Kubernetes escala automaticamente baseado em CPU, memória ou métricas customizadas. Aprenda HPA, VPA e Cluster Autoscaler.

CrazyStack8 de fevereiro de 202610 min de leituracompartilharX LinkedIn WhatsApp

Conceitos Principais

Adiciona/remove Pods. Baseado em CPU, memória ou custom metrics. Min/max replicas. Scale up: CPU > 80%. Scale down: CPU < 50%.

Ajusta CPU/memory requests/limits. Evita OOM kills. Aprende padrões de uso. Reinicia Pods para aplicar novos limits.

Adiciona/remove nodes. Quando Pods pending (sem recursos). Integra com cloud (EC2, GCE). Scale down nodes ociosos.

Metrics server (CPU/mem). Prometheus adapter (requests/s, queue length). KEDA (event-driven autoscaling).

Passo a Passo

Instale Metrics Server: kubectl apply -f https://github.com/kubernetes-sigs/metrics-server/releases/latest/download/components.yaml. Necessário para HPA.
Configure HPA: YAML: kind HorizontalPodAutoscaler, targetCPUUtilizationPercentage 80, minReplicas 2, maxReplicas 10. Ou CLI: kubectl autoscale deployment app --cpu-percent=80 --min=2 --max=10.
Teste HPA: Load test: kubectl run -i --tty load-generator --image=busybox /bin/sh. while true; do wget -q -O- http://app; done. Watch: kubectl get hpa -w.
Configure VPA: Install VPA: git clone https://github.com/kubernetes/autoscaler, ./hack/vpa-up.sh. YAML: kind VerticalPodAutoscaler, updateMode Auto.
Cluster Autoscaler: Cloud-specific. AWS: --cloud-provider=aws, --nodes=2:10:node-group. Adiciona nodes quando Pods pending > 1min.

• HPA + VPA juntos (HPA scale out, VPA otimiza resources)

• PodDisruptionBudget para evitar downtime

• Metrics customizadas para business logic

• Cooldown periods para evitar flapping

• Não definir resource requests (HPA não funciona)

• Min replicas = 1 (sem HA)

• Scale down agressivo (thrashing)

• Não testar autoscaling em staging