K8s kube-reserved预留不足与HPA联动失效的根因分析与动态阈值计算方案设计

背景

我们管理一个 Kubernetes 集群，节点上配置了 kube-reserved 和 system-reserved 以确保系统资源的预留。然而，在高负载场景下，业务 Pod 仍会因资源不足被驱逐，且 Horizontal Pod Autoscaler（HPA）未触发扩缩容。

现象

1. 资源预留不足：节点上 kube-reserved 预留的内存/CPU 无法满足突发流量的业务需求。
2. HPA 未生效：即使资源使用率超过 HPA 的阈值，HPA 也未触发新的 Pod 副本创建。
3. Pod 驱逐风暴：频繁的资源不足导致 Pod 被驱逐，影响服务可用性。

已尝试的排查

• 检查 kube-reserved 配置是否正确，确认预留资源是否合理。
• 验证 HPA 的 metric 是否配置正确，如 CPU 使用率或自定义指标。
• 检查节点资源使用情况，确认是否有其他系统组件占用过多资源。
• 分析事件日志，确认是否触发了驱逐事件。

期望答案

1. 根因分析：详细说明 kube-reserved 与 HPA 之间的联动机制，以及为何在资源不足时 HPA 未生效。
2. 动态阈值计算方案：提供一种基于实时资源使用情况的动态阈值计算方法，以应对突发流量。
3. 可落地的实施方案：给出具体的配置示例和实施步骤，包括如何调整 kube-reserved 和 HPA 配置，以及如何监控和优化。

引用

• 《K8s kube-reserved预留不足与HPA联动失效的根因分析与动态阈值计算方案设计》（id=2920）
• 《K8s kube-reserved预留不足与HPA联动失效的根因分析与动态阈值计算方案设计》（id=2916)