4. 故障域划分策略：基于拓扑分布约束的Pod拓扑分布策略、节点亲和性、Pod反亲和性

在Kubernetes集群中，故障域（Failure Domain）是指一组共享同一故障风险的物理或逻辑资源区域，例如同一机架、同一可用区（AZ）或同一数据中心。合理的故障域划分能够确保工作负载在底层基础设施发生局部故障时仍能保持高可用性。本章聚焦于三种核心调度原语：Pod拓扑分布约束（Topology Spread Constraints）、节点亲和性（Node Affinity）和Pod反亲和性（Pod Anti-Affinity），并阐述它们在容量突增场景下的协同策略。

4.1 三种调度原语的核心差异

4.2 Pod拓扑分布约束：均匀性优先

拓扑分布约束通过 topologySpreadConstraints 字段定义，允许运维人员指定Pod在特定拓扑域（如 topology.kubernetes.io/zone）上的最大不均匀度（maxSkew）。在容量突增场景下，该策略能自动将新增Pod分散到当前Pod数最少的故障域，避免单域过载。

apiVersion: apps/v1
kind: Deployment
metadata:
  name: web-app
spec:
  replicas: 12
  template:
    spec:
      topologySpreadConstraints:
        - maxSkew: 1
          topologyKey: topology.kubernetes.io/zone
          whenUnsatisfiable: DoNotSchedule
          labelSelector:
            matchLabels:
              app: web-app
      containers:
        - name: nginx
          image: nginx:1.25

4.3 节点亲和性：定向调度与资源隔离

节点亲和性用于将Pod定向调度到具有特定硬件或拓扑属性的节点。在故障域划分中，常与 topology.kubernetes.io/zone 或自定义标签（如 failure-domain.beta.kubernetes.io/region）配合使用。

• requiredDuringSchedulingIgnoredDuringExecution：硬约束，Pod必须调度到满足条件的节点，否则Pending。适用于强制隔离敏感工作负载。
• preferredDuringSchedulingIgnoredDuringExecution：软约束，调度器优先选择满足条件的节点，但无合适节点时可降级到其他节点。适用于容量突增时的弹性降级。

spec:
  affinity:
    nodeAffinity:
      requiredDuringSchedulingIgnoredDuringExecution:
        nodeSelectorTerms:
          - matchExpressions:
              - key: topology.kubernetes.io/zone
                operator: In
                values:
                  - us-east-1a
                  - us-east-1b
      preferredDuringSchedulingIgnoredDuringExecution:
        - weight: 50
          preference:
            matchExpressions:
              - key: node-type
                operator: In
                values:
                  - high-memory

4.4 Pod反亲和性：避免单点故障

Pod反亲和性确保同一工作负载的多个副本不会调度到同一故障域（如同一节点或同一可用区）。在容量突增时，required 反亲和性可能导致大量Pod无法调度，因此推荐使用 preferred 反亲和性并配合拓扑分布约束。

spec:
  affinity:
    podAntiAffinity:
      preferredDuringSchedulingIgnoredDuringExecution:
        - weight: 100
          podAffinityTerm:
            labelSelector:
              matchLabels:
                app: web-app
            topologyKey: topology.kubernetes.io/zone

4.5 故障域划分策略的协同架构

下图展示了在容量突增时，三种调度原语如何协同工作以维持故障域内的Pod均衡分布：

4.6 Helm Chart中的故障域参数化实践

在Helm Chart中，建议将故障域策略参数化，以便在不同环境（开发/预发/生产）和不同容量水位下灵活调整：

# values.yaml
topologySpread:
  enabled: true
  maxSkew: 2
  topologyKey: topology.kubernetes.io/zone
  whenUnsatisfiable: ScheduleAnyway

nodeAffinity:
  enabled: true
  type: preferred
  weight: 50
  key: node-type
  values:
    - general-purpose

podAntiAffinity:
  enabled: true
  type: preferred
  weight: 100
  topologyKey: topology.kubernetes.io/zone

# templates/deployment.yaml 片段
{{- if .Values.topologySpread.enabled }}
topologySpreadConstraints:
  - maxSkew: {{ .Values.topologySpread.maxSkew }}
    topologyKey: {{ .Values.topologySpread.topologyKey }}
    whenUnsatisfiable: {{ .Values.topologySpread.whenUnsatisfiable }}
    labelSelector:
      matchLabels:
        app: {{ include "myapp.name" . }}
{{- end }}

4.7 故障域划分的容量预测关联

在进行Helm水位预测时，故障域划分策略直接影响每个拓扑域内的Pod密度上限。预测模型需考虑以下约束：

• 每个故障域的最大Pod数 = 节点数 × 每节点最大Pod数（受Pod CIDR和资源限制）。
• 拓扑分布约束的maxSkew 决定了突增时各域Pod数的最大差值，进而影响整体集群的Pod容量利用率。
• 反亲和性硬约束 会引入“最小故障域数量”要求，例如3副本必须至少3个节点，否则预测的副本数无法全部调度。