Kubernetes 환경에서 Application은 운영 중 Traffic 변화와 사용량 변화가 발생합니다.

처음 설정한 CPU와 Memory 값이 실제 사용량과 맞지 않으면 다음 문제가 발생할 수 있습니다.

Resource 부족

↓

Application 성능 저하

또는

과도한 Resource 설정

↓

불필요한 비용 증가

이 문제를 해결하기 위해 Kubernetes는 Vertical Pod Autoscaler(VPA)를 제공합니다.

VPA는 Pod의 CPU와 Memory Request 값을 분석하고 자동으로 조정하는 Kubernetes Resource 최적화 기능입니다.

구성 요소	역할
VPA	Resource 자동 조정
Recommender	사용량 분석
Updater	Pod 업데이트
Admission Controller	Resource 적용
Metrics Server	사용량 데이터 제공

VPA 구조를 이해하면 Kubernetes 환경에서 효율적인 Resource 운영과 비용 최적화를 할 수 있습니다.

Kubernetes VPA란?

VPA(Vertical Pod Autoscaler)는 Container의 Resource Request 값을 자동으로 조정하는 Kubernetes Component입니다.

기존 방식:

관리자가 CPU/Memory 설정

↓

실제 사용량 확인

↓

수동 수정

VPA 방식:

사용량 분석

↓

적절한 Resource 계산

↓

자동 적용

Application에 맞는 Resource 크기를 유지합니다.

Kubernetes VPA가 필요한 이유

Resource 설정은 운영에서 어려운 부분입니다.

예:

Application A

설정:

CPU 4 Core

Memory 8GB

실제 사용:

CPU 500m

Memory 1GB

결과:

불필요한 Resource 낭비

VPA는 적절한 크기로 조정하여 효율성을 높입니다.

Kubernetes VPA Architecture

구조:

Pod

↓

Metrics Server

↓

VPA Recommender

↓

VPA Updater

↓

Admission Controller

↓

Pod Resource 변경

각 Component가 역할을 분리하여 동작합니다.

Kubernetes VPA 주요 Component

VPA Recommender

역할:

Container 사용량 분석
적절한 CPU 계산
적절한 Memory 계산

Metrics 데이터를 기반으로 추천 값을 생성합니다.

VPA Updater

역할:

기존 Pod 확인
Resource 변경 필요 판단
Pod 재생성 수행

Resource 변경을 적용합니다.

VPA Admission Controller

역할:

새 Pod 생성 시 Resource 적용
추천 값 삽입

Pod 시작 단계에서 적용됩니다.

Kubernetes VPA 동작 과정

Application 실행

↓

Metrics 수집

↓

VPA Recommender 분석

↓

Resource 추천

↓

Updater 판단

↓

Pod 재생성

↓

새 Resource 적용

자동 최적화 과정입니다.

Kubernetes VPA와 HPA 차이

많이 혼동되는 기능입니다.

구분	VPA	HPA
목적	Resource 크기 조정	Pod 개수 조정
대상	CPU/Memory Request	Replica 수
방식	Vertical Scaling	Horizontal Scaling
사용	최적화	트래픽 대응

두 기능은 서로 다른 목적을 가집니다.

Kubernetes VPA와 HPA 함께 사용하기

주의가 필요합니다.

HPA:

CPU 사용률 기준 Replica 증가

VPA:

CPU Request 변경

둘을 동시에 CPU 기준으로 사용하면 충돌 가능성이 있습니다.

일반적으로:

HPA:

Replica 관리

VPA:

Memory 최적화

방식으로 조합합니다.

Kubernetes VPA Resource Policy

VPA는 Container별 정책을 설정할 수 있습니다.

관리:

최소 CPU
최대 CPU
최소 Memory
최대 Memory

예:

resourcePolicy:
  containerPolicies:
  - containerName: app
    minAllowed:
      cpu: 100m
    maxAllowed:
      cpu: 2

안전한 범위를 지정할 수 있습니다.

Kubernetes VPA Update Mode

VPA는 여러 Update Mode를 제공합니다.

Mode	설명
Off	추천만 제공
Initial	생성 시 적용
Recreate	Pod 재생성 적용
Auto	자동 결정

운영 환경에서는 테스트 후 적용하는 것이 좋습니다.

Kubernetes VPA 설치 구조

VPA 구성:

Recommender
Updater
Admission Controller

확인:

kubectl get pods -n kube-system

VPA Component 상태를 확인합니다.

Kubernetes VPA 설정 예시

apiVersion: autoscaling.k8s.io/v1
kind: VerticalPodAutoscaler
metadata:
  name: app-vpa
spec:
  targetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: app
  updatePolicy:
    updateMode: Auto

Deployment Resource를 자동 관리합니다.

Kubernetes VPA 장애 분석

VPA 문제가 발생하면 확인합니다.

VPA 상태 확인

kubectl get vpa

상세 확인

kubectl describe vpa app-vpa

확인:

Recommendation 값
Update 상태
Admission Controller 오류

Kubernetes VPA와 비용 최적화

Cloud 환경에서는 Resource 설정이 비용과 연결됩니다.

VPA 적용:

실제 사용량 분석

↓

불필요한 Resource 감소

↓

Node 활용률 증가

↓

Cloud 비용 절감

FinOps 전략과 연결됩니다.

Kubernetes VPA 운영 전략

Production 환경:

1단계

Off Mode로 분석

↓

2단계

추천값 검토

↓

3단계

Initial 적용

↓

4단계

Auto 적용

점진적인 적용이 안정적입니다.

Kubernetes VPA Monitoring

확인 항목:

Resource Recommendation
Pod Restart
CPU 사용량
Memory 사용량

Monitoring 시스템과 함께 운영합니다.

Kubernetes VPA 장점

장점	설명
Resource 최적화	적정 CPU·Memory 설정
비용 절감	불필요한 Resource 감소
자동 관리	수동 조정 감소
성능 개선	부족한 Resource 보완

VPA는 Kubernetes Resource 최적화의 핵심 기능입니다.

자주 묻는 질문

VPA가 Pod 개수를 늘리나요?

아닙니다.

VPA는 CPU와 Memory 크기를 조정합니다.

VPA와 HPA 중 어떤 것을 사용해야 하나요?

트래픽 변화는 HPA, Resource 최적화는 VPA를 사용합니다.

VPA 적용 시 서비스 중단이 발생하나요?

Update Mode에 따라 Pod 재생성이 발생할 수 있습니다.

마무리

Kubernetes VPA는 Pod의 CPU와 Memory Resource를 자동으로 분석하고 최적화하는 기능입니다.

구성 요소	역할
Recommender	사용량 분석
Updater	변경 적용
Admission Controller	Resource 삽입
Metrics Server	데이터 제공

VPA 구조를 이해하면 Kubernetes Cluster Resource를 효율적으로 운영하고 Cloud 비용을 최적화할 수 있습니다.

다음 글에서는 Kubernetes 자동 확장 핵심 기능인 Kubernetes Horizontal Pod Autoscaler(HPA) 완벽 가이드! Traffic 증가와 Pod 자동 확장 구조 이해하기를 진행하겠습니다.

Kubernetes Vertical Pod Autoscaler(VPA) 완벽 가이드! Pod Resource 자동 조정과 최적화 구조 이해하기