容器与云原生 / 系统课时
配置弹性与可用性
配置弹性与可用性
本课把关键服务的自动伸缩、跨拓扑分布和中断预算组合起来,让副本既能随负载变化扩缩,也能避免集中到同一故障域,并在节点维护或驱逐时保住必要的可用容量。
学习目标
- 为现有 Deployment 配置基于 CPU 的 HPA,并设置合理的伸缩边界
- 使用拓扑分布约束降低单一可用区故障对服务的影响
- 用 PodDisruptionBudget 限制自愿中断时可同时损失的副本数
确认伸缩与分布前提
下面假设关键服务为 shop 命名空间中的 checkout Deployment,容器名也为 checkout。HPA 的 CPU 利用率基于 resources.requests.cpu 计算,因此必须存在 CPU request;拓扑分布还依赖节点具有 topology.kubernetes.io/zone 标签,并且集群中确实存在多个可调度故障域。
kubectl get deployment checkout -n shop
kubectl get nodes -L topology.kubernetes.io/zone
kubectl top pods -n shop -l app=checkout预期结果
NAME READY UP-TO-DATE AVAILABLE AGE
checkout <VALUE>/<VALUE> <VALUE> <VALUE> <VALUE>
NAME STATUS ROLES AGE VERSION ZONE
<NODE> Ready <ROLE> <VALUE> <VALUE> <ZONE>
NAME CPU(cores) MEMORY(bytes)
<POD> <VALUE>m <VALUE>Mi若 kubectl top 无法返回指标,应先修复 Metrics API;若节点没有 zone 标签,应先补齐反映真实基础设施的拓扑标签,而不是为了通过调度检查随意伪造故障域。
组合三道可用性防线
HPA 解决“需要多少副本”,拓扑分布约束解决“副本放在哪里”,PDB 解决“维护期间一次最多主动中断多少副本”。三者分别控制容量、故障域和中断节奏,缺少任一层都可能在高负载或节点维护时形成可用性缺口。

先用战略合并补丁为现有 Deployment 增加资源请求与拓扑分布。labelSelector 必须与 Pod 模板上的 app=checkout 标签一致,否则调度器不会把这些 Pod 计入同一分布组。
# availability-patch.yaml
spec:
template:
spec:
topologySpreadConstraints:
- maxSkew: 1
topologyKey: topology.kubernetes.io/zone
whenUnsatisfiable: DoNotSchedule
labelSelector:
matchLabels:
app: checkout
containers:
- name: checkout
resources:
requests:
cpu: 200m
memory: 256Mi
limits:
cpu: 1000m
memory: 512Mi再创建 HPA 与 PDB。这里把最小副本设为 3,为跨故障域分布保留基本容量;maxUnavailable: 1 表示通过 Eviction API 执行自愿中断时,同时最多允许少一个可用副本。
# availability-policy.yaml
apiVersion: v1
kind: List
items:
- apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
name: checkout
namespace: shop
spec:
scaleTargetRef:
apiVersion: apps/v1
kind: Deployment
name: checkout
minReplicas: 3
maxReplicas: 10
behavior:
scaleDown:
stabilizationWindowSeconds: 300
metrics:
- type: Resource
resource:
name: cpu
target:
type: Utilization
averageUtilization: 60
- apiVersion: policy/v1
kind: PodDisruptionBudget
metadata:
name: checkout
namespace: shop
spec:
maxUnavailable: 1
selector:
matchLabels:
app: checkout该配置让调度器控制副本在可用区之间的偏斜,让 HPA 依据 CPU request 计算目标副本数,并让主动驱逐遵守中断预算。PDB 不会阻止节点宕机、进程崩溃等非自愿中断。
应用并验证
kubectl patch deployment checkout -n shop --type strategic --patch-file availability-patch.yaml
kubectl apply -f availability-policy.yaml
kubectl rollout status deployment/checkout -n shop预期输出
deployment.apps/checkout patched
horizontalpodautoscaler.autoscaling/checkout created
poddisruptionbudget.policy/checkout created
deployment "checkout" successfully rolled out资源此前已经存在时,created 可能显示为 configured,属于正常结果。继续检查三个控制面的实际状态。
kubectl get hpa checkout -n shop
kubectl get pdb checkout -n shop
kubectl get pods -n shop -l app=checkout -o wide预期结果
NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE
checkout Deployment/checkout <VALUE>%/60% 3 10 <VALUE> <VALUE>
NAME MIN AVAILABLE MAX UNAVAILABLE ALLOWED DISRUPTIONS AGE
checkout N/A 1 <VALUE> <VALUE>
NAME READY STATUS RESTARTS AGE IP NODE
<POD> 1/1 Running <VALUE> <VALUE> <IP> <NODE>HPA 需要经过指标采样后才会稳定,实际 TARGETS、REPLICAS 和 ALLOWED DISRUPTIONS 会随负载变化。Pod 是否真正跨 zone 分布,应结合每个 Pod 所在 NODE 与节点 zone 标签一起判断。
处理约束之间的冲突
当可调度故障域不足时,DoNotSchedule 可能让新 Pod 长时间处于 Pending;这不是 HPA 失效,而是调度器无法满足拓扑约束。生产环境应先补足对应故障域的容量,再评估是否需要改用 ScheduleAnyway,不要为了消除 Pending 直接删除分布保护。
PDB 也不是“副本永远不会减少”的保险。它主要约束使用 Eviction API 的自愿中断,Deployment 主动缩容仍会按新的目标副本数执行。因此 HPA 的 minReplicas、应用最低容量和 PDB 应围绕同一个可用性目标设计。