K8s kube-reserved 预留不足与 HPA 联动失效：如何设计动态阈值计算方案？

【背景】 在 Kubernetes 集群中，kube-reserved 用于为系统组件（如 kubelet、kube-proxy）预留资源，以避免因资源争抢导致的节点不可用。然而，当 kube-reserved 预留不足时，可能会导致系统组件资源不足，进而影响节点的稳定性。与此同时，HPA（Horizontal Pod Autoscaler）负责根据负载自动扩展 Pod 数量，但若 kube-reserved 预留不足，HPA 可能无法正确识别负载变化，导致扩展失效。

【常见分歧】

1. 是否应该严格控制 kube-reserved 的预留值？ 有人认为应严格控制，以确保系统组件的稳定性；也有人认为应根据实际负载动态调整。
2. HPA 的阈值计算是否应该与 kube-reserved 的预留值联动？ 有人认为应联动，以确保 HPA 能够正确识别负载变化；也有人认为应独立计算，以避免因预留不足导致的误判。

【我的倾向】 我认为，kube-reserved 的预留值应动态调整，以适应不同的负载场景。同时，HPA 的阈值计算应与 kube-reserved 的预留值联动，以确保 HPA 能够正确识别负载变化。

【想听大家的场景】 在你们的生产环境中，如何处理 kube-reserved 预留不足与 HPA 联动失效的问题？你们是如何设计动态阈值计算方案的？