كيف يعمل Horizontal Pod Autoscaler، وما علاقته بـ Cluster Autoscaler؟

Question

IT Interview Practice · Accepted Answer

يضيف الـ **Horizontal Pod Autoscaler (HPA)** أو يزيل **نسخ Pod (replicas)** بناءً على مقاييس مرصودة (CPU، ذاكرة، أو مخصّصة). ويضيف الـ **Cluster Autoscaler (CA)** أو يزيل **عقداً (nodes)** حين يتعذّر جدولة الـ Pods أو تكون العقد غير مستغَلّة. يعملان عند طبقتين مختلفتين ويتعاونان معاً.

## موازِنان تلقائيان، طبقتان

```text
HPA  → scales PODS  (more/fewer replicas of a Deployment)     — reacts to LOAD
CA   → scales NODES (grows/shrinks the cluster's machines)     — reacts to PENDING Pods
VPA  → (bonus) adjusts a Pod's requests/limits                 — reacts to right-sizing

Typical flow: load rises → HPA adds Pods → Pods can't fit → CA adds a node →
              Pods schedule. Load drops → HPA removes Pods → node idle → CA removes it.
```

## كيف تعمل حلقة تحكّم HPA

```text
Every ~15s the HPA controller:
  1. reads current metric (e.g. avg CPU across Pods) from metrics-server / custom API
  2. computes:  desiredReplicas = ceil(currentReplicas * currentMetric / targetMetric)
  3. scales the Deployment toward that (bounded by minReplicas/maxReplicas)
Example: 4 Pods at 80% CPU, target 50% → 4 * 80/50 = 6.4 → 7 replicas.
Stabilization windows dampen flapping (esp. on scale-down).
```

## manifest الخاص بـ HPA

```yaml
apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: web-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: web
  minReplicas: 3
  maxReplicas: 20
  metrics:
    - type: Resource
      resource:
        name: cpu
        target:
          type: Utilization
          averageUtilization: 60      # إبقاء متوسّط CPU عند ~60% من الـ REQUEST
  behavior:                           # اختياري: ضبط سرعة التوسيع/التقليص
    scaleDown:
      stabilizationWindowSeconds: 300
```

```bash
kubectl get hpa                       # المقياس الحالي/الهدف وعدد النسخ
kubectl top pods                      # يتطلّب metrics-server
```

## تبعيّات وتحذيرات مهمّة

```text
• HPA on CPU/memory REQUIRES metrics-server installed; utilization is relative to REQUESTS
  → if requests are unset/wrong, HPA math is meaningless. Set requests correctly.
• Custom/external metrics (RPS, queue depth) need an adapter (Prometheus Adapter, KEDA).
• HPA and manual `replicas` conflict — let the HPA own the replica count.
• Cluster Autoscaler needs correct requests too: it looks at Pending Pods' REQUESTS to
  decide node scaling. Node scale-up takes minutes (provisioning), so keep headroom.
```

## لماذا يهم

التوسيع التلقائي هو ما يتيح لـ Kubernetes مطابقة السعة مع الطلب تلقائياً، وفهم الطبقتين معرفة بمستوى كبير (senior) تفصل العناقيد المُوفِّرة للتكلفة والمرِنة عن تلك المُفرِطة أو المُقصِّرة في التوفير. النموذج الذهني المفتاحي هو أن **HPA يوسّع الـ Pods** استجابةً للحِمل (يعدّل عدد النسخ من CPU أو ذاكرة أو مقاييس مخصّصة مرصودة) بينما يوسّع **Cluster Autoscaler العقد** استجابةً لضغط الجدولة (يضيف أجهزة حين تكون الـ Pods في Pending، ويزيلها حين تكون العقد خاملة) — يعملان عند طبقتين مختلفتين ويتعاونان: فلا يستطيع HPA إضافة Pods إلا إذا وُجِد متّسع، ويوفّر CA ذلك المتّسع. إن فهم حلقة تحكّم HPA — صيغة `desiredReplicas = ceil(currentReplicas * currentMetric / targetMetric)`، والمطابقة الدورية، ونوافذ الاستقرار التي تمنع التذبذب (flapping) — يتيح لك إعداده وتصحيح أخطائه بدلاً من معاملته كسحر. التحذيرات هي حيث يظهر حُكم الخبير: فـ HPA على CPU/الذاكرة **يتطلّب metrics-server** ويحسب الاستغلال **نسبةً إلى الـ requests**، لذا تجعل الـ requests الخاطئة أو الغائبة حسابه بلا معنى؛ والمقاييس المخصّصة (الطلبات في الثانية، عمق الطابور) تحتاج إلى adapter مثل Prometheus Adapter أو KEDA؛ وتوسيع العقد يستغرق دقائق، لذا يهمّ ترك هامش (headroom). ولأن ضبط حجم السعة الصحيح يؤثّر مباشرةً على الموثوقية أثناء ذُرى حركة المرور وعلى إنفاق السحابة في الفترات الهادئة، ولأن كلا الموازنين يعتمد على ضبط requests الموارد بشكل صحيح، فإن إتقان HPA وCluster Autoscaler أساسٌ لتشغيل Kubernetes الإنتاجي بكفاءة وموثوقية.

موازِنان تلقائيان، طبقتان

كيف تعمل حلقة تحكّم HPA

manifest الخاص بـ HPA

تبعيّات وتحذيرات مهمّة

لماذا يهم

أسئلة ذات صلة