4. 内存资源管理：内存限制机制、OOM Killer原理、内存压力与cgroup v2
在Kubernetes环境中，内存是比CPU更严格的资源——内存不可压缩且无法回收后重新分配。一旦容器超出限制，内核必须通过OOM Killer终止进程来释放空间。本章深入剖析K8s内存限制的底层实现、OOM Killer决策逻辑、cgroup v2的内存压力控制机制，以及如何通过校准避免不必要的OOM中断。
4.1 K8s内存限制机制：requests与limits的底层映射
K8s通过resources.requests.memory和resources.limits.memory控制容器的内存使用。这两个字段最终映射到cgroup的memory.high、memory.max（cgroup v2）或memory.limit_in_bytes（cgroup v1）。
| K8s字段 | cgroup v2映射 | 行为说明 |
|---|---|---|
requests.memory |
memory.high |
软限制。超过后触发内存回收和throttling，但不立即杀死进程 |
limits.memory |
memory.max |
硬限制。超过后触发OOM Killer，进程被终止 |
| 未设置limits | memory.max = max |
无硬限制，但受Node总内存约束 |
关键区别：在cgroup v2中，
memory.high是性能导向的软限制，允许短时突发；memory.max是安全导向的硬限制，不可逾越。合理设置两者可避免不必要的OOM。
4.2 OOM Killer原理与决策流程
当cgroup v2的memory.max被触发，或系统全局内存不足时，内核调用OOM Killer选择并终止进程。其决策基于oom_score（0–1000），分数越高越优先被杀死。
4.3 oom_score_adj与Pod QoS的关联
K8s根据Pod的QoS等级自动设置oom_score_adj，直接影响OOM Killer的选择优先级：
| QoS等级 | oom_score_adj | 被OOM杀死的优先级 | 典型场景 |
|---|---|---|---|
| Guaranteed | -998 | 最低（几乎不会被杀死） | 关键业务容器 |
| Burstable | 0 ~ 999（按内存使用比例计算） | 中等 | 有资源限制的普通容器 |
| BestEffort | 1000 | 最高（最先被杀死） | 无资源限制的临时任务 |
重要：即使Pod被标记为Guaranteed，如果其内存使用超过
limits.memory，仍然会触发OOM Killer。oom_score_adj只影响系统全局内存不足时的选择顺序，不影响cgroup本地硬限制的触发。
4.4 cgroup v2内存压力控制
cgroup v2引入了更精细的内存压力管理机制，通过memory.high和memory.low实现分级控制：
- memory.high：软限制。当cgroup内存使用超过此值时，内核开始积极回收页面（如page cache、可回收slab），并对进程施加throttling。允许短时突发，但持续超限会降低性能。
- memory.low：保护下限。当系统内存紧张时，内核优先回收其他cgroup的内存，尽量保证此cgroup的内存不低于
memory.low。 - memory.min：硬保护。内核保证此cgroup至少拥有
memory.min的内存，即使系统OOM也不会回收。
4.5 内存压力指标与监控
cgroup v2通过memory.pressure文件提供内存压力信息，使用PSI（Pressure Stall Information）机制量化内存短缺对进程的影响：
| 指标 | 含义 | 阈值建议 |
|---|---|---|
some avg10 |
过去10秒内，至少有一个进程因内存不足而停滞的时间占比 | > 10% 表示内存紧张 |
full avg10 |
过去10秒内，所有进程都因内存不足而停滞的时间占比 | > 5% 表示严重内存压力 |
memory.current |
当前cgroup的内存使用量（字节） | 接近memory.high时需关注 |
memory.swap.current |
当前cgroup的swap使用量（如果启用） | swap使用增加表示内存不足 |
实践建议：在K8s节点上部署Node Problem Detector或自定义Prometheus Exporter，采集
/sys/fs/cgroup/kubepods/pod<uid>/memory.pressure数据。当some avg10 > 20%时，触发Pod驱逐或自动调整memory.high。
4.6 动态校准策略：避免OOM的工程实践
基于cgroup v2的内存压力反馈，可以构建动态校准闭环：
- 采集阶段：每30秒读取
memory.pressure和memory.current。 - 评估阶段：计算内存使用率 =
memory.current / memory.high。如果使用率 > 90% 且some avg10 > 15%，判定为高压力。 - 校准阶段：通过K8s API更新Pod的
resources.limits.memory（增加10%~20%），或调整memory.high（cgroup v2直接写入）。 - 回退阶段：如果压力指标连续3个周期恢复正常，逐步降低限制至原始值，避免资源浪费。
注意：动态调整
limits.memory需要Pod支持原地更新（K8s 1.27+的InPlacePodVerticalScaling特性）。对于不支持原地更新的集群，建议通过调整memory.high（cgroup v2直接写入）实现软限制的动态校准，不影响Pod生命周期。
4.7 本章小结
- K8s内存限制通过cgroup v2的
memory.high（软限制）和memory.max（硬限制）实现。 - OOM Killer基于
oom_score选择进程，Pod的QoS等级通过oom_score_adj影响优先级。 - cgroup v2的
memory.low和memory.min提供内存保护机制，防止关键容器被回收。 - PSI指标（
some avg10/full avg10）是量化内存压力的关键数据源。 - 动态校准策略可基于内存压力反馈自动调整限制，减少OOM事件并提高资源利用率。