4. 资源水位定义：CPU/内存/存储的请求与限制水位、水位阈值设定原则
资源水位是 VPA 驱动成本优化的核心标尺。定义不清的水位会导致两种极端：请求（Requests） 设置过高造成资源浪费，或 限制（Limits） 设置过低引发 OOMKill 与性能抖动。本章将系统定义 CPU、内存、存储三类资源的水位模型，并给出安全水位与弹性水位的设定原则。
4.1 资源水位基础模型
在 Kubernetes 中，每个容器可定义两类资源约束：
- Requests（请求）：调度时保证的最小资源量，也是集群资源计费的基准。
- Limits（限制）：运行时允许使用的资源上限，超过则触发节流（CPU）或驱逐（内存）。
VPA 的核心工作就是动态调整 Requests，而 Limits 通常由运维策略或 LimitRange 控制。存储水位则通过 PVC 的 Requests 字段定义，VPA 目前仅支持对存储的垂直扩缩（需启用 StorageVPA 特性门控）。
关键认知： VPA 不直接修改 Limits，而是通过 Recommender 给出推荐值，由 Updater 执行 Eviction 后，Admission Controller 在 Pod 重建时注入新的 Requests。因此，Limits 的水位策略需要独立定义。
4.2 CPU 水位定义
| 水位指标 | 定义公式 | 典型值（mCPU） | 监控指标 |
|---|---|---|---|
| 请求水位（Request） | P99(8h CPU Usage) × 安全系数 | 250m – 2000m | container_cpu_usage_seconds_total |
| 限制水位（Limit） | Request × 弹性倍数 | 500m – 4000m | container_cpu_cfs_throttled_seconds_total |
| 节流水位（Throttle） | CPU Throttle Rate > 5% | 触发告警 | container_cpu_cfs_periods_total |
设定原则：
- 安全水位（Requests）：基于过去 7–14 天的 P95/P99 实际用量，叠加 10%–20% 的缓冲系数，确保调度稳定。
- 弹性水位（Limits）：设置为 Requests 的 1.5–2.0 倍，允许突发流量时使用额外 CPU 资源，但不超过节点剩余容量。
- 节流监控：当 CPU Throttle 比例超过 5% 时，说明 Limits 设置过紧，需要上调弹性倍数。
4.3 内存水位定义
| 水位指标 | 定义公式 | 典型值（MiB） | 监控指标 |
|---|---|---|---|
| 请求水位（Request） | P99(7d RSS Usage) + 安全余量 | 128 – 4096 | container_memory_working_set_bytes |
| 限制水位（Limit） | Request × 弹性倍数（通常 1.0–1.25） | 256 – 5120 | container_memory_rss |
| OOM 水位 | Usage > Limit × 0.95 | 触发 OOMKill | container_oom_events_total |
设定原则：
- 安全水位（Requests）：内存不可压缩，必须基于
working_set_bytes的 P99 值，并额外增加 15%–25% 的余量，防止 GC 抖动或缓存膨胀。 - 弹性水位（Limits）：内存弹性倍数建议 ≤ 1.25，因为过度承诺内存会导致节点 OOM 风险急剧上升。对于 Java/Go 等有堆内内存管理的应用，建议 Limits = Requests × 1.1。
- OOM 预警：当内存使用率持续超过 Limits 的 90% 时，应触发告警并考虑提前扩容。
4.4 存储水位定义
| 水位指标 | 定义公式 | 典型值（GiB） | 监控指标 |
|---|---|---|---|
| 请求水位（PVC Request） | P99(7d Disk Usage) × 1.3 | 10 – 500 | kubelet_volume_stats_used_bytes |
| 扩容水位 | Usage > PVC Request × 0.8 | 触发 VPA 扩容 | kubelet_volume_stats_capacity_bytes |
| 缩容水位 | Usage < PVC Request × 0.3 持续 72h | 触发 VPA 缩容 | kubelet_volume_stats_available_bytes |
设定原则：
- 安全水位（PVC Request）：基于历史峰值用量乘以 1.3 倍系数，预留足够的 inode 和元数据空间。
- 弹性水位：存储的弹性体现在扩容速度（云盘通常支持在线扩容），因此扩容水位设为 80%，缩容水位设为 30% 并持续 72 小时，避免频繁缩容引发 I/O 抖动。
- 注意：存储 VPA 目前仅支持
ExpandInUsePersistentVolumes特性，缩容需要重建 PVC，建议仅对无状态或可迁移数据使用。
4.5 安全水位 vs 弹性水位：阈值设定原则
核心原则： 安全水位保稳定，弹性水位保成本。两者之间通过“水位间隙”实现资源复用与突发容忍的平衡。
下表对比两种水位的设计目标与设定方法：
| 维度 | 安全水位（Requests） | 弹性水位（Limits） |
|---|---|---|
| 目标 | 保证调度确定性，避免资源争抢 | 允许突发流量，提高资源复用率 |
| 数据来源 | P95/P99 历史用量 + 安全系数 | 安全水位 × 弹性倍数 |
| CPU 弹性倍数 | — | 1.5 – 2.0 |
| 内存弹性倍数 | — | 1.0 – 1.25 |
| 存储弹性倍数 | — | 1.3（扩容水位） |
| 调整频率 | VPA Recommender 每 1h 更新 | 运维策略固定，或通过 LimitRange 控制 |
| 风险 | 设置过高 → 资源浪费 | 设置过低 → 节流/OOM |
阈值设定五步法：
- 采集基线：使用 Prometheus 采集 14 天的 CPU、内存、存储用量，排除部署/回滚等异常窗口。
- 计算 P99：对每个容器计算 P99 用量，作为安全水位的基准。
- 叠加系数：CPU 加 10%，内存加 20%，存储加 30%，得到初始 Requests。
- 设定弹性倍数：CPU 设为 1.5，内存设为 1.1，存储设为 1.3（扩容水位）。
- 观察与微调：运行 72 小时后，检查节流率、OOM 事件、磁盘使用率，反向调整系数。
4.6 资源水位关系图
下图展示了 CPU 与内存的安全水位、弹性水位、节流/OOM 水位之间的层级关系：
4.7 证书轮换作业的特殊水位考量
证书轮换作业（如 cert-manager 的 cmctl renew 或自定义 CronJob）具有明显的 突发性 和 短生命周期 特征，水位设定需额外注意：
- CPU 水位：轮换作业通常涉及证书签名与 API 调用，CPU 峰值可达常规 Pod 的 3–5 倍。建议安全水位按 P99 设定，弹性倍数提升至 3.0，避免签名超时。
- 内存水位：证书轮换作业内存消耗相对稳定，但需注意大量证书并发轮换时的内存叠加。建议安全水位按 P99 + 30%，弹性倍数设为 1.5。
- 存储水位：证书轮换作业通常不涉及持久化存储，但若使用
vault或PKI后端，需确保临时卷的存储水位不低于 1GiB。 - 时间窗口：证书轮换作业应在集群低负载时段执行，避免与业务高峰重叠，从而降低对弹性水位的依赖。
避坑提示： 证书轮换作业的 VPA 配置应使用
updateMode: "Off" 或 "Initial"，避免 VPA 在作业执行期间频繁驱逐 Pod 导致轮换失败。推荐在作业启动前由 Operator 手动触发一次 VPA 推荐更新。
4.8 水位设定清单
| 资源类型 | 安全水位（Requests） | 弹性水位（Limits） | 告警阈值 | VPA 模式 |
|---|---|---|---|---|
| CPU（常规业务） | P99(14d) × 1.1 | Requests × 1.5 | Throttle > 5% | Auto |
| CPU（证书轮换） | P99(14d) × 1.1 | Requests × 3.0 | Throttle > 10% | Initial |
| 内存（常规业务） | P99(14d) × 1.2 | Requests × 1.1 | Usage > Limits × 0.9 | Auto |
| 内存（证书轮换） | P99(14d) × 1.3 | Requests × 1.5 | Usage > Limits × 0.85 | Initial |
| 存储（PVC） | P99(7d) × 1.3 | — | Usage > PVC × 0.8 | Auto（需特性门控） |
以上清单可直接作为团队内部的水位定义标准，结合 VPA Recommender 的推荐值进行周期性校准（建议每两周一次）。