優(yōu)化 Kubernetes 中的資源分配：CPU/內存申請和限制的重要性
本文翻譯自：https://medium.com/@jry157/optimizing-resource-allocation-in-kubernetes-the-importance-of-cpu-memory-requests-and-limits-4472f9946489
在 Kubernetes 的動態(tài)世界中，高效的資源分配對于保持應用程序的穩(wěn)定性和最大化性能至關重要。此領域的關鍵考慮因素包括 CPU 和內存資源的申請和最大限制。
在本文中，我們將探討正確配置這些設置的重要性以及它們對 Kubernetes 集群內工作負載管理的影響，本文大綱如下，
圖片
了解 CPU/內存資源的申請和最大限制
在深入研究 CPU 和內存申請和最大限制的復雜性之前，讓我們先解釋它們的目的。申請容器或 Pod 正常運行所需的最小資源量，而限制其可以消耗的最大資源量。在這兩者之間實現(xiàn)最佳平衡對于有效的資源分配至關重要。
將申請和最大限制設置為相等
通過實際經(jīng)驗，我們學到了一個寶貴的教訓：對于某些場景，將 CPU/內存申請設置為等于最大限制可能會改變游戲規(guī)則。通過調整這些值，我們確保每個容器接收必要的資源，同時防止與集群中其他容器的資源爭用。
resources:
limits:
cpu: 8
memory: "16GiB"
requests:
cpu: 8
memory: "16GiB"設置為相等浪費資源嗎？
當將申請資源大小設為最大限制時，您可以提前建立基線分配，以確保您的工作負載始終擁有可用的必要資源。
雖然這可能有些浪費，但真正的作用在于與 pod 的自動伸縮結合使用。該組件根據(jù)實時需求動態(tài)擴展副本數(shù)量，確保程序有所需數(shù)量的 Pod 來處理工作負載。
解決水平擴展限制
在某些情況下，水平擴展受到限制，此時仔細利用資源就變得更加重要。
考慮這樣一種情況：CPU 請求設置為 8 個核心的特定 pod 遇到單機性能問題。然后最大限制也是 16 個 CPU 資源，但 pod 可能無法獲得預期的分配。。
什么情況會導致水平擴展的問題？
經(jīng)過仔細檢查，很明顯托管該 pod 的節(jié)點已被其他 pod 充分利用。這些鄰近的 pod 具有更高的最大限制，使用的 CPU 資源比最初請求的要多。因此節(jié)點資源被使用殆盡，只能為我們的 pod 留下了有限的資源來滿足其最大限制的 16 個核心。
這種情況凸顯了將 CPU 申請設置為最大值并且確保集群內的其他 pod 遵守其自身資源限制的重要性。通過在所有工作負載的請求和限制之間建立奇偶校驗，可以減輕資源爭用，確保資源的公平分配，并防止受約束的工作負載被剝奪其請求的資源的不幸情況。
緩解策略
為了解決吵鬧鄰居帶來的挑戰(zhàn)并確保有效的資源分配，必須準確設置 CPU/內存申請和最大限制。
通過配置最大限制以匹配申請，您可以建立公平的邊界，防止任何單個 pod 獨占資源并影響其 pod 的性能。這種方法增強了 pod 隔離并避免性能下降，從而在 Kubernetes 集群內創(chuàng)建更和諧的共存。
總結
優(yōu)化 Kubernetes 中的資源分配是維持穩(wěn)定且高性能的環(huán)境的關鍵方面。通過了解 CPU/內存請求和限制的細微差別以及實施建議的策略，您可以在 Kubernetes 部署中實現(xiàn)有效的資源分配，提高可擴展性并創(chuàng)建和諧的工作負載共存。
通過調整申請和最大限制，您可以確保資源的公平分配、減輕吵鬧鄰居的影響并防止資源爭用。此外通過監(jiān)控和戰(zhàn)略性實施 Kubernetes 功能來營造良好的鄰居環(huán)境，可以增強集群的穩(wěn)定性和整體性能。
采用這些最佳實踐，利用 Kubernetes 強大的資源管理功能，并釋放部署的真正潛力。通過優(yōu)化的資源分配，您的 Kubernetes 集群可以在動態(tài)且要求苛刻的環(huán)境中支持應用程序所需的可擴展性、效率和可靠性。
