资源请求与限制
🎯 引言
上一篇,我们让 Kubernetes 通过探针判断订单服务是否健康。现在再考虑一个问题: 如果一台机器同时运行很多个 Pod,它们都大量使用 CPU 和内存,会发生什么?
例如,订单服务需要一定资源才能稳定运行。如果 Kubernetes 完全不知道每个容器大概需要多少资源,就不容易合理安排 Pod;如果某个程序不断消耗内存,还可能影响其他应用。
这篇文章只学习两个配置: requests 和 limits。学完后,你能理解 Kubernetes 如何参考它们安排 Pod,以及 CPU、内存受到限制时可能发生什么。
🧱 为什么需要 requests 和 limits?
假设订单服务要运行在 Kubernetes 的某个节点上,我们需要解决两个问题:
requests:预计运行这个容器至少需要多少资源? Kubernetes 会参考它,决定把 Pod 安排到哪个节点。limits:容器运行时最多可以使用多少资源? Kubernetes 会依据它限制容器的资源使用。
简单来说, requests 管安排位置,limits 管使用上限。 先理解这一区别,下一节再看配置中的数字。
🧩 CPU 和内存的数字怎样看?
本篇使用四个数字:
| 设置 | 示例值 | 通俗理解 |
|---|---|---|
CPU requests | 100m | 调度时按需要 0.1 个 CPU 核心计算 |
CPU limits | 500m | 运行时最多使用相当于 0.5 个 CPU 核心的计算额度 |
内存 requests | 128Mi | 调度时按需要 128Mi 内存计算 |
内存 limits | 256Mi | 容器的内存使用受到 256Mi 的限制 |
这里有两个容易弄混的单位:
m是 CPU 的千分之一:1000m表示一个 CPU 核心的计算额度,所以100m等于0.1个核心, 不是 100 MB。Mi是内存单位,128Mi表示128 × 1024 × 1024字节;1Gi则等于1024Mi。当前只需要知道它们用于表示内存容量。
现在看一个具体例子:某个节点还能用于安排新 Pod 的资源请求额度是 500m CPU、512Mi 内存。订单容器申请 100m CPU 和 128Mi 内存,这个节点就有足够的剩余额度,可以成为调度候选。
如果订单容器改为申请 1000m CPU 和 1Gi 内存,这个节点便无法满足需求。Kubernetes 会寻找其他合适的节点;如果都不满足,Pod 就可能保持 Pending(等待调度)。这里比较的是节点可分配的资源与已安排 Pod 的 requests,不是机器此刻用了多少 CPU。
还要注意, 请求值不是使用上限。例如 CPU 请求为 100m、限制为 500m,订单服务有需要时可以使用超过 100m 的 CPU,但仍受到 500m 的限制。内存请求为 128Mi,也不代表用到 129Mi 就会被终止;这里的内存限制是 256Mi。
以上数字只用于练习, 不是生产环境 Node.js 服务的统一推荐值。实际配置需要结合应用的运行情况决定。
🛠 为订单服务设置资源
继续使用已经创建的 orders Deployment。打开原来的 deployment.yaml,找到 orders 容器,在 image、ports、env、探针等字段旁边添加 resources。
下面是局部配置,不是完整的 Deployment YAML;原来的其他字段都需要保留。
spec:
template:
spec:
containers:
- name: orders
# 原有 image、ports、env、探针等字段保持不变
resources:
requests:
cpu: 100m
memory: 128Mi
limits:
cpu: 500m
memory: 256Mi
这里的四个数值,就是前面表格中讲过的 CPU 和内存配置。保存文件,在原来的 deployment.yaml 目录执行:
kubectl apply -f deployment.yaml -n course
kubectl rollout status deployment/orders -n course
模拟输出:
deployment.apps/orders configured
deployment "orders" successfully rolled out
接着查看 Deployment 中是否已经带上这组配置:
kubectl describe deployment orders -n course
模拟输出(只摘取容器的资源设置,省略其余信息):
Containers:
orders:
Image: course-orders:v1
Limits:
cpu: 500m
memory: 256Mi
Requests:
cpu: 100m
memory: 128Mi
看到 Requests 和 Limits 下面的数字,就说明这份 Deployment 模板已经记录了我们的配置。 这不是实际 CPU 或内存使用量,而是你设置的请求和限制。
🔎 如果容器使用资源超出了限制呢?
CPU 和内存的处理方式不完全一样。
CPU:通常会被限制计算时间。 假设订单服务突然收到大量请求,需要更多 CPU,但配置的 limits.cpu 只有 500m。这时容器可能受到 CPU 节流,表现为接口响应变慢;它不会仅仅因为用满 CPU 限制就被终止。
内存:超过限制时可能被终止。 假设订单服务存在内存泄漏,使用的内存不断增加,超过 limits.memory: 256Mi 后可能触发 OOM(内存不足)终止。此时你可能看到 OOMKilled,随后容器可能按照 Pod 的重启策略重新启动。内存超限并不意味着刚超过数值就一定立刻被终止。
所以如果将来看到 OOMKilled,可以先检查内存限制以及应用为何占用那么多内存;如果应用运行正常但响应变慢,也应考虑 CPU 限制是否过低。 不要把所有故障都理解为“增加 Pod 副本就能解决”。
本篇不故意制造 OOM 或高 CPU 压力。对零基础读者来说,先理解请求与限制的区别、能够配置并确认结果就足够了。
❓ 知识问答
Q:requests.cpu: 100m 表示订单服务一直消耗 0.1 核 CPU 吗?
不是。这是调度时参考的资源请求,实际 CPU 使用量会随着业务请求变化。
Q:为什么 requests 和 limits 都要配置?
因为它们解决不同问题:前者帮助 Kubernetes 安排 Pod,后者约束运行中的容器使用资源。两者可以设为不同数值。
Q:达到 CPU limit 后,容器会像内存超限那样被终止吗?
通常不会。CPU 通常受到节流;内存超过限制才可能出现 OOM 终止。
🧪 小练习
在 deployment.yaml 中,把订单容器的 requests.cpu 从 100m 改成 200m,保持 limits.cpu: 500m 不变。
- 重新执行
kubectl apply -f deployment.yaml -n course,等待 Deployment 更新完成。 - 通过
kubectl describe deployment orders -n course,确认Requests.cpu变为200m,Limits.cpu仍是500m。 - 思考:
requests.cpu已经改成200m,但limits.cpu仍然是500m。这是否意味着容器最多只能使用200mCPU?为什么? - 将
requests.cpu恢复为100m并重新应用,保留课程最初的配置。
验收标准: 能看到配置数字变化,并解释:200m 改变的是调度时声明的需求,并没有把 CPU 使用上限从 500m 改成 200m。
🎉 恭喜你!现在你能给 Node.js 容器设置 CPU、内存请求与限制,并理解 Kubernetes 如何安排 Pod,以及为什么 CPU 限制和内存限制的表现不同。
官方参考: Kubernetes:Pod 与容器资源管理
