什么是弹性伸缩（Auto Scaling）？
弹性伸缩是指 云计算平台根据实时负载自动调整计算资源（如服务器实例、容器Pod）数量，以确保系统在高峰时保持稳定，在低谷时节省成本。
什么时候会触发弹性伸缩？
弹性伸缩的触发通常基于 预定义的规则，常见条件包括：
1. CPU/内存使用率（最常用）
- 示例规则：
- 如果 CPU 平均使用率 > 70% 持续 3 分钟，自动扩容 2 台实例。
- 如果 CPU 平均使用率 < 30% 持续 5 分钟，自动缩容 1 台实例。
- 适用场景：通用型业务（如Web服务、API服务）。
2. 请求量/QPS（适合流量波动大的业务）
- 示例规则：
- 如果 平均请求量 > 1000 QPS 持续 2 分钟，扩容 3 台实例。
- 如果 平均请求量 < 300 QPS 持续 10 分钟，缩容 1 台实例。
- 适用场景：电商大促、秒杀活动、突发流量。
3. 自定义监控指标（如队列积压、延迟）
- 示例规则：
- 如果 消息队列积压 > 5000 条，扩容消费者实例。
- 如果 API P99 延迟 > 500ms，扩容后端服务实例。
- 适用场景：异步任务处理、高延迟敏感业务。
4. 定时伸缩（预测性扩容）
- 示例规则：
- 每天 9:00 扩容到 20 台实例（应对早高峰）。
- 每天 23:00 缩容到 5 台实例（夜间低峰）。
- 适用场景：周期性流量（如办公系统、打卡应用）。
弹性伸缩的典型工作流程
- 监控：云平台（如 AWS Auto Scaling、K8s HPA）实时采集指标（CPU/QPS/延迟）。
- 判断：对比预设阈值，决定是否触发扩容/缩容。
- 执行：自动创建或销毁实例，并注册到负载均衡。
- 稳定：新实例加入后，流量自动均衡，系统恢复稳定。
你的 JMeter 测试如何关联弹性伸缩？
在压测中，你可以：
- 观察触发时机：
- 当 JMeter 模拟的 QPS 达到 1500 时，是否触发扩容？
- 扩容后，TPS 是否提升（如从 200→450）？延迟是否下降？
- 验证伸缩速度：
- 从触发到完全扩容需要多久？（理想情况：1-3 分钟）
- 缩容是否过于激进（可能导致短时间内再次扩容）？
- 检查资源利用率：
- 扩容后 单实例的 CPU/内存是否下降？（说明负载被分摊）
弹性伸缩的注意事项
- 冷却时间（Cooldown）：避免频繁伸缩，设置合理的间隔（如 3-5 分钟）。
- 最小/最大实例数：防止无限扩容（成本失控）或过度缩容（服务不可用）。
- 健康检查：确保新实例启动完成后再接收流量。
- 成本权衡：突发流量用弹性伸缩，长期高负载建议预留实例（更便宜）。
结论
在你的测试中，如果 TPS 从 200 提升到 450，同时触发了弹性伸缩（如实例数从 10→15），说明：
- 系统吞吐能力提升（扩容成功）
- 延迟下降（新实例分摊了压力）
- 资源占用增加是合理的（符合弹性伸缩的设计目标）
支付宝这一次力度够大的啊，后台看到有人居然领了 20 元，你也来试试
