Kubernetes HPA缩容时平均CPU如何计算？是否会引发频繁扩缩容？

这种扩缩容震荡的场景确实存在，但Kubernetes HPA本身内置了缓解机制，不会轻易出现无限制的反复扩缩。

核心逻辑与缓解机制 #

1. 稳定窗口（Stabilization Window）
   HPA默认对缩容操作设置了更长的决策延迟（默认缩容稳定窗口为5分钟，扩容为30秒）。也就是说，当Pod平均CPU降到30%后，HPA不会立即触发缩容，而是会等待5分钟，确认指标持续低于阈值后才会执行缩容。如果在这段时间内负载出现波动回升，就不会触发缩容动作，避免了快速循环。

2. 指标容忍度
   HPA默认允许实际指标与目标指标存在±10%的偏差，只有当偏差超过这个范围时才会触发扩缩容。比如目标CPU利用率是50%，那么实际在45%-55%区间内时，HPA不会做出任何调整。不过你描述的场景中，30%的利用率远低于45%的下限，还是会触发缩容逻辑，但稳定窗口会起到缓冲作用。

3. 最小副本数限制
   你设置了minReplicas: 1，所以缩容只会停留在1个Pod，不会出现低于这个数的情况，但如果没有其他限制，仍可能在1和2个Pod之间反复震荡（不过这种情况在实际生产中很少见，因为稳定窗口的存在）。

如何彻底避免震荡 #

• 自定义扩缩容行为：通过HPA的behavior字段配置更严格的缩容规则，比如延长缩容稳定窗口到10分钟，或者限制每次缩容的Pod数量（例如每次最多缩容1个，且缩容比例不超过当前副本数的20%）。示例配置片段：

  behavior:
    scaleDown:
      stabilizationWindowSeconds: 600
      policies:
      - type: Pods
        value: 1
        periodSeconds: 60
      - type: Percent
        value: 20
        periodSeconds: 60
  

• 优化资源请求配置：确保Pod的CPU请求（resources.requests.cpu）设置合理，HPA的利用率计算是基于「实际使用量/请求量」，不合理的请求会导致指标失真，加剧波动。
• 多指标联合HPA：结合CPU、内存、QPS等多个指标进行扩缩容决策，避免单一指标波动引发的误操作。

内容的提问来源于stack exchange，提问作者Lahiru Chandima