弹性伸缩概述
从传统意义上，弹性伸缩主要解决的问题是容量规划与实际负载的矛盾。
蓝色水位线表示集群资源容量随着负载的增加不断扩容，红色曲线表示集群资源实际负载变化。
弹性伸缩就是要解决当实际负载增大，而集群资源容量没来得及反应的问题。
当你的实际的负载随着业务量访问增大，而逐渐的向集群的资源靠拢的时候，接近的时候，能不能在快速的时候，快速的响应，来扩容集群的流量，从而来应对这种突发。
如图红色的峰值，明显的超出了集群的容量，蓝色的是水位线，这种情况下我们要及时做的就是快速的扩容这个资源，能够让蓝色水位线保持高于红色水位线这么一个状态，这样集群的架构才是持久的，稳定的。（如果没有快速应对的话，就意味实际的业务访问有一定的影响）
缓存水位解决突发的问题：在容量规划的时候需要预估，缓冲水位比实际的负载高出20%-30%这么一个配置，这是预料之外的事情，还有一种是预料之内的事情，比如赶上一些活动，在某些活动之前是需要增加机器的，所以在活动开始的时候，需要准备机器，然后加入到集群，再去做一定的测试，确保压测可以达到预期的。
面对这些未知的都会提前加入这批机器。
未知情况下会为服务器预留一些缓冲的能力，其次在已知的的条件下，提前给机器扩容，增加机器，提高并发能力。
Kubernetes弹性伸缩布局
在Kubernetes平台中，资源分为两个维度：
•
Node级别：K8s将多台服务器抽象一个集群资源池，每个Node提供这些资源
•
Pod级别：Pod是K8s最小部署单元，运行实际的应用程序，使用request和limit为Pod配额（request其实就是实际当中你去申请的配额，如果集群资源池里面没有提供的配额的时候，就会处于pending状态）(如果limit比request大的很大这样会带来一定的问题，这样宿主机资源占用过高导致宕机，驱逐)
因此，K8s实现弹性伸缩也是这两个级别，当Node资源充裕情况下，Pod可任意弹性，当不足情况下需要弹性增加节点来扩容资源池。
针对Pod负载：
当Pod资源不足时，使用HPA（Horizontal Pod Autoscaler）自动增加Pod副本数量
针对Node负载：
当集群资源池不足时，使用CA（Cluster Autoscaler）自动增加Node
Node自动扩容/缩容
Node弹性伸缩有两种方案：
•
Cluster Autoscaler：
是一个自动调整Kubernetes集群大小的组件，需要与公有云一起使用，例如AWS、Azure、Aliyun
项目地址：
https://github.com/kubernetes/autoscaler
•
自研发：
根据Node监控指标或者Pod调度状态判断是否增加Node，需要一定开发成本
Node自动扩容/缩容：实现思路
自动增加Node：周期性检查是否有充足集群资源来调度新创建的Pod，当资源不足时会创建新的Node（监控整体request的请求和资源池做个对比，拿那个阈值去判断是否需要增加节点，或者创建pod处于pending状态，是不是要创建，当满足的时候就创建新的节点）
自动减少Node：
周期性检查Node资源使用情况，当一个Node长时间资源利用率很低时，自动从集群中下线，原有Pod会自动调度到其他Node上（这可能会影响某些业务，因为要下线某个node，你就涉及到将pod驱逐到其他节点去运行）
Node自动扩容/缩容： Cluster Autoscaler
去实现这块的方案有两块，一块是可以使用CA，Cluster Autoscaler 官方社区组件提供的对接公有云的组件，对接公有云的组件有这些云厂商支持。
Cluster Autoscaler支持的云提供商：
•
阿里云：
https://github.com/kubernetes/autoscaler/blob/master/cluster
autoscaler/cloudprovider/alicloud/README.md
•
AWS：
https://github.com/kubernetes/autoscaler/blob/master/cluster
autoscaler/cloudprovider/aws/README.md
•
Azure：
https://github.com/kubernetes/autoscaler/blob/master/cluster
autoscaler/cloudprovider/azure/README.md
•
GCE：
https://kubernetes.io/docs/concepts/cluster-administration/cluster-management/
•
GKE：
https://cloud.google.com/container-engine/docs/cluster-autoscaler