福州医保中心使⽤keda完成基于事件的弹性伸缩⽂章中使⽤的是keda 1.5版本，2.0⽬前是beta版本。
1.5版本⽀持deployment，job两种资源。⽽在
2.0增加了StatefulSet以及⾃定义资源
张岱年keda 是⼀个⽀持多种事件源来对应⽤进⾏弹性伸缩的控制器。我觉得keda可以认为是基于HPA的external metrics的⼀种扩展，因为它利⽤了hpa中external metrics的能⼒，允许直接配置多个事件源：
安装keda
├── 00-namespace.yaml
├── 01-rvice_account.yaml
├── 10-cluster_role.yaml
├── 11-role_binding.yaml
├── 12-operator.yaml
├── 20-metrics-cluster_role.yaml
├── 21-metrics-role_binding.yaml
├── 22-metrics-deployment.yaml
├── 23-metrics-rvice.yaml
├── 24-metrics-api_rvice.yaml
└── crds
├── keda.k8s.io_scaledobjects_crd.yaml
it宾格
└── keda.k8s.io_triggerauthentications_crd.yaml
安装：
kubectl apply -f ./crds/
kubectl apply -f .凉面的调料
以prometheus 和cron两个事件源看下如何使⽤
配置 ScaledObject
以Deployment为例，看下ScaledObject⽀持哪些变量
apiVersion: keda.k8s.io/v1alpha1
kind: ScaledObject
metadata:
name: {scaled-object-name}
spec:
scaleTargetRef:
deploymentName: {deployment-name} # must be in the same namespace as the ScaledObject
containerName: {container-name} #Optional. Default: ainers[0]
pollingInterval: 30 # Optional. Default: 30 conds
cooldownPeriod: 300 # Optional. Default: 300 conds
minReplicaCount: 0 # Optional. Default: 0
maxReplicaCount: 100 # Optional. Default: 100
triggers:
# {list of triggers to activate the deployment}
基于prometheus指标进⾏伸缩
我这⾥有个http demo的应⽤，上报了gin_requests_total指标到prometheus，通过ab请求http接⼝模拟压⼒上升的情况：
这⾥我将minReplicaCount设置为2，因为在没有流量的时候副本数将会被keda设置为0。
apiVersion: keda.k8s.io/v1alpha1
kind: ScaledObject
metadata:
name: prometheus-scaledobject
namespace: default
spec:
scaleTargetRef:
deploymentName: http-demo
minReplicaCount: 2
triggers:
- type: prometheus
metadata:
小组组训rverAddress: 192.168.99.100:31046/
metricName: gin_requests_total
threshold: '2'
query: sum(rate(gin_requests_total{app="http-demo",code="200"}[2m]))
当创建该ScaledObject，我们看到同时创建了⼀个hpa资源：
➜ example kubectl get hpa
NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE
keda-hpa-http-demo Deployment/http-demo 0/2 (avg) 2 100 2 70m
通过压测观察hpa资源变化：
> ab -c 10 -n 1000 127.0.0.1:8080/
Every 1.0s: kubectl get hpa anymore.local: Mon Sep 14 14:23:59 2020
NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE
keda-hpa-http-demo Deployment/http-demo 8/2 (avg) 2 100 4 73m
可以看得到随着流量上升，由hpa控制的副本数在上升，这就达到了我们根据流量扩容的⽬的，当流量降下来之后，副本数也减少。组件组成
keda由两个组件组成：
keda operator：负责创建维护hpa对象资源，同时激活和停⽌hpa伸缩。在⽆事件的时候将副本数降低
gre作文题库为0(如果未设置
minReplicaCount的话)
metrics rver: 实现了hpa中external metrics，根据事件源配置返回计算结果。
可以看得到HPA控制了副本1->N和N->1的变化。keda控制了副本0->1和1->0的变化（起到了激活和停⽌的作⽤，对于⼀些消费型的任务副本⽐较有⽤，⽐如在凌晨启动任务进⾏消费）
美国条形码
扩展事件源(external-scalers)
type Scaler interface {
GetMetrics(ctx context.Context, metricName string, metricSelector labels.Selector) ([]external_metrics.ExternalMetricValue, error)
GetMetricSpecForScaling() []v2beta2.MetricSpec
IsActive(ctx context.Context) (bool, error)
荷花描写Clo() error
}
IsActive 在ScaledObject / ScaledJob CRD中定义的pollingInterval上，每隔pollingInterval时间，调⽤IsActive，如果返回true，则将⽐例缩放为1(默认1)
Clo调⽤Clo可以使缩放器清除连接或其他资源。
GetMetricSpec 返回缩放器的HPA定义的⽬标值。
GetMetrics 返回从GetMetricSpec引⽤的指标的值。
在2.0中还多⽀持⼀种PushScaler形式的扩展，允许⽤户主动push来是否开启/停⽌基于事件伸缩
总结
之前⽤过k8s-prometheus-adapter项⽬来进⾏应⽤的⾃定义指标进⾏扩展，对⽐keda感觉keda操作更简单，配置更加动态化，因为抽象了hpa，⽤户直接操作ScaledObject即可，不需要关注hpa如何进⾏配置。
⽽且⽀持将副本数设置为0，同时⼜拥有类似cronhpa(定时伸缩)的功能，扩展能⼒⽐较强。
阅读原⽂体验更加，⽂中链接⽀持跳转
