企业官网建设流程全解析

Pytorch图像去噪实战（七十五）：K8s HPA自动扩缩容，根据CPU压力动态增加图像去噪推理副本

一、问题场景：访问高峰服务变慢，低峰又浪费资源

图像去噪服务访问量通常不是稳定的。

可能出现：

• 白天用户多
• 批量任务集中提交
• 某个活动期间请求暴涨
• 夜间请求很少

如果固定部署 2 个副本：

高峰不够用 低峰浪费资源

Kubernetes 的 HPA 可以根据资源指标自动扩缩容。

这一篇我们实现：

根据 CPU 使用率自动扩缩图像去噪 API 副本。

二、什么是 HPA？

HPA 全称：

Horizontal Pod Autoscaler

它会根据指标自动调整 Pod 数量。

例如：

CPU超过70% -> 增加副本 CPU降低 -> 减少副本

适合无状态 API 服务。