Um HorizontalPodAutoscaler altera o número de réplicas de um Deployment (ou de um StatefulSet) para manter uma métrica perto de um alvo. Para a CPU, a utilização é o consumo como porcentagem da solicitação, na média entre os Pods, e o número desejado é aproximadamente teto(réplicas atuais × utilização atual ÷ alvo), mantido entre minReplicas e maxReplicas.
kubectl autoscale deployment NAME --min=2 --max=10 --cpu-percent=60 cria um; kubectl get hpa mostra TARGETS como atual/alvo. As métricas vêm do servidor de métricas, a mesma fonte do kubectl top.
Três coisas costumam dar errado. Sem uma solicitação de CPU, o HPA mostra <unknown>, porque não há nada para dividir. No máximo, ele para, e o describe diz ScalingLimited com TooManyReplicas. E escalar o Deployment manualmente briga com o HPA, que volta a definir o número dele; altere o HPA. Clusters reais também esperam uma janela de estabilização antes de reduzir a escala; este cluster se estabiliza na hora.
Criar, acompanhar o alvo e ler as condições.