一、问题二：特殊资源如何不浪费?

在 Kubernetes 集群中，通过以下策略实现特殊资源的高效利用，避免浪费：

1、主节点资源隔离（禁止非系统 Pod 调度）

• 默认污点：主节点（Master）默认带有污点 node-role.kubernetes.io/master:NoSchedule，阻止普通 Pod 调度。

• 操作建议：

• 保持默认配置：除非必要，不要移除主节点的污点，确保其仅运行核心组件（如 API Server、Scheduler）。

• 容忍谨慎使用：若需在主节点运行监控或日志收集 Pod，需显式添加容忍：

  yaml
tolerations:
- key: "node-role.kubernetes.io/master"
operator: "Exists"
effect: "NoSchedule"

2、特殊资源节点精细化调度（如 GPU/高性能节点）

• 步骤一：标记节点

为特殊资源节点添加标签和污点：

shell
# 添加标签（如标识 GPU）
kubectl label node Node01 hardware-type=gpu
# 添加污点（仅允许声明容忍的 Pod 调度）
kubectl taint node Node01 hardware-type=gpu:NoSchedule

• 步骤二：Pod 声明容忍和资源请求

在需要使用特殊资源的 Pod 中配置容忍和资源请求：

yaml
spec:
tolerations:
- key: "hardware-type"
operator: "Equal"
value: "gpu"
effect: "NoSchedule"
containers:
- name: gpu-app
image: nvidia/cuda:latest
resources:
limits:
nvidia.com/gpu: 1 # 明确请求 GPU 资源

3、通过亲和性优化调度

• 节点亲和性（Node Affinity）：

强制 Pod 调度到特定资源节点：

yaml
affinity:
nodeAffinity:
requiredDuringSchedulingIgnoredDuringExecution:
nodeSelectorTerms:
- matchExpressions:
- key: hardware-type
operator: In
values:
- gpu

• Pod 反亲和性（Pod Anti-Affinity）：

yaml
affinity:
podAntiAffinity:
requiredDuringSchedulingIgnoredDuringExecution:
- labelSelector:
matchLabels:
app: my-app
topologyKey: "kubernetes.io/hostname"

4、资源监控与动态调整

• 监控工具：

使用 Prometheus + Grafana 监控节点和 Pod 的资源利用率（如 GPU 使用率、内存占用）。

• 动态扩缩容：

结合 Cluster Autoscaler 和 Horizontal Pod Autoscaler（HPA），根据负载自动扩展节点或 Pod 副本。

5、示例场景：GPU 资源优化

• 问题：GPU 节点（Node01）运行了无需 GPU 的 Pod，导致 GPU 闲置。

• 解决：

1. 为 Node01 添加污点 gpu=true:NoSchedule。

2. 仅允许声明了 tolerations 和 resources.limits.nvidia.com/gpu 的 Pod 调度。

3. 使用节点亲和性确保 GPU 任务优先调度到 Node01。