如何基于Actuator指标配置K8s HPA实现Spring Boot应用自动扩缩容

1.1 配置Spring Boot暴露对应Actuator指标 #

• 先添加必要依赖，以Maven为例：

<!-- Actuator核心依赖 -->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-actuator</artifactId>
</dependency>
<!-- Micrometer Prometheus适配，用于输出Prometheus格式指标 -->
<dependency>
    <groupId>io.micrometer</groupId>
    <artifactId>micrometer-registry-prometheus</artifactId>
</dependency>

• 修改application.yml配置，开启指标暴露和对应指标采集：

management:
  endpoints:
    web:
      exposure:
        include: prometheus # 暴露prometheus端点
  endpoint:
    prometheus:
      enabled: true
  metrics:
    tags:
      application: ${spring.application.name} # 给指标加应用名标签，方便Prometheus筛选

启动后访问http://你的服务地址/actuator/prometheus，能搜到jvm_threads_live、jvm_memory_used、process_cpu_usage三个指标即配置成功。

1.2 集群侧配置指标通路 #

• 首先确保集群已部署Prometheus，且配置了采集规则，能拉取所有Spring Boot实例的/actuator/prometheus指标。
• 部署Prometheus Adapter，配置规则将三个指标转换为Kubernetes可识别的自定义指标，Adapter的核心规则示例如下（写在Adapter的ConfigMap里）：

rules:
  - seriesQuery: 'jvm_threads_live{namespace!="",pod!=""}'
    resources:
      overrides:
        namespace: {resource: "namespace"}
        pod: {resource: "pod"}
    name: {as: "jvm_threads_live"}
    metricsQuery: 'avg(<<.Series>>{<<.LabelMatchers>>}) by (<<.GroupBy>>)'
  - seriesQuery: 'jvm_memory_used{namespace!="",pod!="",area="heap"}'
    resources:
      overrides:
        namespace: {resource: "namespace"}
        pod: {resource: "pod"}
    name: {as: "jvm_memory_used_heap"}
    metricsQuery: 'avg(<<.Series>>{<<.LabelMatchers>>}) by (<<.GroupBy>>)'
  - seriesQuery: 'process_cpu_usage{namespace!="",pod!=""}'
    resources:
      overrides:
        namespace: {resource: "namespace"}
        pod: {resource: "pod"}
    name: {as: "process_cpu_usage"}
    metricsQuery: 'avg(<<.Series>>{<<.LabelMatchers>>}) by (<<.GroupBy>>)'

配置完成后可以执行命令验证指标是否正常暴露：
kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1" | jq . | grep -E "jvm_threads_live|jvm_memory_used_heap|process_cpu_usage"
有输出说明指标通路正常。

使用autoscaling/v2版本的HPA API，支持多自定义指标阈值配置，完整示例如下：

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: spring-boot-app-hpa
  namespace: your-namespace # 替换为你的应用所在命名空间
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: spring-boot-app # 替换为你的应用Deployment名称
  minReplicas: 2 # 最小实例数
  maxReplicas: 10 # 最大实例数
  metrics:
  # 1. process.cpu.usage阈值：所有实例平均使用率超过70%触发扩容
  - type: Pods
    pods:
      metric:
        name: process_cpu_usage
      target:
        type: AverageValue
        averageValue: 0.7 # process_cpu_usage取值范围0-1，0.7对应70%CPU使用率
  # 2. jvm.memory.used堆内存阈值：所有实例平均堆内存使用超过1.5G触发扩容
  - type: Pods
    pods:
      metric:
        name: jvm_memory_used_heap
      target:
        type: AverageValue
        averageValue: 1500Mi
  # 3. jvm.threads.live阈值：所有实例平均活动线程数超过200触发扩容
  - type: Pods
    pods:
      metric:
        name: jvm_threads_live
      target:
        type: AverageValue
        averageValue: 200
  behavior: # 可选，配置扩缩容行为，避免频繁波动
    scaleUp:
      stabilizationWindowSeconds: 60 # 扩容冷却时间1分钟
    scaleDown:
      stabilizationWindowSeconds: 300 # 缩容冷却时间5分钟

配置说明：

• 阈值类型选AverageValue是指所有当前运行的Pod的指标平均值达到阈值就触发扩缩容，符合大多数业务场景
• 你可以根据实际业务需求调整每个指标的阈值，比如堆内存阈值可以根据JVM的Xmx配置设置为Xmx的70%-80%
• 多指标场景下HPA会取所有指标计算出的期望副本数的最大值作为最终扩缩容目标

部署完成后执行kubectl get hpa -n your-namespace，可以看到TARGETS列显示三个指标的当前值和阈值，说明配置生效。

内容的提问来源于stack exchange，提问作者mimo2000