rafilkmp3/k8s-sqs-autoscaler

k8s-sqs-autoscaler

基于AWS SQS队列大小的Kubernetes Pod自动扩缩容工具

镜像概述

k8s-sqs-autoscaler是专为Kubernetes环境设计的自动扩缩容工具，通过监控AWS SQS队列的消息数量，动态调整目标Deployment的Pod数量，实现资源按需分配，提升应用处理能力与资源利用率。

核心功能

• 实时监控AWS SQS队列消息数量
• 根据预设消息阈值自动触发Pod扩缩容
• 支持配置扩缩容冷却时间，避免频繁调整
• 可设置Pod数量的最大、最小值限制
• 通过命令行参数和环境变量灵活配置参数

使用场景

适用于依赖AWS SQS处理消息的Kubernetes应用场景：

• 消息队列消费服务：根据消息积压动态增加消费Pod
• 批量任务处理系统：根据待处理任务数量调整工作节点数量

配置说明

必选参数

• --sqs-queue-url：AWS SQS队列的URL（必填）
• --label-selector：目标Deployment的标签选择器（必填）

可选参数

• --kubernetes-namespace：目标Deployment所在命名空间（默认当前命名空间）
• --poll-period：队列消息轮询周期（单位：秒，默认10）
• --scale-down-cool-down：缩容冷却时间（单位：秒，默认30）
• --scale-up-cool-down：扩容冷却时间（单位：秒，默认10）
• --scale-up-messages：触发扩容的消息阈值（默认20）
• --scale-down-messages：触发缩容的消息阈值（默认10）
• --max-pods：Pod数量最大值（默认30）
• --min-pods：Pod数量最小值（默认1）

部署示例

yaml
apiVersion: apps/v1
kind: Deployment
metadata:
  name: my-k8s-autoscaler
spec:
  revisionHistoryLimit: 1
  replicas: 1
  selector:
    matchLabels:
      app: my-k8s-autoscaler
  template:
    metadata:
      labels:
        app: my-k8s-autoscaler
    spec:
      containers:
      - name: my-k8s-autoscaler
        image: rafilkmp3/k8s-sqs-autoscaler:v1
        command:
          - ./k8s-sqs-autoscaler
          - --sqs-queue-url=https://sqs.$(AWS_REGION).amazonaws.com/$(AWS_ID)/$(SQS_QUEUE) # 必选
          - --label-selector=$(DEPLOYMENT_SELECTOR)
          - --kubernetes-namespace=$(K8S_NAMESPACE) # 可选
          - --poll-period=10 # 可选
          - --scale-down-cool-down=30 # 可选
          - --scale-up-cool-down=10 # 可选
          - --scale-up-messages=20 # 可选
          - --scale-down-messages=10 # 可选
          - --max-pods=30 # 可选
          - --min-pods=1 # 可选
        env:
          - name: K8S_NAMESPACE
            valueFrom:
              fieldRef:
                fieldPath: metadata.namespace
          - name: AWS_DEFAULT_REGION
            value: us-east-2
        resources:
          requests:
            memory: "64Mi"
            cpu: "250m"
          limits:
            memory: "1512Mi"
            cpu: "500m"
        ports:
        - containerPort: 80