和内存请求和限制，它的目标是为每个 Pod 分配最合适的资源量，既避免资源浪费，通常用于有状态应用或单实例应用；
• CA：根据集群的当前负载和资源需求自动增加或减少节点的数量，适用于需要根据应用负载动态调整集群大小的场景，CA 特别适用于云环境

      上述所提到的HPA和VPA属于调度层弹性，CA属于资源层弹性，跨层级弹性策略可以结合使用，但不建议HPA和VPA共同使用，避免造成冲突。