如何基于日志指标实现GKE Autopilot集群Pod自动扩缩容？

一、基于日志指标的扩容方案合理性判断 #

该方案本身是Celery类任务负载的经典适配方案，你选择待处理数据库记录数作为扩容指标符合队列类负载的扩容逻辑，只要做好以下配置即可规避异常死循环/震荡问题：

• 配置合理的HPA伸缩阈值和稳定窗口：建议扩容阈值和缩容阈值的差值不低于30%，同时设置--horizontal-pod-autoscaler-downscale-stabilization参数为5-10分钟，避免因为指标波动导致的反复扩缩容
• 排除无关日志的干扰：你在创建日志指标时要严格过滤日志来源，不要把Pod扩容/缩容产生的操作日志、非业务日志计入待处理记录数的统计范围
• 降低日志上报延迟：调整GKE日志采集的flush间隔为10s以内，避免指标延迟过高导致的扩容决策滞后引发的死循环风险

二、HPA无法读取指标报错的排查步骤 #

你已经安装Stackdriver Adapter的前提下，按以下顺序排查即可：

1. 确认日志指标本身正常可用

登录GCP控制台进入「日志-日志指标」页面，确认你创建的celery-person-count指标状态正常，近期有连续的指标数据上报，指标对应的资源类型选择正确（如果是全局指标无需绑定GKE资源）

2. 确认Stackdriver Adapter权限配置正确
   Autopilot模式下无需调整节点权限，只需要检查服务账号配置即可：

• 如果集群开启了Workload Identity，需要给custom-metrics-stackdriver-adapter服务账号绑定roles/monitoring.viewerIAM权限
• 如果未开启Workload Identity，确认集群默认节点服务账号具备roles/monitoring.viewer权限

3. 确认HPA指标配置格式正确
   你需要使用autoscaling/v2版本的HPA资源，外部指标的配置示例参考：

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: celery-worker-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: celery-worker # 替换为你的实际工作负载名
  minReplicas: 1
  maxReplicas: 10 # 替换为你设置的最大副本数
  metrics:
  - type: External
    external:
      metric:
        name: logging.googleapis.com|user|celery-person-count
      target:
        type: AverageValue
        averageValue: 50 # 替换为你的实际扩容阈值

4. 验证Adapter指标通路
   运行以下命令验证指标是否可以通过Adapter正常获取：
   kubectl get --raw "/apis/external.metrics.k8s.io/v1beta1/namespaces/你的命名空间/logging.googleapis.com|user|celery-person-count"

• 如果有结构化的指标数据返回，说明Adapter配置正常，问题出在HPA的字段配置错误，可以查看HPA的event详情定位问题
• 如果返回404/权限错误，查看Stackdriver Adapter的Pod日志，定位具体的拉取失败原因

内容的提问来源于stack exchange，提问作者dzh