update at 2024-04-24 14:20:11

content/best-practices/autoscaling/hpa-with-custom-metrics/keda.md

@@ -0,0 +1,19 @@
+# KEDA 方案
+
+## 概述
+
+KEDA 是一个开源的 Kubernetes 基于事件驱动的弹性伸缩器（参考 [KEDA 介绍](../keda/overview)）），官方内置了几十种常用的触发器，其中也包含 prometheus 触发器，即可以根据 proemtheus 中的监控数据进行伸缩。
+
+## Prometheus 触发器使用方法
+
+参考 [KEDA 基于 Prometheus 自定义指标的弹性伸缩](../keda/prometheus) 。
+
+## 与 prometheus-adapter 对比
+
+[prometheus-adapter](https://github.com/kubernetes-sigs/prometheus-adapter) 也支持相同的能力，即根据 Prometheus 中的监控指标数据进行伸缩，但相比 KEDA 的方案有以下不足：
+
+* 每次新增自定义指标，都要改动 `prometheus-adapter`  的配置，且改配置是集中式管理的，不支持通过 CRD 管理，配置维护起来比较麻烦。
+* `prometheus-adapter` 的配置语法晦涩难懂，不能直接写 `PromQL`，需要学习一下 `prometheus-adapter` 的配置语法，有一定的学习成本，而 KEDA 的 prometheus 配置则非常简单，指标可以直接写 `PromQL`。
+* `prometheus-adapter` 只支持根据 Prometheus 监控数据进行伸缩，而对于 KEDA 来说，Prometheus 只是众多触发器中的一种。
+
+综上，推荐使用 KEDA 方案。

content/best-practices/autoscaling/hpa-with-custom-metrics/prometheus-adapter.md

@@ -1,4 +1,4 @@
-# HPA 使用自定义指标进行伸缩
+# prometheus-adapter 方案
 
 Kubernetes 默认提供 CPU 和内存作为 HPA 弹性伸缩的指标，如果有更复杂的场景需求，比如基于业务单副本 QPS 大小来进行自动扩缩容，可以考虑自行安装 [prometheus-adapter](https://github.com/DirectXMan12/k8s-prometheus-adapter) 来实现基于自定义指标的 Pod 弹性伸缩。
 
@@ -309,4 +309,4 @@ httpserver-6f94475d45-6c5xm   0/1     ContainerCreating   0          1s
 httpserver-6f94475d45-wl78d   0/1     ContainerCreating   0          1s
 ```
 
-扩容正常则说明已经实现 HPA 基于业务自定义指标进行弹性伸缩。
+扩容正常则说明已经实现 HPA 基于业务自定义指标进行弹性伸缩。

content/best-practices/autoscaling/keda/prometheus.md

@@ -4,16 +4,6 @@
 
 KEDA 支持 `prometheus` 类型的触发器，即根据自定义的 PromQL 查询到的 Prometheus 指标数据进行伸缩，完整配置参数参考 [KEDA Scalers: Prometheus](https://keda.sh/docs/latest/scalers/prometheus/)，本文将给出使用案例。
 
-## 对比 prometheus-adapter
-
-[prometheus-adapter](https://github.com/kubernetes-sigs/prometheus-adapter) 也支持相同的能力，即根据 Prometheus 中的监控指标数据进行伸缩，但相比 KEDA 的方案有以下不足：
-
-* 每次新增自定义指标，都要改动 `prometheus-adapter`  的配置，且改配置是集中式管理的，不支持通过 CRD 管理，配置维护起来比较麻烦。
-* `prometheus-adapter` 的配置语法晦涩难懂，不能直接写 `PromQL`，需要学习一下 `prometheus-adapter` 的配置语法，有一定的学习成本，而 KEDA 的 prometheus 配置则非常简单，指标可以直接写 `PromQL`。
-* `prometheus-adapter` 只支持根据 Prometheus 监控数据进行伸缩，而对于 KEDA 来说，Prometheus 只是众多触发器中的一种。
-
-综上，推荐使用 KEDA 方案。
-
 ## 案例：基于 istio 的 QPS 指标伸缩
 
 如果你使用 isito，业务 Pod 注入了 sidecar，会自动暴露一些七层的监控指标，最常见的是 `istio_requests_total`，可以通过这个指标计算 QPS。

content/best-practices/sidebars.ts

@@ -70,7 +70,19 @@ const sidebars: SidebarsConfig = {
       },
       items: [
         'autoscaling/hpa-velocity',
-        'autoscaling/hpa-with-custom-metrics',
+        {
+          type: 'category',
+          label: 'HPA 使用自定义指标进行伸缩',
+          collapsed: true,
+          link: {
+            type: 'generated-index',
+            slug: '/autoscaling/hpa-with-custom-metrics'
+          },
+          items: [
+            'autoscaling/hpa-with-custom-metrics/prometheus-adapter',
+            'autoscaling/hpa-with-custom-metrics/keda',
+          ]
+        },
         {
           type: 'category',
           label: '事件驱动弹性伸缩(KEDA)',