K8s集群服务器性能配置指南

原文首发于我的博客：https://kaolengmian7.com/posts/k8s_cluster_server_performance_configuration_guide.htmlPC 端访问我的博

原文首发于我的博客：https://kaolengmian7.com/posts/k8s_cluster_server_performance_configuration_guide.html

PC 端访问我的博客可以获得最优质的阅读体验同时也可以翻阅我的其他博文。

Master 节点配置

Master 节点的机器配置与集群节点总数有关，集群规模越大，所需要的 Master 规格也越高，不同集群规模的，Master 节点配置推荐如下：

Node 节点配置

Node 节点的配置一般不小于 2C4G，为保证系统的稳定运行，要预留 0.2C1G 给系统及K8s服务进程使用。

额外的，当可用内存小于 5% 时会根据 pod 资源优先级开始驱逐，pod 实际可使用的内存约为 （{节点内存} - 1G）✖️ 95%(例如：4G内存，可用约为2.8G)

如何分配节点配置

单个 Node 节点可创建的 Pod 数和 CPU 核心数有关，一般情况下Pod数 == CPU核心数 ✖️ 8，这意味着集群总CPU核心数✖️8要大于总Pod数。

此外还要考虑故障率与可用性，通常来讲机器数与可用性成正比，假设集群总核数为 240，如果可以容忍 10% 的错误，则需要保证至少 216 个核心在运行，这时候可以选择 10 台 24C 的机器，即便挂了一台剩下的 9 台仍能保证提供 216 个核心。

如果容忍度小于 5%，那么可以选择 20 台 12C 的机器，这样就算有一台节点出现故障，剩余节点仍可以支持现有业务正常运行（19✖️12=228）。

通过上面例子我们可以得出一个结论：在集群总核心数一定的情况下，节点配置越低，节点数量越多，随之可用性也会相应地提高。但也存在另外两个弊端：

• 一是需要预留给 K8S 的资源过多，造成浪费。
• 二是不便于容器调度。一个极端的例子，3 台 8 核的节点，可创建 6 个需要预留4核的Pod，但 12 台 2 核的节点，却无法响应一个需要预留 4 核资源的Pod请求。

总结

关于到底该给集群分配多少算力，首先需要看实际业务场景，业务膨胀了当然需要更多的机器。

至于到底需要多少机器，要结合总Pod数及单个Pod的算力申请上限、故障率与可用性、资源浪费率、容器调度能力等指标来考虑。

最后关于 CPU 和 内存的比例，对于 CPU 密集型的应用一般建议 1:2，如果是 Java 应用，可以给到 1:4。

参考：

1. https://docs.ucloud.cn/uk8s/introduction/node_requirements