Kubernetes(k8s)中如何通过调整Pod的亲和性和反亲和性规则优化性能？
sunwei77：在Kubernetes中，通过合理配置Pod的亲和性（Affinity）和反亲和性（Anti-Affinity）规则可以有效优化集群性能与资源利用率。以下为关键实践： 资源密集型Pod的分散部署： 使用Pod反亲和性（podAntiAffinity）将高CPU/内存消耗的Pod分散到不同节点，避免节点资源争抢。例如，设置topologyKey: kubernetes.io/hostname确保Pod不在同一节点。 同服务Pod的拓扑集中： 对于需要低延迟通信的微服务（如缓存与计算层），通过Pod亲和性（podAffinity）将其部署在同一可用区（topologyKey: topology.kubernetes.io/zone），减少跨区网络开销。 节点类型优化： 利用节点亲和性（nodeAffinity）将GPU/SSD依赖的Pod绑定到特定硬件节点，例如通过nodeSelector匹配标签（如accelerator: gpu），提升计算效率。 故障域隔离： 结合拓扑分布约束（Topology Spread Constraints）与反亲和性，强制关键服务（如数据库主从）跨机架或可用区部署（topologyKey: failure-domain.beta.kubernetes.io/zone），降低单点故障风险。 动态权重调整： 在Deployment中定义preferredDuringSchedulingIgnoredDuringExecution规则，优先但不强制Pod分布策略，平衡调度灵活性与性能目标。 监控与迭代： 结合Prometheus监控资源热点，动态调整亲和性规则。例如，若某节点频繁因IO过载触发驱逐，则通过反亲和性规避该节点。 最终需根据业务负载类型（计算密集型/IO密集型）和SLA要求，权衡亲和性规则的严格性（required/preferred），避免过度约束导致调度失败。
