如何在AWS EKS中基于自定义CloudWatch指标实现阶梯式副本扩缩容

Kubernetes 原生HPA做不到你要的这种固定区间对应固定副本数的阶梯扩缩。原生HPA的逻辑是拿当前指标值和你设的目标值按比例算副本数，就算你调扩缩步长、冷却时间这些参数，也没法实现这种一一对应的硬映射规则。你完全不用自己写轮询组件，有两个生产级现成方案可以直接用：

你需要实现的扩缩规则如下：

if 0 < sqs_message_count < 15:
        set replicas: 1
if 15 <= sqs_message_count < 32:
        set replicas: 2
if 32 <= sqs_message_count < 53:
        set replicas: 4
if 53 <= sqs_message_count < 105:
        set replicas: 7
if 105 <= sqs_message_count < 178:
        set replicas: 11
if 178 <= sqs_message_count < 371:
        set replicas: 14
if sqs_message_count => 371:
        set replicas: 16

方案1：用KEDA（最灵活，集群内原生体验） #

KEDA是CNCF毕业的成熟扩缩容组件，专门做事件驱动场景的工作负载扩缩，是这类场景的首选：

• 它自带AWS SQS的触发器，不用你自己写代码拉SQS消息数，也不用额外部署CloudWatch指标适配器，只要给KEDA用的服务账号配SQS读权限、必要的CloudWatch读权限就行
• 两种方式可以完美匹配你的阶梯规则：
  • 简单配置的话，直接在ScaledObject的HPA行为配置里写阶梯策略，把你列的消息数区间和对应副本数的调整规则填进去就行
  • 要100%严格匹配规则的话，可以用内置的表达式能力直接做区间判断，返回对应目标副本数，让HPA按1:1的目标值扩缩，完全不会出现偏差
• 基础配置骨架参考：

apiVersion: keda.sh/v1alpha1
kind: ScaledObject
metadata:
  name: sqs-consumer-scaler
spec:
  scaleTargetRef:
    name: 你的SQS消费者工作负载名
  minReplicaCount: 1
  maxReplicaCount: 16
  triggers:
  - type: aws-sqs-queue
    metadata:
      queueURL: "你的SQS队列完整URL"
      awsRegion: "集群所在AWS区域，比如us-east-1"
  advanced:
    horizontalPodAutoscalerConfig:
      behavior:
        scaleUp:
          stabilizationWindowSeconds: 30
          policies:
          - type: Pods
            value: 2
            periodSeconds: 30
        scaleDown:
          stabilizationWindowSeconds: 300

方案2：用AWS Application Auto Scaling（不用装集群组件） #

如果你不想在EKS集群里部署第三方开源组件，可以直接用AWS托管的Application Auto Scaling服务：

• 这个服务原生支持阶梯扩缩策略（Step Scaling），本来就是为这种固定区间对应固定扩缩动作的场景设计的，你可以直接把列出的7条消息数区间规则一条条配进去，完全不用写代码
• 配置流程很简单：先把你的EKS工作负载注册到Application Auto Scaling，给服务配好对应EKS的扩缩权限，然后对接CloudWatch里的SQS ApproximateNumberOfMessages 指标，给每个区间绑定对应的副本数调整动作就行
• 所有扩缩逻辑全托管在AWS侧，不用你维护集群内的组件，稳定性有保障

避坑提醒 #

别用原生HPA加CloudWatch指标适配器的方案，这个组合还是走HPA的比例计算逻辑，你调再细的参数也没法精确匹配你列的固定副本数规则，折腾半天还是会出现不符合预期的副本数，没必要浪费时间。自己写轮询组件更没必要，上面两个方案都是各大厂生产环境跑了很多年的方案，配置工作量最多半天，比自己开发维护组件成本低太多。

内容的提问来源于stack exchange，提问作者Kaustubh Desai