Ubuntu Kubernetes资源分配策略
在Ubuntu节点上运行Kubernetes集群时，资源分配策略的核心是通过精准配置、动态调整、调度优化及成本控制，实现资源高效利用与业务性能的平衡。以下是具体策略的详细说明：
1. 资源请求与限制（Requests/Limits）
资源请求（requests）定义容器启动时所需的最小资源量，Kubernetes调度器会确保节点有足够资源满足该值；资源限制（limits）定义容器可使用的最大资源量，防止容器过度消耗资源导致节点不稳定或崩溃。
- 配置示例：通过Pod YAML文件的
resources字段设置，如为Nginx容器分配250m CPU（请求）和500m CPU（限制）、64Mi内存（请求）和128Mi内存（限制）。
- 关键作用：避免资源争用（确保应用有足够资源运行）、提高集群稳定性（防止单个容器占用过多资源）。
- 最佳实践：根据应用实际负载（如压测数据）设置，而非依赖默认值；定期通过监控工具（如Prometheus）调整，避免配置过时。
2. 资源配额与限制（Resource Quotas & LimitsRange）
- 资源配额（ResourceQuota）：在命名空间级别限制资源总量（如CPU、内存、存储）和对象数量（如Pod、Service），防止单个团队或应用过度占用集群资源。例如，限制
dev命名空间的总CPU不超过10核、总内存不超过20Gi。
- LimitRange：为命名空间内的Pod设置默认的
requests和limits（如未指定则自动应用），简化配置管理。例如，设置默认CPU请求为100m、内存请求为128Mi。
- 关键作用：实现多租户环境的资源公平分配，避免“资源霸占”问题。
3. 自动伸缩策略
- 水平自动伸缩（HPA）：根据CPU、内存或自定义指标（如QPS、延迟）自动调整Pod副本数量，应对流量波动。例如，电商平台的限时抢购场景，HPA可将Pod副本从5个扩展到20个，高峰过后自动缩回。
- 垂直自动伸缩（VPA）：自动调整Pod的
requests和limits（如增加CPU或内存），适合长期运行的应用（如数据库）。需注意：VPA与HPA不建议同时用于同一资源维度（如CPU）。
- 节点自动扩缩容（CA）：通过Kubernetes Cluster Autoscaler，根据集群负载自动添加或删除节点（如Ubuntu节点），避免节点闲置或资源不足。
4. 调度优化策略
- 节点亲和性（Node Affinity）：通过标签约束Pod调度到特定节点，提升性能或满足硬件需求。例如，将需要高速SSD存储的应用调度到标记为
storage=ssd的Ubuntu节点。
- 反亲和性（Anti-Affinity）：避免将多个关键Pod调度到同一节点，提高高可用性。例如，将支付服务的多个副本分散到不同节点，防止单点故障。
- 污点（Taints）与容忍度（Tolerations）：通过给节点添加污点（如
node-role.kubernetes.io/master:NoSchedule），限制只有具有对应容忍度的Pod（如系统组件）才能调度到该节点，保护关键节点。
5. 监控与持续优化
- 监控工具：使用Prometheus收集集群资源使用数据（如CPU、内存、磁盘I/O），结合Grafana可视化展示，快速识别资源瓶颈（如某个Pod的CPU利用率长期超过80%）。
- 分析与调整：定期分析监控数据，调整
requests和limits（如将长期低利用率的Pod的requests降低20%）、优化自动伸缩阈值（如将HPA的CPU利用率阈值从70%调整为60%）。
- 成本治理：使用Kubecost跟踪资源成本，识别浪费（如闲置的Spot实例），并通过工具（如Karpenter）优化节点资源利用率，降低成本。
6. Ubuntu节点特定优化
- NUMA架构优化：在NUMA架构的Ubuntu节点上，通过
cpuManagerPolicy: static将容器绑定到特定CPU核心，减少内存访问延迟，提升性能。
- 内核参数调优：调整Ubuntu内核参数（如
vm.swappiness降低交换空间使用、net.core.somaxconn增加TCP连接队列长度），优化容器运行环境。
- 镜像优化：使用轻量级Ubuntu基础镜像（如
ubuntu:22.04替代ubuntu:latest），减少镜像大小和启动时间，降低资源消耗。
