容器资源配额限制配置

容器资源配额限制配置：Kubernetes中的CPU与内存管理

在构建机器学习模型监控平台时，容器资源配额限制是确保系统稳定性的关键环节。以下为具体配置方案。

1. 资源请求与限制设置

apiVersion: v1
kind: Pod
metadata:
  name: ml-model-pod
spec:
  containers:
  - name: model-container
    image: my-ml-model:latest
    resources:
      requests:
        memory: "512Mi"
        cpu: "500m"
      limits:
        memory: "2Gi"
        cpu: "1000m"

2. 告警配置方案

在Prometheus中配置以下告警规则：

# 内存使用率告警
- alert: HighMemoryUsage
  expr: (
    sum(container_memory_usage_bytes{container="model-container"}) /
    sum(kube_pod_container_resource_limits{container="model-container",resource="memory"})
  ) > 0.8
  for: 5m
  labels:
    severity: warning
  annotations:
    summary: "容器内存使用率超过80%"

# CPU使用率告警
- alert: HighCPUUsage
  expr: (
    sum(rate(container_cpu_usage_seconds_total{container="model-container"}[5m])) /
    sum(kube_pod_container_resource_limits{container="model-container",resource="cpu"})
  ) > 0.9
  for: 10m
  labels:
    severity: critical

3. 配置验证步骤

1. 创建Pod并检查资源状态：kubectl get pod ml-model-pod -o yaml
2. 监控资源使用情况：kubectl top pod ml-model-pod
3. 验证告警规则：curl -X POST http://prometheus:9090/api/v1/alerts

通过以上配置，可有效防止模型服务因资源争抢导致的性能下降或宕机问题。