Conas a oibríonn an Horizontal Pod Autoscaler, agus conas a bhaineann sé leis an Cluster Autoscaler?

Question

IT Interview Practice · Accepted Answer

Cuireann an **Horizontal Pod Autoscaler (HPA)** **replicas Pod** leis nó baineann sé iad bunaithe ar metrics breathnaithe (CPU, memory, nó saincheaptha). Cuireann an **Cluster Autoscaler (CA)** **nodes** leis nó baineann sé iad nuair nach féidir Pods a sceidealú nó nuair atá nodes tearcúsáidte. Oibríonn siad ag sraitheanna éagsúla agus oibríonn siad le chéile.

## Dhá autoscaler, dhá shraith

```text
HPA  → scálaíonn PODS  (níos mó/níos lú replicas de Deployment)   — freagraíonn do LOAD
CA   → scálaíonn NODES (fásann/laghdaíonn meaisíní an chnuasaigh)  — freagraíonn do Pods PENDING
VPA  → (bónas) coigeartaíonn requests/limits Pod                  — freagraíonn do cheart-mhéadú

Sreabhadh tipiciúil: ardaíonn load → cuireann HPA Pods leis → ní oireann Pods → cuireann CA node leis →
              sceidealaítear Pods. Titeann load → baineann HPA Pods → node díomhaoin → baineann CA é.
```

## Conas a oibríonn lúb rialaithe an HPA

```text
Gach ~15s déanann controller an HPA:
  1. léann sé an metric reatha (m.sh. CPU meánach ar fud Pods) ó metrics-server / custom API
  2. ríomhann sé:  desiredReplicas = ceil(currentReplicas * currentMetric / targetMetric)
  3. scálaíonn sé an Deployment ina threo sin (teorannaithe ag minReplicas/maxReplicas)
Sampla: 4 Pod ag 80% CPU, sprioc 50% → 4 * 80/50 = 6.4 → 7 replica.
Maolaíonn stabilization windows an luascadh (go háirithe ar scálú síos).
```

## Manifest 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      # coinnigh CPU meánach ~60% den REQUEST
  behavior:                           # roghnach: tiúnáil luas scálaithe suas/síos
    scaleDown:
      stabilizationWindowSeconds: 300
```

```bash
kubectl get hpa                       # metric reatha/sprice, líon replica
kubectl top pods                      # teastaíonn metrics-server
```

## Spleáchais & rabhaidh thábhachtacha

```text
• Éilíonn HPA ar CPU/memory metrics-server suiteáilte; tá utilization coibhneasta le REQUESTS
  → má tá requests gan socrú/mícheart, tá matamaitic an HPA gan chiall. Socraigh requests i gceart.
• Teastaíonn adapter ó custom/external metrics (RPS, doimhneacht scuaine) (Prometheus Adapter, KEDA).
• Bíonn coimhlint idir HPA agus `replicas` de láimh — lig don HPA an líon replica a bheith aige.
• Teastaíonn requests cearta ón Cluster Autoscaler freisin: féachann sé ar REQUESTS na bPods Pending chun
  scálú node a chinneadh. Tógann scálú suas node nóiméid (soláthar), mar sin coinnigh spás breise (headroom).
```

## Cén fáth a bhfuil sé tábhachtach

Is é autoscaling a ligeann do Kubernetes cumas a chur ag teacht le héileamh go huathoibríoch, agus is eolas leibhéal-shinsearach é an dá shraith a thuiscint a scarann cnuasaigh a bhfuil costas-éifeachtach, athléimneach ó chinn atá ró- nó tearc-sholáthraithe. Is é an phríomhshamhail mheabhrach go scálaíonn **HPA Pods** mar fhreagra ar load (ag coigeartú líon replica ó CPU, memory, nó metrics saincheaptha breathnaithe) agus go scálaíonn an **Cluster Autoscaler nodes** mar fhreagra ar bhrú sceidealaithe (ag cur meaisíní leis nuair a bhíonn Pods Pending, á mbaint nuair atá nodes díomhaoin) — oibríonn siad ag sraitheanna éagsúla agus comhoibríonn siad: ní féidir le HPA Pods a chur leis ach amháin má tá spás ann, agus soláthraíonn an CA an spás sin. Ligeann tuiscint ar lúb rialaithe an HPA — an fhoirmle `desiredReplicas = ceil(currentReplicas * currentMetric / targetMetric)`, an t-athmhuintearas tréimhsiúil, agus na stabilization windows a chuireann cosc ar luascadh — duit é a chumrú agus a dhífhabhtú seachas caitheamh leis mar dhraíocht. Is sna rabhaidh a léirítear breithiúnas sinsearach: éilíonn HPA ar CPU/memory **metrics-server** agus ríomhann sé utilization **coibhneasta le requests**, mar sin fágann requests míchearta nó ar iarraidh a mhatamaitic gan chiall; teastaíonn adapter ar nós Prometheus Adapter nó KEDA ó metrics saincheaptha (iarratais-in-aghaidh-soicind, doimhneacht scuaine); agus tógann scálú suas node nóiméid, mar sin tá spás breise tábhachtach. Toisc go dtéann ceart-mhéadú cumais i bhfeidhm go díreach ar iontaofacht faoi bhorradh tráchta agus ar chaiteachas cloud le linn tréimhsí ciúine, agus toisc go mbraitheann an dá autoscaler ar resource requests atá socraithe i gceart, tá máistreacht ar HPA agus an Cluster Autoscaler bunúsach chun Kubernetes production a oibriú go héifeachtach agus go hiontaofa.

Dhá autoscaler, dhá shraith

Conas a oibríonn lúb rialaithe an HPA

Manifest HPA

Spleáchais & rabhaidh thábhachtacha

Cén fáth a bhfuil sé tábhachtach

Ceisteanna gaolmhara