[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"$f1oxg617xqlbw0":3},{"code":4,"message":5,"data":6,"timestamp":38},10000,"success",{"full_name":7,"position":8,"description":9,"language":10,"stars":11,"forks":12,"stars_gained":13,"age_days":14,"hn_threads":15,"one_liner":22,"summary_md":23,"topic":24,"github_topics":27,"license":34,"homepage":35,"updated_at":36,"history":37},"kedacore\u002Fkeda",21,"KEDA is a Kubernetes-based Event Driven Autoscaling component. It provides event driven scale for any container running in Kubernetes","Go",10662,1561,124,2811,[16],{"id":17,"title":18,"points":19,"comments":20,"posted_at":21},19872392,"Kubernetes-Based Event Driven Autoscaling",1,0,"2019-05-09","为 Kubernetes 工作负载提供基于事件源指标（含缩容到零）的自动伸缩能力。","## 解决什么问题\n\nKubernetes 自带的 HPA 只能按 CPU 和内存伸缩，但队列型负载的瓶颈通常不在这里：消费者可能 CPU 空闲而消息堆积，也可能消息已清空却仍在占用资源。团队往往要自己写控制器或用 cron 兜底。KEDA 在 HPA 之外加了一层事件驱动的伸缩逻辑，从队列、流等事件源采集指标喂给 HPA，并支持在没有待处理工作时把工作负载缩到零。\n\n## 有什么不同\n\n与单独使用 HPA 相比，区别在于指标来源：KEDA 通过各类 scaler 读取队列深度、消费延迟等信号，而不是资源利用率。与 Knative 这类 Serverless 平台相比，KEDA 不替换你的运行时，它包裹普通的 Deployment 和 Job，侵入性小得多。真正改变架构的是缩容到零和面向批处理的 ScaledJob。README 内容偏薄，具体能力需要看官方文档。\n\n## 适合谁\n\n适合在 Kubernetes 上跑队列消费者、流处理或批处理任务的平台团队和 SRE，尤其是希望空闲服务缩到零、按积压而非 CPU 扩容的场景，云端和边缘集群都适用。只需要 CPU 伸缩的团队继续用原生 HPA 即可，没必要多维护一个控制器；已经重度使用 Knative 或托管 Serverless 的团队也要评估功能重叠是否值得。\n\n## 上手成本\n\n需要安装集群级 Operator，涉及 CRD、RBAC 和 metrics server 角色，变更通常要走集群管理员。每个事件源都要单独配置 scaler 和凭据。KEDA 采用 Apache-2.0 协议，是 CNCF 毕业项目，2019 年创建，成熟度较高。主要风险在运维侧：轮询间隔和伸缩阈值的调优，以及零副本与入口、就绪探针之间如何配合。\n\n## 点评\n\n这是一个成熟的 CNCF 毕业项目，不是新项目：2019 年至今积累 10.6k star，近期单月 +124 star 说明关注度稳定而非短期爆发。Hacker News 上几乎没有讨论，符合基础设施工具靠运维团队口口相传的传播方式。README 大多是链接，决策前应直接看 keda.sh 文档。事件驱动的负载能省掉自研伸缩管线；纯请求型服务用 HPA 就够了。",{"slug":25,"name":26},"devops","运维与部署",[28,29,30,31,32,33],"autoscaling","event-driven","hacktoberfest","keda","kubernetes","serverless","Apache-2.0","https:\u002F\u002Fkeda.sh","2026-10-25T02:36:25Z",[],1792915306]