通过kubectl执行autoscale命令kubectl autoscale deployment nginx-deployment --cpu-percent=30 --min=7 --max=8后，HorizontalController会接收到HorizontalPodAutoscaler新增消息，最终会执行HorizontalController.reconcileAutoscaler方法。该方法是控制器的核心逻辑，其执行过程如下：

    1. 通过hpa的属性获取对应资源（可以是Deployment也可以是其他）的Scale中的分片数信息；
    2. 进行逻辑判断：
      1. 若当前分片数为0但最小分片数不为0，则不进行自动扩容；
      2. 若当前分片数大于hpa定义的最大分片数则将目标分片数（desiredReplicas）设置成最大分片数；
      3. 若当前分片数小于hpa定义的最小分片数则将目标分片数设置成该最小分片数；
      4. 都不满足的话则执行第三步跟据Metrics信息计算需要部署的分片数
    3. 执行HorizontalController.computeReplicasForMetrics方法计算目标分片数：
      1. 定义hpa时可以定义多个指标维度的扩缩容策略，比如cpu等。因此这里会按每个指标信息依次计算目标分片数，最后取最大值作为最终的目标值；
      2. 对于指标（MetricSpec），k8s对齐进行了分类，主要分为四类，没类的计算方式也不同：
        1. Object： 描述 k8s 对象，如hits-per-second；
        2. Pods： 描述目标中每个Pod信息，如transactions-processed-per-second，而这些值在比较前会进行求平均；
        3. Resource：是k8s中一个知名度量信息，在request和limit中进行定义的资源；
        4. External：拓展指标信息，来自于k8s集群之外的信息。
          1. 下面以Resource为例，来讲解其计算过程（HorizontalController.computeStatusForResourceMetric）：
        5. 最终调用的是ReplicaCalculator分片计算器的GetRawResourceReplicas方法；
        6. 首先，通过metricsClient查询每个Pod的Metrics信息；
        7. 进行以下条件判断和计算目标分片数
          • 首先计算当前测量的metric的平均值和目标值的比例（usageRatio）；
          • 若没有未就绪的pod且当前指标大于目标值时：
            • 当差值在10%（默认可容忍值）之内，则直接返回原值；
            • 若大于10%时，则返回分片数：usageRatio乘以当前Pod数；
          • 如有Pod未收集到指标信息
            • 当usageRatio小于0，将未收集到的指标设置零时为目标值；
            • 若usageRatio大于0，将未收集的指标设置零时为0；
              • 当usageRatio大于0，将所有未就绪的Pod指标设置为0
              • 对修改过的数据重新计算usageRatio；
              • 当新的usageRatio<1.1(0.1是容忍度)或者oldUageRatio<1&&newUsageRatio>1或者oldUageRatio>1&&newUsageRatio<1时，直接返回原值；
              • 否则返回newUsageRatio乘以所有pod数量（也及以newUsageRatio比例来扩容）
        8. 并不是计算出来就用这个值，还需要对伸缩速率做一次调整(normalizeDesiredReplicas)：
          • 根据历史值来调整该值（stabilizeRecommendation）：
            • HPA中保存每次计算结果和时间戳，timestampedRecommendation；
            • HPA启动时会设置一个窗口期downscaleStabilisationWindow（默认5min）
            • 找到窗口期之内历史计算结果，若历史推荐分片数比当前推荐的大，则覆盖当前的
          • 速率限制（convertDesiredReplicasWithRules）
            • 防止扩容过快，限制最大不能超过当前实例数的两倍；
              1. 获取目标分片数时，若与原值不相等则通过Scales接口将分片数修改成目标值（实际，Scales只是一个包装，其实质是更新Deployment的Replica只）
              2. 当DeploymentController接收到更新后，就会引发其扩缩容操作

    到此，HPA的单次操作执行流程就介绍完了，下面以一张图来简要描述该过程：
    image.png