📈 Kubernetes HPA 실습: Horizontal Pod Autoscaler

🔍 목표

• Kubernetes에서 HPA (Horizontal Pod Autoscaler) 를 이용해 CPU 사용량에 따라 Pod 수를 자동으로 조절하는 방법을 실습합니다.
• 실시간 부하를 주기 위해 Apache Benchmark를 활용합니다.
• HPA의 원리와 한계를 이해하고, KEDA와의 차이도 간단히 정리합니다.

---

⚙️ 사전 준비: Metrics Server 설치

Kubernetes 클러스터에서 HPA가 동작하기 위해서는 metric-server가 설치되어 있어야 합니다.

📥 Step 1. 구성 파일 다운로드

wget https://github.com/kubernetes-sigs/metrics-server/releases/latest/download/components.yaml

🛠️ Step 2. 136번째 줄에 아래 옵션을 추가

# components.yaml > args 항목 하단에 다음 줄을 추가
- --kubelet-insecure-tls

▶️ Step 3. metrics-server 설치

kubectl apply -f components.yaml

✅ Step 4. 설치 확인

kubectl get pod -n kube-system

→ metrics-server Pod가 Running 상태인지 확인합니다.

---

🚀 HPA 실습: CPU 기반 자동 스케일링

⚙️ Step 5. Apache Benchmark 설치 (트래픽 발생용)

apt install -y apache2-utils

🛠️ Step 6. HPA 생성

kubectl autoscale deployment aws9-deploy-blue \
  --cpu-percent=40 \
  --min=3 \
  --max=10

aws9-deploy-blue의 Pod 평균 CPU 사용률이 40%를 초과하면, 최대 10개까지 증가, 낮아지면 다시 3개까지 감소합니다.

---

🔄 Step 7. 실제 트래픽 부하 테스트

ab -c 200 -n 200 -t 30 http://<EXTERNAL-IP>/

• -c: 동시에 요청을 보낼 클라이언트 수 (concurrent)
• -n: 총 요청 수
• -t: 테스트 시간 (초)

→ 몇 초 뒤에 kubectl get hpa로 확인하면 스케일업이 시작된 것을 볼 수 있습니다.

---

🧠 참고: HPA vs VPA vs KEDA

기능 설명

HPA	실시간 CPU/메모리 사용률에 따라 Pod 개수를 조절
VPA	컨테이너가 사용하는 리소스(cpu/memory)를 실시간 분석하여 request/limit 자동 조정
KEDA	예약 시간 기반, 메시지 큐, Kafka 등 이벤트 기반으로 미리 스케일링 가능

⚠️ HPA와 VPA는 동시에 쓰면 충돌할 수 있어 권장하지 않습니다.
보통은 HPA로 CPU 스케일링, VPA로 Memory를 튜닝하는 방식으로 구분합니다.

---

🎯 마무리

• HPA는 실시간 트래픽 대응이 가능하지만 "사후 대응" 성격이 강합니다.
• 사전에 트래픽 예측이 가능하다면 KEDA를 활용한 사전 스케일링이 더 효율적입니다.
• 이번 실습으로 Kubernetes 리소스 관리 전략을 한층 더 이해할 수 있게 되었습니다!

---

HPA의 동작 흐름(모니터링 → metric-server → controller-manager → Pod 증가)