3. 故障域基础概念：节点故障域定义、可用区、地域与拓扑分布约束

在多租户 Kubernetes 集群中，故障域（Fault Domain）是定义基础设施故障隔离边界的基础概念。理解故障域是设计高可用 Pod 驱逐与租户重调度策略的前提。本节将系统性地介绍节点故障域的定义、云厂商的可用区与地域模型，以及 Kubernetes 原生的拓扑分布约束机制。

3.1 节点故障域定义

故障域是指一组共享单一故障点的物理或逻辑资源集合。当该故障点失效时，集合内的所有资源都会受到影响。在 Kubernetes 中，节点故障域通常通过标签（Label）来标识，常见的故障域层级包括：

• 节点（Node）：单台物理机或虚拟机，故障域最小单元。
• 机架（Rack）：共享电源、网络交换机的节点组。
• 可用区（Availability Zone, AZ）：独立电力、冷却和网络的物理区域。
• 地域（Region）：由多个可用区组成的较大地理区域。

3.2 可用区（Availability Zone）与地域（Region）

可用区和地域是云原生环境中最核心的故障域概念。下表对比了二者的关键差异：

3.3 拓扑分布约束（TopologySpreadConstraints）

拓扑分布约束是 Kubernetes 内置的调度机制，用于控制 Pod 在故障域之间的分布均匀性。它通过 spec.topologySpreadConstraints 字段定义，确保租户的 Pod 不会集中部署在同一个故障域内。

以下是一个典型的拓扑分布约束配置示例：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: tenant-app
spec:
  replicas: 6
  template:
    spec:
      topologySpreadConstraints:
        - maxSkew: 1
          topologyKey: topology.kubernetes.io/zone
          whenUnsatisfiable: DoNotSchedule
          labelSelector:
            matchLabels:
              app: tenant-app

关键参数说明：

• maxSkew：允许的最大 Pod 分布偏差。值为 1 表示每个可用区之间的 Pod 数量差不超过 1。
• topologyKey：指定故障域标签键，如 topology.kubernetes.io/zone。
• whenUnsatisfiable：约束不满足时的行为，可选 DoNotSchedule（不调度）或 ScheduleAnyway（尽量调度）。
• labelSelector：用于匹配需要约束的 Pod 集合。

3.4 故障域与拓扑分布约束的关系

下面的 SVG 图展示了故障域层级与拓扑分布约束的协同工作方式：

3.5 故障域在 Pod 驱逐与重调度中的应用

在 Pod 驱逐与租户重调度场景中，故障域信息用于以下关键决策：

1. 驱逐优先级：优先驱逐故障域内冗余 Pod，保留跨域副本。
2. 重调度目标选择：将 Pod 调度到未受影响的可用区，避免二次故障。
3. 租户隔离：确保同一租户的 Pod 分布在多个故障域，提高容错性。
4. 资源均衡：结合拓扑分布约束，防止重调度后 Pod 分布不均。