本文翻译自：https://medium.com/@jry157/optimizing-resource-allocation-in-kubernetes-the-importance-of-cpu-memory-requests-and-limits-4472f9946489
在 Kubernetes 的动态世界中，高效的资源分配对于保持应用程序的稳定性和最大化性能至关重要。此领域的关键考虑因素包括 CPU 和内存资源的申请和最大限制。
在本文中，我们将探讨正确配置这些设置的重要性以及它们对 Kubernetes 集群内工作负载管理的影响，本文大纲如下，
图片
了解 CPU/内存资源的申请和最大限制
在深入研究 CPU 和内存申请和最大限制的复杂性之前，让我们先解释它们的目的。申请容器或 Pod 正常运行所需的最小资源量，而限制其可以消耗的最大资源量。在这两者之间实现最佳平衡对于有效的资源分配至关重要。
将申请和最大限制设置为相等
通过实际经验，我们学到了一个宝贵的教训：对于某些场景，将 CPU/内存申请设置为等于最大限制可能会改变游戏规则。通过调整这些值，我们确保每个容器接收必要的资源，同时防止与集群中其他容器的资源争用。
resources:
limits:
cpu: 8
memory: "16GiB"
requests:
cpu: 8
memory: "16GiB"设置为相等浪费资源吗？
当将申请资源大小设为最大限制时，您可以提前建立基线分配，以确保您的工作负载始终拥有可用的必要资源。
虽然这可能有些浪费，但真正的作用在于与 pod 的自动伸缩结合使用。该组件根据实时需求动态扩展副本数量，确保程序有所需数量的 Pod 来处理工作负载。
解决水平扩展限制
在某些情况下，水平扩展受到限制，此时仔细利用资源就变得更加重要。
考虑这样一种情况：CPU 请求设置为 8 个核心的特定 pod 遇到单机性能问题。然后最大限制也是 16 个 CPU 资源，但 pod 可能无法获得预期的分配。。
什么情况会导致水平扩展的问题？
经过仔细检查，很明显托管该 pod 的节点已被其他 pod 充分利用。这些邻近的 pod 具有更高的最大限制，使用的 CPU 资源比最初请求的要多。因此节点资源被使用殆尽，只能为我们的 pod 留下了有限的资源来满足其最大限制的 16 个核心。
这种情况凸显了将 CPU 申请设置为最大值并且确保集群内的其他 pod 遵守其自身资源限制的重要性。通过在所有工作负载的请求和限制之间建立奇偶校验，可以减轻资源争用，确保资源的公平分配，并防止受约束的工作负载被剥夺其请求的资源的不幸情况。
缓解策略
为了解决吵闹邻居带来的挑战并确保有效的资源分配，必须准确设置 CPU/内存申请和最大限制。
通过配置最大限制以匹配申请，您可以建立公平的边界，防止任何单个 pod 独占资源并影响其 pod 的性能。这种方法增强了 pod 隔离并避免性能下降，从而在 Kubernetes 集群内创建更和谐的共存。
总结
优化 Kubernetes 中的资源分配是维持稳定且高性能的环境的关键方面。通过了解 CPU/内存请求和限制的细微差别以及实施建议的策略，您可以在 Kubernetes 部署中实现有效的资源分配，提高可扩展性并创建和谐的工作负载共存。
通过调整申请和最大限制，您可以确保资源的公平分配、减轻吵闹邻居的影响并防止资源争用。此外通过监控和战略性实施 Kubernetes 功能来营造良好的邻居环境，可以增强集群的稳定性和整体性能。
采用这些最佳实践，利用 Kubernetes 强大的资源管理功能，并释放部署的真正潜力。通过优化的资源分配，您的 Kubernetes 集群可以在动态且要求苛刻的环境中支持应用程序所需的可扩展性、效率和可靠性。
