适用场景

集群能跑起来只是开始。生产环境的重点是"可持续"：节点怎么下线维护、etcd 怎么备份、资源怎么配额、证书怎么续。

配置步骤（资源配额与自动扩缩容）

apiVersion: v1
kind: ResourceQuota
metadata: { name: team-a, namespace: team-a }
spec:
  hard:
    requests.cpu: "20"
    requests.memory: 40Gi
    limits.cpu: "40"
---
apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata: { name: web, namespace: team-a }
spec:
  minReplicas: 2
  maxReplicas: 10
  metrics: [{ type: Resource, resource: { name: cpu, target: { type: Utilization, averageUtilization: 70 } } }]

关键参数与建议

  • 节点维护：先 cordon 再 drain，PodDisruptionBudget 保证可用性
  • etcd 备份：定期快照 + 恢复演练（etcd 挂了集群就没了）
  • 配额与限制：命名空间级 ResourceQuota + LimitRange，防止单应用吃满
  • 扩缩容：HPA 按 CPU/自定义指标，配合 PDB 与节点容量
  • 证书与版本：kubelet/etcd 证书到期时间纳入监控，升级走官方流程

容易踩的坑

  • 未设 requests，调度不准导致节点超卖
  • HPA 最大副本数超过节点容量，扩容后 Pending
  • 只靠 HPA 不设 PDB，缩容时业务抖动

验证与巡检

kubectl describe quota -n team-a
kubectl get hpa -A
  • 巡检：配额使用率 <80%、HPA 有扩缩记录、无长期 Pending

小结

集群运维的三个"必须演练"：etcd 恢复、节点下线、证书续期。三件事都演练过，才算能兜住生产。

> 说明：文中命令为通用写法，不同型号/版本可能略有差异，落地前请对照设备实际版本的官方文档；带外管理与安全设备变更建议先在测试设备验证。