容器与云原生 / 系统课时
选择反亲和还是拓扑分布
选择反亲和还是拓扑分布
同样是把多个副本分散到不同节点或可用区,Pod 反亲和与拓扑分布约束关注的目标并不相同。本课从故障隔离、均衡程度和调度弹性三个维度建立选择方法,并用一个可验证配置说明两种机制的边界。
学习目标
- 区分 Pod 反亲和与拓扑分布约束的核心目标
- 根据故障隔离、均衡程度和调度弹性选择机制
- 识别硬约束过多导致 Pod 长期 Pending 的风险
两种机制关注的问题不同
Pod 反亲和回答的是“哪些 Pod 不应该出现在同一个拓扑域”。它先用标签选择器找到一组已有 Pod,再通过 topologyKey 定义节点、可用区等拓扑域,决定新 Pod 是否必须或应当避开这些域。
拓扑分布约束回答的是“同一组 Pod 在多个拓扑域之间最多允许差多少”。调度器统计符合 labelSelector 的 Pod 在各域中的数量,再结合 maxSkew 与 whenUnsatisfiable 判断候选节点是否会让分布失衡。

从目标反推约束
如果首要目标是避免匹配 Pod 共处,例如同一应用的两个关键副本不能位于同一节点,Pod 反亲和更直接。使用 requiredDuringSchedulingIgnoredDuringExecution 时,只要某拓扑域已经存在匹配 Pod,该域中的节点就不能接收新 Pod。
如果首要目标是让一组副本尽量均匀地铺在节点或可用区,拓扑分布约束通常更合适。它比较各域的副本数量,而不是简单排除已有 Pod 的域,因此更适合副本数较多、节点持续扩缩容的工作负载。
| 需求 | 更合适的机制 | 原因 |
|---|---|---|
| 两个匹配 Pod 绝不能同节点 | required Pod 反亲和 | 直接排除已有匹配 Pod 的拓扑域 |
| 尽量避免副本同节点,但容量不足时仍要运行 | preferred Pod 反亲和 | 保留调度弹性 |
| 副本需要尽量平均铺到节点或可用区 | 拓扑分布约束 | 直接控制各域数量偏差 |
| 均衡是硬要求 | DoNotSchedule 拓扑分布 |
超出允许偏差时拒绝候选节点 |
| 均衡只是优化目标 | ScheduleAnyway 拓扑分布 |
优先改善分布,但不因此阻塞调度 |
用一个主示例验证选择
下面的 Deployment 希望 4 个副本按节点尽量均匀分布,但节点暂时不足时仍允许继续调度,因此使用拓扑分布约束和 ScheduleAnyway。这是“均衡优先、可用性优先于绝对均衡”的典型配置。
apiVersion: apps/v1
kind: Deployment
metadata:
name: web
spec:
replicas: 4
selector:
matchLabels:
app: web
template:
metadata:
labels:
app: web
spec:
topologySpreadConstraints:
- maxSkew: 1
topologyKey: kubernetes.io/hostname
whenUnsatisfiable: ScheduleAnyway
labelSelector:
matchLabels:
app: web
containers:
- name: web
image: nginx:1.27应用后可观察 Pod 所在节点:
kubectl apply -f deployment.yaml
kubectl get pods -l app=web -o wide预期结果
deployment.apps/web created
NAME READY STATUS NODE
web-<ID> 1/1 Running node-a
web-<ID> 1/1 Running node-b
web-<ID> 1/1 Running node-c
web-<ID> 1/1 Running <NODE>实际 Pod 名称和节点名会不同。调度器会优先减小各节点之间的副本数差异;如果资源或节点条件无法满足理想分布,ScheduleAnyway 仍允许 Pod 被调度。若这里改为 DoNotSchedule,超出 maxSkew 的候选节点将被拒绝。
硬约束并不等于高可用
把约束设得越严格,并不会自动得到越高的可用性。假设 Deployment 有 4 个副本,但只有 3 个满足其他条件的节点;如果按主机名配置严格 Pod 反亲和,第 4 个副本就可能长期 Pending,而不是临时与已有副本共用节点。
拓扑分布也有同样风险。使用 whenUnsatisfiable: DoNotSchedule 后,只要候选节点会让分布违反 maxSkew,调度器就必须拒绝它。即使集群总资源足够,也可能因为拓扑域、节点标签或其他调度条件无法同时满足而失败。
把规模和调度弹性算进去
反亲和需要在调度时检查匹配 Pod 与节点拓扑关系。规则越多、选择器覆盖的 Pod 越广,调度器要处理的关系就越复杂。如果需求本质上只是让同一应用副本均匀分布,拓扑分布约束通常表达得更直接。
还要检查候选节点是否具有 topologyKey 对应的标签。无论使用反亲和还是拓扑分布,拓扑标签不完整都会让调度结果偏离预期;生产环境应治理实际使用的 kubernetes.io/hostname、topology.kubernetes.io/zone 等标签。
选择时先确定要隔离的是节点故障、可用区故障还是单纯负载扎堆,再判断规则核心是“不能共处”还是“数量要接近”,最后用节点下线、可用区不可用等最坏容量场景验证。两种机制可以组合,但只有在反亲和负责明确隔离、拓扑分布负责明确均衡时才值得同时使用。