K8s集群HPA不生效？从指标采集到扩容策略的排错流程

HPA（Horizontal Pod Autoscaler，水平Pod自动扩缩容）不生效时，先别急着改副本数或重建控制器。
绝大多数情况是指标链路断了：metrics-server 没跑起来、Pod 没写资源 requests、或者指标 API 返回不了数据。
按下面顺序逐层验证，能快速缩小问题范围。

先确认 HPA 当前到底卡在哪一步

执行两条命令，先看 HPA 状态和目标指标：

kubectl get hpa -A
kubectl describe hpa  -n <命名空间>

重点看 TARGETS 列和 describe 末尾的 Events。
如果 TARGETS 显示 /50%，说明指标采集失败；
如果显示 0%/50% 但 CPU 实际很高，说明指标源和实际负载不一致；
如果 TARGETS 正常但副本数不动，问题在扩容策略或副本上限。
这一步决定后面查哪条链路。

检查 metrics-server 是否正常提供指标

HPA 默认依赖 metrics-server 提供 CPU、内存指标。
先确认它存在且 Ready：

kubectl get deployment metrics-server -n kube-system
kubectl get apiservice v1beta1.metrics.k8s.io

apiservice 的 AVAILABLE 应为 True。
再直接查询指标接口：

kubectl top pods -n <命名空间>
kubectl top nodes

如果 kubectl top 报 error: Metrics API not available，说明 metrics-server 没就绪或网络不通。
常见原因是 metrics-server 启动参数缺少 --kubelet-insecure-tls（测试环境自签证书场景），或节点 10250 端口被安全组、防火墙拦截。
检查 Pod 日志：

kubectl logs -n kube-system deploy/metrics-server --tail=100

日志里出现 dial tcp ...:10250: connect: connection refused 或 x509 证书错误，就对应上面的原因处理。

资源 requests 没写，HPA 算不出利用率

HPA 计算 CPU 利用率的方式是：实际使用量 ÷ requests。
如果 Pod 模板里没有设置 resources.requests.cpu，HPA 会报 missing request for cpu，TARGETS 显示 unknown。

检查工作负载：

kubectl get deployment <名称> -n <命名空间> -o yaml | grep -A6 resources

正确的片段应类似：

resources:
  requests:
    cpu: 200m
    memory: 256Mi
  limits:
    cpu: 500m
    memory: 512Mi

补上 requests 后需要滚动更新 Pod，HPA 才能重新计算。
注意：requests 设得过大，利用率分母变大，HPA 可能迟迟不触发；
设得过小则容易频繁扩容。
建议先用 kubectl top pods 观察真实用量再定值。

核对 HPA 的 minReplicas、maxReplicas 和指标阈值

配置本身也会让 HPA “看起来没反应”。
查看：

kubectl get hpa <名称> -n <命名空间> -o yaml

逐个确认：

• minReplicas 和 maxReplicas 是否相等，相等时不会扩容；
• scaleTargetRef 的 name 和 apiVersion 是否指向真实工作负载；
• metrics 里的 averageUtilization 阈值是否设得过高，比如 90%，导致长期不触发；
• 是否配置了 behavior.scaleUp 的 stabilizationWindowSeconds，窗口太长会延迟扩容动作。

另外，如果集群启用了多个指标源（如 Prometheus Adapter 提供自定义指标），要确认 HPA 引用的指标名和适配器暴露的名称完全一致，大小写和命名空间都不能错。

排错时容易踩的几个坑

只重启 HPA 不重启工作负载：补了 requests 后没重新创建 Pod，旧 Pod 依然缺 requests，指标继续 unknown。

在无 metrics-server 的集群硬等：有些托管集群默认不装 metrics-server，需要手动部署或开启组件，否则 HPA 永远不会工作。

忽略节点资源不足：HPA 想扩容但节点没有可调度资源，Pod 会 Pending。
用 kubectl describe pod 看事件，必要时配合 Cluster Autoscaler 或手动扩容节点。

指标采集延迟误判：metrics-server 默认采集间隔约 15 秒，HPA 控制器也有同步周期，压测后立刻查可能还没反映，建议观察 1 到 2 分钟再判断。

验证扩容是否真正生效

在测试环境制造 CPU 压力，观察副本变化：

kubectl run load-test --image=busybox -it --rm -- sh -c "while true; do :; done"
kubectl get hpa <名称> -n <命名空间> -w

正常情况下 TARGETS 利用率上升，REPLICAS 逐步增加。
停止压力后，受缩容稳定窗口影响，副本会在几分钟内回落。
若始终不变，回到前一步确认 Events 里的最新报错。

常见疑问

HPA 显示 unknown 但 kubectl top 正常，是什么原因？
多半是 HPA 引用的指标名不匹配或工作负载缺少 requests，指标源正常不代表 HPA 能算出利用率。

自定义指标 HPA 不扩容怎么查？
先确认 Adapter 的 APIService 可用，再用 kubectl get --raw /apis/custom.metrics.k8s.io/v1beta1 查看已注册指标，核对名称后再看 HPA Events。

HPA 和 VPA 能同时用吗？
不建议对同一工作负载同时用 CPU 维度的 HPA 和 VPA，两者会互相干扰，容易造成反复扩缩容。

处理服务器K8s集群HPA排错时，按“HPA状态 → metrics-server → requests → HPA配置 → 事件复查”这条链路走，基本能覆盖大多数不扩容场景。
改完配置后记得重新创建 Pod 并留出指标采集时间，再做最终验证。