Skaliranje v okolju Kubernetes na osnovi dogodkov z uporabo KEDA

ŠTINJEK, MATEVŽ (author), Jurič, Branko Matjaž (mentor)

Horizontal Pod Autoscaler (HPA) v Kubernetesu se za odločitve o skaliranju opira na metrike porabe virov, kot sta izkoriščenost procesorja ali pomnilnika. Ker gre za za- kasnele kazalnike, odražajo že nastalo obremenitev in ne prihodnjega povpraševanja. Tak pristop se zato slabo obnese pri V/I-omejenih obremenitvah, kjer izkoriščenost procesorja ni nujno povezana s prepustnostjo, hkrati pa ne omogoča skaliranja na nič replik v obdobjih neaktivnosti. V diplomskem delu predstavimo primerjalno eksperimentalno študijo med sistemoma HPA in Kubernetes Event-driven Autoscaler (KEDA), pri čemer sistem KEDA za odločanje o skaliranju uporablja metrike izvora dogodkov kot vodilne kazalnike. Z uporabo sporočilne vrste RabbitMQ in mikrostoritev v jeziku Go, nameščenih v lo- kalni gruči Kubernetes, smo zasnovali tri eksperimente: procesorsko omejen scenarij, preizkus V/I-omejenega scenarija in oceno zmožnosti skaliranja na nič. Rezultati kažejo, da je KEDA v vseh scenarijih učinkovitejša od sistema HPA. V procesorsko omejenem eksperimentu je KEDA izpraznila vrsto v 65 sekundah, sistem HPA pa v 175 sekundah; sistem HPA je največje število replik dosegel šele potem, ko je bila vrsta že prazna. V V/I-omejenem eksperimentu je sistem HPA povsem odpovedal—vzdrževal je le eno repliko, saj je izkoriščenost procesorja kljub zaostanku 1000 sporočil ostala blizu nič. KEDA je na podlagi globine vrste skalirala takoj in zaostanek odpravila v 60 sekundah, medtem ko je sistem HPA potreboval 8 minut. V obdobjih neaktivnosti je KEDA število replik zmanjšala na nič, česar sistem HPA ne omogoča. Ugotovitve kažejo, da KEDA zagotavlja učinkovitejše samodejno skaliranje za dogod- kovno vodene in V/I-omejene obremenitve, medtem ko sistem HPA ostaja primeren za enostavnejše procesorsko omejene scenarije.

• Language: Slovenian
• Keywords: Kubernetes, KEDA, dogodkovno vodena arhitektura, samodejno 6 skaliranje, aplikacije v oblaku
• Work type: Bachelor thesis/paper
• Typology: 2.11 - Undergraduate Thesis
• Organization: FRI - Faculty of Computer and Information Science
• Year: 2026
• PID: 20.500.12556/RUL-182447
• COBISS.SI-ID: 278242563
• Publication date in RUL: 12.05.2026

Secondary language

• Language: English
• Title: Event-Driven Scaling in a Kubernetes Environment Using KEDA

Abstract

The Kubernetes Horizontal Pod Autoscaler (HPA) relies on resource metrics such as CPU or memory utilization to make scaling decisions. However, these metrics are lagging indicators that reflect work already in progress rather than pending demand. This approach fails for I/O-bound workloads where CPU usage does not correlate with throughput, and it cannot scale deployments to zero during idle periods. This thesis presents a comparative experimental study of HPA and KEDA (Kubernetes-based Event-driven Autoscaler), which uses event-source metrics as leading indicators. We designed three experiments using a RabbitMQ message queue and Go microservices deployed on a local Kubernetes cluster: a CPU-bound workload baseline, an I/O-bound workload test, and a scale-to-zero evaluation. Results demonstrate that KEDA outperforms HPA across all scenarios. In the CPU-bound baseline, KEDA drained the queue in 65 seconds compared to HPA's 175 seconds, and HPA reached maximum replicas only after the queue was already empty. In the I/O-bound experiment, HPA failed entirely, maintaining only one replica throughout because CPU utilization remained near zero despite a 1000-message backlog. KEDA, observing queue depth directly, scaled immediately and cleared the backlog in 60 seconds versus HPA's 8 minutes. KEDA also scaled to zero replicas during idle periods, a capability HPA does not have. These findings indicate that KEDA provides superior autoscaling for event-driven and I/O-bound workloads, while HPA remains appropriate for simpler CPU-bound scenarios.

• Keywords: Kubernetes, KEDA, event-driven architecture, autoscaling, cloud-native