KEDA Event-Driven Autoscaling 2026: Production Setup ve Scalers

KEDA (Kubernetes Event-Driven Autoscaling) 2024’te CNCF Graduated statüsüne ulaÅŸtı; CNCF Annual Survey 2025’e göre production kullanım oranı %48’e yükseldi ve Microsoft 2025 KEDA Performance Report queue depth tabanlı scaling sayesinde p99 latency’nin ortalama %63 düştüğünü, idle compute maliyetinin %41 azaldığını gösteriyor.

KEDA’nın 2026 Autoscaling Manzarası

Kubernetes Horizontal Pod Autoscaler (HPA) 2017’den bu yana var, ancak CPU ve memory dışında metric kullanmak için custom metric server gerektiriyor. KEDA bu sürtünmeyi 2019’da Microsoft ve Red Hat ortaklığıyla baÅŸlatılarak çözdü. 2024’te CNCF Graduated statüsü kazandı; 2026 başında 65+ scaler ekosistemine ulaÅŸtı: Kafka, RabbitMQ, Azure Service Bus, AWS SQS, GCP PubSub, Prometheus, Redis Streams, MongoDB, Elasticsearch, Cron, GitHub Runner, Datadog gibi.

Pazar baÄŸlamı: CNCF Graduated proje olarak KEDA kullanım oranı bir yılda %22 arttı. Microsoft 2025 raporu KEDA kullanan Azure müşterilerinin event-driven workload’larda compute maliyetini ortalama %41 azalttığını açıkladı. Datadog 2025 Container Report KEDA kullanan kurumlarda batch processing latency’nin %58 daha düşük olduÄŸunu gösteriyor. KEDA artık serverless event processing için Kubernetes-native standart.

Scaler Ekosistemi ve ScaledObject Tasarımı

KEDA’nın gücü scaler ekosisteminden geliyor. 65+ scaler farklı event source’larından metric çekiyor. ScaledObject KEDA’nın ana CRD’si; mevcut Deployment veya StatefulSet için scaling tetikleyicilerini tanımlar. ScaledJob ise her event için yeni Job oluÅŸturur, batch workload için ideal. Cooldown period, polling interval, min/max replica gibi parametreler ince tasarım gerektiriyor.

Scale-to-Zero Pattern ve Cold Start

KEDA’nın CPU-tabanlı HPA’dan en büyük farkı: scale-to-zero. Workload event geldiÄŸinde 0’dan 1’e, eventler bittiÄŸinde 1’den 0’a iniyor. Idle compute maliyeti dramatik düşüyor. Ancak cold start tolerans deÄŸerlendirmesi yapılmalı: yeni pod boot süresi tipik 5-30 saniye, ilk request bu süre kadar bekliyor. SLA gereksinimi 200ms ise scale-to-zero uygun deÄŸil; queue-buffered workload için ideal.

Cold start optimizasyonu: warm pool pattern (minimum 1 replica), startup probe tuning (initialDelaySeconds 0, periodSeconds 1), container image optimization (distroless, lightweight base), JIT compilation skip (AOT compile Go/Rust kullanmak), connection pre-warming. Microsoft 2025 raporu cold start optimizasyonu uygulanan ekiplerde scale-to-zero pattern’in ROI’sinin 2.3 kat arttığını gösteriyor.

• Warm pool: min replica 1, scale-to-zero yerine scale-to-low.
• Startup probe optimization: hızlı initial readiness check.
• Pre-fetched image: node-level image pre-pulling.
• AOT compilation: Go, Rust ile cold start <2s.
• Connection pool warming: lazy init yerine eager init.

Kafka, RabbitMQ ve Cloud Queue Entegrasyonu

Mesaj kuyruÄŸu tabanlı scaling KEDA’nın en yaygın kullanım vakası. Kafka consumer lag KEDA için doÄŸal metric; topic partition başına lag deÄŸeri scaling decision’a girdi oluyor. RabbitMQ queue length, Azure Service Bus message count, AWS SQS ApproximateNumberOfMessages benzer pattern’ler. CNCF 2025 raporu KEDA scaler kullanım dağılımını gösteriyor: Kafka %38, RabbitMQ %22, AWS SQS %18, Azure Service Bus %12, diÄŸer %10.

İlgili konu: Kafka event streaming Kubernetes rehberimizde detayları bulabilirsiniz.

ScaledObject vs ScaledJob: Doğru Pattern Seçimi

ScaledObject mevcut Deployment’ı scale eder; pod sayısı 0-N arasında oynar. ScaledJob ise her event veya batch için yeni Job oluÅŸturur, idempotent batch processing için ideal. Ãœretim use case farkı: real-time stream processing için ScaledObject, ETL/batch job için ScaledJob.

Production Setup ve Observability

KEDA production setup için cluster admin gereksinimleri var: keda-operator deployment, keda-metrics-apiserver, CRD’ler. Olgun observability için Prometheus integration zorunlu: keda_scaler_metric_value, keda_scaler_active, keda_scaler_errors. Grafana dashboard’ları için CNCF community templates mevcut. Alertmanager kurulumu: scaler error rate >%5 alert, queue lag >10000 alert.

Kurumsal KEDA Dönüşümünde Karşılaşılan Tipik Sorunlar

Danışmanlık projelerinde gözlemlenen tipik darboğazlar:

• Scaler authentication eksik; Kafka consumer credentials hard-coded.
• Cooldown period tuning yapılmamış; oscillation (scale up/down sürekli).
• Min replica 0 ile baÅŸlanmış; SLA breach yaÅŸanıyor (cold start).
• Multiple scaler trigger kombinasyonu yanlış; OR logic beklenmiyor.
• HPA ile çakışma; KEDA ve HPA aynı deployment’ı yönetiyor.
• Observability eksik; queue lag deÄŸiÅŸimine reaktif yaklaşılıyor.

İlgili konular: platform engineering pratikleri, SRE ve observability stratejileri ve cloud-native GitOps pattern içeriklerimizden faydalanabilirsiniz.

Sonuç

KEDA 2026’da event-driven Kubernetes workload’larının autoscaling standardı. CPU/memory tabanlı HPA stream processing, batch worker, queue consumer iÅŸ yükleri için doÄŸru sinyal deÄŸil; queue depth, event rate, custom metric gerçek scaling parametresi. 65+ scaler ekosistemi 2026’da seçim sorununu çözüyor. Pilot olarak 3-5 high-volume worker servisinde baÅŸlayın, cold start tolerans deÄŸerlendirmesi yapın, scale-to-zero kararını SLA’ya göre verin. Cooldown ve polling interval tuning’i ile oscillation problemini engellemeden production’a açmayın.

Sıkça Sorulan Sorular

Resmi kaynaklar için KEDA resmi sitesini, scaler katalogu için scaler dokümantasyonunu, mimari rehberi için CNCF KEDA proje sayfasını ve Kubernetes HPA dokümanını inceleyebilirsiniz.