阿里云最初使用上游Kubernetes HPA和CPU和Memory作为两个指标。但是，随着用户群的增长和需求的多样化，很快发现了上游HPA的局限性：
- 对自定义指标（特别是对应用程序级细粒度的指标）的支持有限。上游HPA专注于容器级指标，例如CPU和内存，这对于应用程序来说太粗糙了。开箱即用不支持反映应用程序负载的度量标准，例如RT和QPS。是的，可以扩展HPA。但是，在应用程序级别指标方面，该功能受到限制。团队在尝试引入细粒度的应用程序级别指标时经常被迫分叉代码。
- 不支持从零缩放为零当不使用微服务时，许多用户都要求从零缩放为零。此要求不仅限于FaaS /无服务器工作负载。它为所有用户节省了成本和资源。当前，上游HPA不支持此功能。
- 不支持计划的扩展EDAS用户的另一个强烈要求是计划的扩展功能。同样，上游HPA不提供此功能，团队需要寻找非供应商锁定的替代方案。
基于这些要求，阿里云团队开始计划新版本的自动缩放功能。团队总结了三个自动缩放要求标准：
- 自动缩放功能应以简单的原子功能显示自己，而不附加到任何复杂的解决方案。
- 这些指标应该是可插入的，因此团队可以对其进行自定义，并在此基础上构建以支持各种需求。
- 它应该开箱即用地支持“缩放到零”。
经过详细评估，阿里云团队选择了KEDA项目，KEDA项目是由Microsoft＆Red Hat开源的自动扩展功能，并已捐赠给CNCF。KEDA默认提供Kubernetes 几个有用的缩放器，并且开箱即用地支持缩放到零。它为应用程序提供了细粒度的自动缩放。它具有Scalar and Metrics适配器的概念，该适配器支持强大的插件体系结构，同时提供统一的API层。最重要的是，KEDA的设计仅关注自动缩放，因此可以轻松地将其集成为OAM特性。
