centos k8s部署中资源如何分配 - 问答

CentOS上Kubernetes资源分配的关键策略与实践

在CentOS环境中部署Kubernetes（K8s）时，资源分配的核心目标是平衡资源利用率与业务稳定性，既要避免过度配置导致的成本浪费，又要防止资源不足引发的服务故障。以下是具体的资源分配框架与操作指南：

一、基础配置：Pod级别的资源请求与限制

资源请求（requests）和限制（limits）是K8s资源分配的基石，直接影响Pod的调度与运行稳定性。

资源请求（Requests）：定义Pod启动时所需的最小资源量，调度器会优先将Pod分配到满足请求的节点上。例如，一个Nginx Pod需要1核CPU和1Gi内存，可配置为：
```
resources:
  requests:
    cpu: "1"
    memory: "1Gi"
```
资源限制（Limits）：定义Pod能使用的最大资源量，超过限制会触发系统干预（CPU限流、内存终止）。例如，限制Nginx Pod最多使用2核CPU和2Gi内存：
```
limits:
  cpu: "2"
  memory: "2Gi"
```
QoS类别：根据requests与limits的关系，K8s自动划分QoS等级，决定资源优先级：
- Guaranteed（requests == limits）：优先级最高，适用于支付、数据库等核心服务，资源严格保障；
- Burstable（requests < limits）：允许借用闲置资源，适用于Web服务、API接口等普通业务；
- BestEffort（未设置requests/limits）：优先级最低，适用于日志处理、批处理等后台任务，随时可能被驱逐。

二、集群级管控：资源配额与限制范围

在多租户或混合业务场景下，需通过集群级机制控制资源分配，避免单个用户/团队占用过多资源。

资源配额（ResourceQuotas）：限制命名空间内的资源总量（如Pod数量、CPU、内存）。例如，限制rq-test命名空间最多运行50个Pod、1核CPU、1Gi内存：
```
apiVersion: v1
kind: ResourceQuota
metadata:
  name: resource-test
spec:
  hard:
    pods: "50"
    requests.cpu: "1"
    requests.memory: "1Gi"
```

限制范围（LimitRanges）：为命名空间内的Pod/Container设置最小/最大资源边界，防止异常配置。例如，强制所有Container的内存请求不低于100Mi：

apiVersion: v1
kind: LimitRange
metadata:
  name: mem-limit-range
spec:
  limits:
  - default:
      memory: "200Mi"
    defaultRequest:
      memory: "100Mi"
    type: Container

三、弹性伸缩：动态适配业务负载

通过自动伸缩机制，让集群根据业务需求动态调整资源，兼顾性能与成本。

水平Pod自动伸缩（HPA）：根据CPU/内存利用率或自定义指标（如QPS）自动调整Pod副本数。例如，当Nginx的CPU利用率超过50%时，自动扩展副本数（1~10个）：

apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
  name: nginx-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: nginx
  minReplicas: 1
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 50

垂直Pod自动伸缩（VPA）：自动调整Pod的requests和limits，适配长期运行的Pod资源需求变化（如数据分析任务）。需注意：VPA与HPA不建议同时作用于同一个Pod的CPU/内存资源。

四、调度优化：精准分配节点资源

通过调度策略，将Pod分配到合适的节点，提高资源利用率与应用性能。

节点亲和性与反亲和性：

亲和性（NodeAffinity）：将Pod调度到带有特定标签的节点（如env=prod），确保关键服务运行在高性能节点上；
反亲和性（PodAntiAffinity）：避免将同一服务的多个Pod调度到同一节点，提高高可用性（如Redis主从副本分布在不同节点）。示例：

affinity:
  nodeAffinity:
    requiredDuringSchedulingIgnoredDuringExecution:
      nodeSelectorTerms:
      - matchExpressions:
        - key: env
          operator: In
          values:
          - prod
  podAntiAffinity:
    preferredDuringSchedulingIgnoredDuringExecution:
    - weight: 100
      podAffinityTerm:
        labelSelector:
          matchExpressions:
          - key: app
            operator: In
            values:
            - redis
        topologyKey: "kubernetes.io/hostname"

资源拓扑感知调度：利用K8s的CPU Manager功能，根据节点NUMA拓扑结构分配CPU，减少CPU争用，提升关键应用的性能（如数据库）。

五、监控与持续优化

资源分配不是一次性工作，需通过监控持续调整，确保集群高效运行。

监控工具：使用Prometheus采集集群资源使用数据（CPU、内存、磁盘I/O），通过Grafana可视化展示，设置告警规则（如CPU使用率超过80%时触发告警）。
分析与调整：定期分析监控数据，识别资源瓶颈（如某Pod长期占用大量内存），调整requests/limits或Pod副本数；清理未使用的资源（如终止闲置的Pod、删除无用的PVC）。

通过以上策略，可在CentOS上构建一个高效、稳定的K8s集群，既能满足业务的动态需求，又能最大化利用资源，降低运营成本。

0 赞

0 踩