HPA 如何工作
Kubernetes 的 HorizontalPodAutoscaler（HPA）会周期性读取指标，并调整 Deployment、StatefulSet 等可扩缩对象的副本数。常见指标包括 CPU、内存，也可以接入请求速率、队列长度或业务自定义指标。横向扩容增加 Pod 数量，缩容则释放空闲资源。
只使用 CPU 并不总是合理。计算密集型接口适合 CPU 指标，而消息消费服务往往更应关注积压量；受外部依赖限制的服务则要同时观察延迟和错误率。autoscaling/v2 支持多指标，控制器会计算各指标建议的副本数并采用较大的结果。
避免扩缩容抖动
首先应为容器设置合理的 requests，否则 CPU 利用率缺少可靠基准。其次要确保就绪探针能准确反映实例是否可接流量。通过 behavior 中的稳定窗口和扩缩策略，可以限制单位时间内增加或减少的副本数量，防止短暂峰值造成反复震荡。
HPA 解决的是工作负载副本问题；当节点容量不足时，还要配合集群节点自动扩容。上线前应做压测，验证指标采集延迟、扩容速度、冷启动时间和最大副本限制，并为异常流量保留限流与降级能力。
参考资料：https://kubernetes.io/docs/concepts/workloads/autoscaling/horizontal-pod-autoscale/