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：节点资源（CPU/内存）被 kube-reserved 和 system-reserved 占用后，剩余资源不足以支撑业务 Pod 的突发流量。
2. HPA 未触发扩缩容：即使业务 Pod 因资源不足被驱逐，HPA 也未根据负载变化自动扩容，导致服务中断。
3. 动态阈值缺失：当前的资源预留和扩缩容策略为静态配置，无法适应业务流量的波动。

已尝试的排查与结果

• 检查 kube-reserved 和 system-reserved 配置，确认其值合理。
• 验证 HPA 的指标（如 CPU 使用率）是否正常，发现 HPA 的触发阈值设置过低。
• 尝试调整 HPA 的 CPU 目标值，但未解决资源不足的问题。

期望得到的答案形态

1. 根因分析：详细说明 kube-reserved 预留不足与 HPA 失效的关联机制。
2. 动态阈值计算方案：如何基于历史负载数据动态计算 kube-reserved 和 HPA 的触发阈值。
3. 实施建议：如何在不改业务代码的前提下，实现资源预留与扩缩容的动态联动。

引用内容

• 问题：K8s kube-reserved动态阈值设计：如何让HPA在资源预留与业务需求间自动博弈？
• 文章：K8s kube-reserved动态阈值设计：如何让HPA在资源预留与业务需求间自动博弈？