Kubernetes Autoscaling Vertiefung: Cluster-Autoscaler & KEDA

Dieses 110-Minuten-Modul schließt eine Lücke, die zwei Module dieses Repos jeweils ausdrücklich als bewusst nicht behandelt benannt haben: Kubernetes Ressourcenmanagement & Autoscaling nennt Cluster-Autoscaler, Node-Autoscaling und KEDA in seiner Abgrenzung, und Kubernetes Failure-Domain-Scheduling zieht unabhängig davon dieselbe Grenze für einen produktiven Cluster-Autoscaler-Aufbau. Ihr startet mit dem Cluster-Autoscaler rein konzeptionell: wie Node-Groups funktionieren, nach welchem Algorithmus der Scale-up bei Pending-Pods und der Scale-down bei unterausgelasteten Nodes abläuft, und wie ein PodDisruptionBudget einen Node-Abbau verzögert oder verhindert, solange er laufende Pods ohne Ausweichkapazität beträfe. Dieser Block bleibt bewusst ohne eigenes Hands-on, weil ein lokaler Minikube-Cluster keinen echten Node-Pool bereitstellt, an dem ein Cluster-Autoscaler etwas ändern könnte. Den Hands-on-Schwerpunkt bildet stattdessen KEDA: Ihr installiert es auf eurem bestehenden Cluster, lernt das ScaledObject als zentrales Konzept kennen und baut in der Hauptübung einen Cron- oder Prometheus-Scaler, der eine Anwendung bis auf null Replicas herunterskaliert und bei Fälligkeit des Triggers wieder hochfährt. Danach ordnet ihr ein, wie sich Custom Metrics und External Metrics zu KEDA verhalten: KEDA ersetzt diese APIs nicht, sondern bringt für eine wachsende Zahl von Scalern eine vorkonfigurierte Anbindung mit und übernimmt zusätzlich den Schritt von und zu null Replicas, den ein nativer HPA über reine Resource-Metriken allein nicht leisten kann. Zum Abschluss ein ehrlicher Ausblick ohne eigenes Hands-on: Was auch nach diesem Modul offen bleibt, sind Karpenter und ein echtes Cloud-Node-Autoscaling. Voraussetzung ist das abgeschlossene Modul “Kubernetes Ressourcenmanagement & Autoscaling” inklusive HPA und VPA. Die Session läuft weiterhin vollständig lokal, ohne Cloud-Account und ohne Kostenwirkung.