K8s亲和性深度解析：多副本Pod会被调度到同一节点吗？

Kubernetes亲和性深度解析：多副本Pod会被调度到同一节点吗？

在生产环境中，Pod的调度策略直接影响系统的高可用性和性能。本文将揭开亲和性配置的神秘面纱，通过实际案例演示如何精准控制Pod分布。

---

一、核心概念图解

1.1 亲和性类型对比

graph LR A[亲和性] --> B[节点亲和性] A --> C[Pod亲和性] D[反亲和性] --> E[节点反亲和] D --> F[Pod反亲和]

1.2 调度策略效果矩阵

策略组合	多副本分布	典型场景
硬亲和+无反亲和	可能同节点	数据本地化
硬亲和+硬反亲和	冲突无法调度	错误配置
软亲和+硬反亲和	分散不同节点	高可用部署

---

二、硬亲和性实战配置

2.1 强制同节点部署

apiVersion: apps/v1
kind: Deployment
metadata:
  name: co-location
spec:
  replicas: 3
  template:
    spec:
      affinity:
        podAffinity:
          requiredDuringSchedulingIgnoredDuringExecution:
          - labelSelector:
              matchExpressions:
              - key: app
                operator: In
                values: ["cache"]
            topologyKey: "kubernetes.io/hostname"

效果验证：

kubectl get pods -l app=cache -o wide
# 预期输出：所有Pod的NODE列显示相同节点名称

2.2 跨服务亲和案例

# 数据库与缓存服务强制同节点
affinity:
  podAffinity:
    requiredDuringSchedulingIgnoredDuringExecution:
    - labelSelector:
        matchExpressions:
        - key: db-tier
          operator: In
          values: ["mysql"]
      topologyKey: "kubernetes.io/hostname"

---

三、生产环境调度规则

3.1 节点选择三要素

1. 资源满足：CPU/Memory/GPU请求
2. 标签匹配：nodeSelector或Affinity规则
3. 污点容忍：tolerations配置

3.2 调度优先级队列

graph TD A[过滤不满足节点] --> B[优选评分] B --> C[节点1: 82分] B --> D[节点2: 75分] B --> E[节点3: 90分] E --> F[选择最高分节点]

---

四、多副本调度结果预测

4.1 同节点条件检查表

✅ 集群中存在至少1个符合要求的节点
✅ 节点剩余资源可容纳所有副本
✅ 未配置冲突的反亲和策略
✅ 无资源配额（ResourceQuota）限制

4.2 资源需求计算公式

所需节点资源 = 单个Pod资源请求 × 副本数 + 系统预留

示例：
若单Pod请求1核2G，3副本则需至少3核6G可用资源

---

五、排错指南

5.1 查看调度事件

kubectl describe pod <pod-name> | grep -A 10 Events
# 查找类似提示："0/3 nodes are available: 3 node(s) didn't match pod affinity rules."

5.2 节点资源核查

# 查看节点资源分配
kubectl describe nodes | grep -A 5 Allocated
# 输出示例：
# Allocated resources:
#   cpu:                3800m/4000m
#   memory:             8Gi/16Gi

---

六、最佳实践

6.1 混合使用策略

affinity:
  podAffinity:
    preferredDuringSchedulingIgnoredDuringExecution:
    - weight: 80
      podAffinityTerm:
        labelSelector: {...}
  podAntiAffinity:
    requiredDuringSchedulingIgnoredDuringExecution:
    - labelSelector: {...}

6.2 安全防护措施

# 防止节点过载
resources:
  limits:
    cpu: "2"
    memory: 4Gi
  requests:
    cpu: "1" 
    memory: 2Gi

---

七、经典案例解析

7.1 案例1：日志收集器部署

需求：每个节点运行1个日志代理，但备份服务需要与代理同节点

# 日志代理配置
affinity:
  podAntiAffinity:
    requiredDuringSchedulingIgnoredDuringExecution:
    - topologyKey: "kubernetes.io/hostname"

# 备份服务配置  
affinity:
  podAffinity:
    requiredDuringSchedulingIgnoredDuringExecution:
    - topologyKey: "kubernetes.io/hostname"
      labelSelector:
        matchLabels:
          app: log-agent

7.2 案例2：GPU资源共享

需求：3个AI推理服务共享同一GPU卡

affinity:
  podAffinity:
    requiredDuringSchedulingIgnoredDuringExecution:
    - topologyKey: "gpu-type"
      labelSelector:
        matchLabels:
          gpu: a100

---

八、调度结果验证工具

8.1 可视化检查

kubectl get pods -o custom-columns=NAME:.metadata.name,NODE:.spec.nodeName,STATUS:.status.phase

8.2 自动化测试脚本

#!/bin/bash
nodes=$(kubectl get pods -l app=myapp -o jsonpath='{.items[*].spec.nodeName}')
unique_nodes=$(echo $nodes | tr ' ' '\n' | sort -u | wc -l)

if [ "$unique_nodes" -eq 1 ]; then
  echo "所有副本集中在同一节点"
elif [ "$unique_nodes" -eq 3 ]; then
  echo "副本分散在不同节点" 
else
  echo "非常规分布"
fi

---

通过合理配置亲和性策略，某视频处理平台实现：

• GPU利用率提升40%
• 跨机房流量成本降低65%
• 关键服务SLA达到99.99%

建议每月检查一次调度策略的有效性，重点关注节点负载均衡、故障域分布、资源利用率三个核心指标。当遇到调度异常时，记住三步定位法：查事件日志→验节点标签→算资源余量。