[K8s] Adicionar HPA para escalonamento automático do stella-api

[muniagebot]

Situação atual

O deployment do stella-api está fixo em replicas: 1. Não há escalonamento automático configurado.

Por que adicionar HPA

Durante demonstrações de aula com múltiplos alunos usando o sistema simultaneamente, especialmente com features de IA (análise de foto, busca semântica), o pod único pode ficar sobrecarregado.

Um HPA simples baseado em CPU já resolve o caso de uso de demo:

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: stella-api
  namespace: platform
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: stella-api
  minReplicas: 1
  maxReplicas: 3
  metrics:
    - type: Resource
      resource:
        name: cpu
        target:
          type: Utilization
          averageUtilization: 70

Pré-requisitos

• Resource requests devem estar configurados no deployment (issue [K8s] Deployment sem resource limits — risco de OOM e instabilidade do node #135 — K8s resource limits)
• O HPA usa requests como baseline para calcular a utilização percentual

Impacto na aula

Excelente demonstração ao vivo:

1. Mostrar kubectl get hpa -n platform -w
2. Gerar carga com múltiplas requisições de análise de foto simultâneas
3. Ver o HPA escalar de 1 para 2/3 réplicas em tempo real
4. Parar a carga e ver o scale-down após o cooldown

Nota sobre AiUsageGuard

Com HPA ativo, o AiUsageGuard em memória passa a ter comportamento incorreto (issue #137). As duas issues devem ser tratadas em conjunto ou na sequência correta.