Kubernetes Autoscaling: Comparativa de HPA, VPA y Cluster Autoscaler

Por qué el Autoscaling es indispensable

En los entornos cloud modernos, la carga sobre sus aplicaciones varía constantemente. Escalar manualmente no solo es ineficiente, sino que representa un riesgo. Kubernetes ofrece tres mecanismos de Autoscaling complementarios que, en conjunto, forman un sistema potente.

Horizontal Pod Autoscaler (HPA)

El HPA escala el número de Pods basándose en métricas como el uso de CPU, el consumo de memoria o Custom Metrics. Es el Autoscaler más utilizado y resulta ideal para workloads stateless.

• Basado en CPU: Por defecto, el HPA escala en función del uso promedio de CPU de todos los Pods.
• Custom Metrics: A través del Metrics Server, puede utilizar métricas propias como requests por segundo o longitud de la cola.
• Estabilización: El HPA emplea una ventana de estabilización para evitar el flapping, es decir, el escalado y desescalado constante.

Vertical Pod Autoscaler (VPA)

El VPA ajusta los requerimientos de recursos (CPU y Memory Requests/Limits) de los Pods individuales. Es especialmente útil para workloads cuyas necesidades de recursos son difíciles de predecir.

• Recommender: Analiza el uso histórico de recursos y proporciona recomendaciones.
• Updater: Puede reiniciar Pods automáticamente para aplicar los valores recomendados.
• Precaución: El HPA y el VPA no deben escalar simultáneamente sobre la misma métrica.

Cluster Autoscaler

El Cluster Autoscaler escala el número de Nodes en el clúster. Detecta cuándo los Pods no pueden ser programados (porque no hay suficientes recursos disponibles) y añade nuevos Nodes automáticamente.

• Scale-Up: Detecta Pods en estado pending y aprovisiona nuevos Nodes del Node Group.
• Scale-Down: Elimina Nodes infrautilizados después de un tiempo de espera configurable.
• Spot Instances: Puede combinarse con AWS Spot Instances para ahorrar hasta un 90% en costes.

Nuestra recomendación

En la práctica, en devRocks utilizamos los tres Autoscalers de forma combinada: HPA para el nivel de Pods, VPA en modo Recommender para el ajuste de recursos y el Cluster Autoscaler para el nivel de infraestructura. Esta combinación ofrece la máxima flexibilidad con costes mínimos.