centos下k8s资源如何分配_运维文库_资讯中心

发布时间:2026-04-26 19:43:54

阅读量:2

CentOS 下 Kubernetes 资源分配实践指南

一核心概念与 QoS

资源模型：为每个容器设置requests（调度所需的最小资源）与limits（允许使用的最大资源），调度器依据 requests 选择节点，kubelet 依据 limits 做运行时约束。CPU 为可压缩资源，内存为不可压缩资源。
QoS 等级：
- Guaranteed：CPU 与内存的 requests 与 limits 均设置且相等，节点资源紧张时最不易被驱逐。
- Burstable：至少有一种资源设置了 requests（常见为 CPU 或内存），稳定性与弹性介于 Guaranteed 与 BestEffort 之间。
- BestEffort：未设置任何 requests/limits，资源紧张时优先被驱逐。
建议：生产关键负载尽量使用 Guaranteed；通用服务使用 Burstable 并合理设置 requests；批处理/尽力而为任务可用 BestEffort。

二在 Pod 与容器上设置资源

最小可用示例（为容器设置 requests/limits，避免无约束导致节点资源被抢占）：

apiVersion: v1
kind: Pod
metadata:
  name: demo
spec:
  containers:
  - name: app
    image: nginx:1.25
    resources:
      requests:
        cpu: "250m"
        memory: "128Mi"
      limits:
        cpu: "500m"
        memory: "256Mi"

命名空间默认与约束（避免“漏配”与资源滥用）：

# 默认请求/限制（未显式设置时使用）
apiVersion: v1
kind: LimitRange
metadata:
  name: default-lr
  namespace: default
spec:
  limits:
  - default:
      cpu: "200m"
      memory: "256Mi"
    defaultRequest:
      cpu: "100m"
      memory: "128Mi"
    type: Container

# 命名空间总配额（防止团队/项目超额）
apiVersion: v1
kind: ResourceQuota
metadata:
  name: ns-quota
  namespace: default
spec:
  hard:
    pods: "20"
    requests.cpu: "4"
    requests.memory: "8Gi"
    limits.cpu: "8"
    limits.memory: "16Gi"

验证命令：
- 查看节点资源与已分配量：kubectl describe node
- 查看命名空间配额：kubectl get resourcequota -n -o yaml
- 查看 Pod 资源字段：kubectl get pod -o yaml

三调度与拓扑优化

节点亲和/反亲和（将负载调度到更合适的节点，或避免单点拥塞）：

affinity:
  nodeAffinity:
    requiredDuringSchedulingIgnoredDuringExecution:
      nodeSelectorTerms:
      - matchExpressions:
        - key: disk
          operator: In
          values: ["ssd"]
  podAntiAffinity:
    preferredDuringSchedulingIgnoredDuringExecution:
    - weight: 100
      podAffinityTerm:
        labelSelector:
          matchExpressions:
          - key: app
            operator: In
            values: ["nginx"]
        topologyKey: kubernetes.io/hostname

拓扑分布约束（如 maxSkew）可进一步提升容错与资源分布均衡。
建议：对延迟敏感服务优先选择高性能磁盘/网卡节点；有状态服务通过反亲和分散到不同节点。

四弹性伸缩与集群规模

Pod 水平伸缩（HPA，基于指标自动扩缩副本数）：

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: hpa-nginx
  namespace: default
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: nginx
  minReplicas: 2
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 60

集群自动扩缩（Cluster Autoscaler）：当节点资源不足时自动新增节点，需与云厂商或本地扩容器集成。
前提：部署 Metrics Server，否则 kubectl top 与 HPA 指标不可用。

五监控容量规划与 GPU 特殊资源

监控与告警：部署 Prometheus + Grafana 观测节点/Pod 的 CPU、内存、网络、磁盘 IO；结合日志（如 EFK/ELK）定位异常。
容量规划与驱逐阈值：
- 节点可分配资源 = 节点总资源 − 系统预留（kube-reserved、system-reserved、eviction-threshold）。
- 合理设置 kubelet 的 eviction-hard/memory.available、cpu.cfs_quota_period 等，避免节点 OOM 与抖动。
- 定期用 kubectl top nodes 与 kubectl describe node 校准 requests/limits 与实际使用。
GPU 等特殊资源：
- 部署 NVIDIA Device Plugin 后，可在 Pod 中按扩展资源申请：resources.limits: { nvidia.com/gpu: "1" }。
- 结合节点污点与容忍度（Taints/Tolerations）实现 GPU 专属节点池。