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
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
从https://github.com/kedacore/keda/releases 下载1.5版本的zip包，包含了yaml和crd:
├── 00-namespace.yaml
├── 01-service_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-service.yaml
├── 24-metrics-api_service.yaml
└── crds
├── keda.k8s.io_scaledobjects_crd.yaml
└── keda.k8s.io_triggerauthentications_crd.yaml
安装：
kubectl apply -f ./crds/
kubectl apply -f .
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: deployment.spec.template.spec.containers[0]
pollingInterval: 30 # Optional. Default: 30 seconds
cooldownPeriod: 300 # Optional. Default: 300 seconds
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:
serverAddress: http://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 http://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为0(如果未设置minReplicaCount的话)
metrics server: 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）
扩展事件源(external-scalers)
对于在keda不支持的一些事件源，我们还可以使用keda提供的扩展机制来扩充自己的事件源。https://keda.sh/docs/1.5/concepts/external-scalers/主要是通过grpc实现一下接口实现：
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)
Close() 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)
Close调用Close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