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。

Pod 反亲和与拓扑分布的选择关系

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。

yaml
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:

bash
kubectl apply -f deployment.yaml
kubectl get pods -l app=web -o wide

预期结果

text
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。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

选择反亲和还是拓扑分布

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通