基于瓶颈分析的K8s准入控制与容量优化 - 第1节

1.1 为什么需要瓶颈分析？

在 Kubernetes 集群的日常运营中，资源争抢、Pod 调度失败、API 响应超时等现象屡见不鲜。这些问题的根源往往不是单一组件故障，而是系统在某个维度上达到了容量极限。瓶颈分析正是为了回答三个核心问题：瓶颈在哪里？、瓶颈何时出现？、如何消除或规避瓶颈？

1.1.1 集群瓶颈的典型表现

1.1.2 瓶颈分析的三个层次

1. 节点级瓶颈：CPU、内存、磁盘、网络等物理/虚拟资源耗尽。
2. 控制面瓶颈：API Server、etcd、Scheduler、Controller Manager 的处理能力上限。
3. 应用级瓶颈：Pod 资源配比不合理、Sidecar 资源争抢、QoS 降级。

1.2 K8s 准入控制与容量优化的关系

准入控制（Admission Control）是 Kubernetes API 请求处理链中的一道关键闸门，它在对象被持久化到 etcd 之前执行验证和变更。容量优化则关注集群资源的合理分配与利用效率。两者通过瓶颈分析形成以下闭环关系：

• 准入控制是容量优化的前置防线：通过 LimitRange、ResourceQuota、PodSecurityPolicy 等内置准入控制器，以及自定义的 ValidatingAdmissionWebhook 和 MutatingAdmissionWebhook，可以在 Pod 创建阶段就拒绝不合理的资源请求，避免资源争抢。
• 容量优化是准入控制的反馈输入：瓶颈分析的结果（如节点资源利用率、Pod 资源浪费比例）可以反哺准入策略的调整，例如动态调整 LimitRange 的默认值、修改 ResourceQuota 的配额上限。
• 瓶颈分析连接两者：没有瓶颈分析，准入控制可能过于宽松或过于严格；没有准入控制，容量优化只能事后补救。

1.3 课程目标与学习路径

1.3.1 课程目标

1.3.2 学习路径

课程按照“诊断 → 控制 → 优化 → 自动化”四个阶段递进：

1. 阶段一：瓶颈诊断（第 2-6 章）——学习如何从节点、控制面、应用三个层面识别瓶颈，掌握 PromQL 分析技巧和 etcd 性能诊断。
2. 阶段二：准入控制（第 7-14 章）——深入内置准入控制器，手写 ValidatingWebhook 和 MutatingWebhook，实现资源请求的智能校验与修正。
3. 阶段三：容量优化（第 15-24 章）——基于瓶颈数据设计资源配额、节点自动扩缩容、Pod 垂直伸缩、成本优化策略。
4. 阶段四：自动化与治理（第 25-30 章）——构建闭环自动化平台，实现瓶颈自愈、准入策略动态调整、容量规划预测。