📈 트래픽 폭탄이 와도 끄떡없다 – HPA 오토스케일링 실험

서버 운영에서 가장 무서운 순간은 예고 없이 트래픽이 몰릴 때입니다. 미리 파드를 잔뜩 띄워두면 평소엔 자원 낭비고, 너무 적게 두면 폭탄이 터집니다. HPA(Horizontal Pod Autoscaler) 는 이 문제를 자동으로 해결해줍니다. CPU 사용률을 보다가 일정 수치를 넘으면 파드를 자동으로 늘리고, 트래픽이 빠지면 다시 줄입니다.

---

🎯 실험 시나리오

• 평상시: 파드 1개 유지 (자원 절약)
• 폭주 시: CPU 사용률이 50%를 넘으면 최대 10개까지 자동 증가
• 검증: 부하 생성기로 서버를 공격해서 파드가 늘어나는 걸 눈으로 확인

---

🛠️ 구성 과정

Step 1: Metrics Server 설치

쿠버네티스는 기본적으로 CPU/메모리 사용량을 수집하지 않습니다. HPA가 작동하려면 Metrics Server가 필요합니다.

kubectl apply -f https://github.com/kubernetes-sigs/metrics-server/releases/latest/download/components.yaml

# 베어메탈 환경에서 인증서 오류 해결 패치
kubectl patch deployment metrics-server -n kube-system \
  --type='json' \
  -p='[{"op":"add","path":"/spec/template/spec/containers/0/args/-","value":"--kubelet-insecure-tls"}]'

# 동작 확인 (잠시 후)
kubectl top nodes

Step 2: 테스트용 앱 배포

구글이 HPA 테스트용으로 만든 php-apache 이미지를 사용합니다. requests 설정이 필수입니다. HPA는 requests 값을 기준으로 사용률을 계산하기 때문입니다.

# php-apache.yaml
apiVersion: apps/v1
kind: Deployment
metadata:
  name: php-apache
spec:
  replicas: 1
  selector:
    matchLabels:
      run: php-apache
  template:
    metadata:
      labels:
        run: php-apache
    spec:
      containers:
      - name: php-apache
        image: registry.k8s.io/hpa-example
        ports:
        - containerPort: 80
        resources:
          requests:
            cpu: "200m"    # 기준점: 이 값의 50%를 넘으면 스케일 아웃
          limits:
            cpu: "500m"
---
apiVersion: v1
kind: Service
metadata:
  name: php-apache
spec:
  selector:
    run: php-apache
  ports:
  - port: 80

kubectl apply -f php-apache.yaml

Step 3: HPA 규칙 설정

kubectl autoscale deployment php-apache \
  --cpu-percent=50 \   # CPU 50% 넘으면 스케일 아웃
  --min=1 \            # 최소 1개
  --max=10             # 최대 10개

# HPA 상태 확인
kubectl get hpa

---

🔥 부하 테스트 — 서버 공격 개시

별도 터미널에서 busybox 파드로 무한 루프 공격을 시작합니다.

kubectl run -i --tty load-generator \
  --rm --image=busybox:1.28 \
  --restart=Never -- \
  /bin/sh -c "while sleep 0.01; do wget -q -O- http://php-apache; done"

약 1분 후 HPA를 관찰합니다.

kubectl get hpa -w    # -w 로 실시간 변화 관찰

---

📊 실험 결과

시간 경과	CPU 부하 (TARGETS)	파드 개수 (REPLICAS)	상태
0분 (대기)	0% / 50%	1개	평온 😌
1분 (공격!)	200% / 50% 🚨	1개 → 4개	급격한 확장
3분 (안정)	50% / 50%	4~5개	분산 처리 중 🤝

---

🧮 “왜 하필 4개로 늘어났을까?” — HPA 계산 공식

HPA는 감이 아니라 정확한 비례식으로 계산합니다.

$$\text{목표 파드 수} = \lceil \text{현재 파드 수} \times \frac{\text{현재 사용량}}{\text{목표 사용량}} \rceil$$

실제 값을 대입하면:

1개 × (200% / 50%) = 4개

파드 1개가 목표치의 4배로 힘드니까, 사람(파드)도 4배 뽑는다는 계산입니다. 실제로 정확히 4개가 생성됐습니다.

---

🍓 라즈베리파이에 적용할 때 주의할 점

클라우드와 달리 라즈베리파이는 자원이 아주 적습니다. HPA가 너무 공격적으로 늘리면 오히려 노드가 OOM(Out Of Memory)으로 죽을 수 있습니다.

# 라즈베리파이용 보수적인 HPA 설정
kubectl autoscale deployment myapp \
  --cpu-percent=70 \   # 임계값을 높여서 덜 민감하게
  --min=1 \
  --max=3              # 최대를 3개로 제한

안정성이 확장성보다 우선인 환경에선 Fixed Replicas 방식을 쓰는 게 나을 수도 있습니다.

---

✅ 정리

HPA는 쿠버네티스의 자기 치유(Self-healing) + 자동 확장(Auto-scaling) 의 핵심입니다. 사람이 24시간 모니터링하지 않아도 시스템이 스스로 트래픽에 대응합니다.

K8s 실습 시리즈는 여기까지입니다. kubeadm으로 클러스터를 직접 구성하는 것부터, Pod, Deployment, Service, Ingress, StatefulSet, RBAC, HPA까지 — 쿠버네티스를 실전에서 쓸 수 있는 기반을 다졌습니다.