原文鏈接：Kubernetes Pod 驅逐詳解
在 Kubernetes 中，Pod 使用的資源最重要的是 CPU、內存和磁盤 IO，這些資源可以被分為可壓縮資源（CPU）和不可壓縮資源（內存，磁盤 IO）。可壓縮資源不可能導致 Pod 被驅逐，因為當 Pod 的 CPU 使用量很多時，系統可以通過重新分配權重來限制 Pod 的 CPU 使用。而對於不可壓縮資源來說，如果資源不足，也就無法繼續申請資源（內存用完就是用完了），此時 Kubernetes 會從該節點上驅逐一定數量的 Pod，以保證該節點上有充足的資源。
當不可壓縮資源不足時，Kubernetes 是通過 kubelet 來驅逐 Pod 的。kubelet 也不是隨機驅逐的，它有自己的一套驅逐機制，每個計算節點的 kubelet 都會通過抓取 cAdvisor 的指標來監控節點的資源使用量，下面我們來具體分析每種情況。
1. 存儲資源不足
下面是 kubelet 默認的關於節點存儲的驅逐觸發條件：
- nodefs.available<10%（容器 volume 使用的文件系統的可用空間，包括文件系統剩余大小和 inode 數量）
- imagefs.available<15%（容器鏡像使用的文件系統的可用空間，包括文件系統剩余大小和 inode 數量）
當 imagefs 使用量達到閾值時，kubelet 會嘗試刪除不使用的鏡像來清理磁盤空間。
當 nodefs 使用量達到閾值時，kubelet 就會拒絕在該節點上運行新 Pod，並向 API Server 注冊一個 DiskPressure condition。然后 kubelet 會嘗試刪除死亡的 Pod 和容器來回收磁盤空間，如果此時 nodefs 使用量仍然沒有低於閾值，kubelet 就會開始驅逐 Pod。從 Kubernetes 1.9 開始，kubelet 驅逐 Pod 的過程中不會參考 Pod 的 QoS，只是根據 Pod 的 nodefs 使用量來進行排名，並選取使用量最多的 Pod 進行驅逐。所以即使 QoS 等級為 Guaranteed 的 Pod 在這個階段也有可能被驅逐（例如 nodefs 使用量最大）。如果驅逐的是 Daemonset，kubelet 會阻止該 Pod 重啟，直到 nodefs 使用量超過閾值。
如果一個 Pod 中有多個容器，kubelet 會根據 Pod 中所有容器的 nodefs 使用量之和來進行排名。即所有容器的
container_fs_usage_bytes指標值之和。
舉個栗子，假設某計算節點上運行着一系列已知 QoS 等級和 nodefs 使用量的 Pod：
| Pod Name | Pod QoS | nodefs usage |
|---|---|---|
| A | Best Effort | 800M |
| B | Guaranteed | 1.3G |
| C | Burstable | 1.2G |
| D | Burstable | 700M |
| E | Best Effort | 500M |
| F | Guaranteed | 1G |
當 nodefs 的使用量超過閾值時，kubelet 會根據 Pod 的 nodefs 使用量來對 Pod 進行排名，首先驅逐使用量最多的 Pod。排名如下圖所示：
| Pod Name | Pod QoS | nodefs usage |
|---|---|---|
| B | Guaranteed | 1.3G |
| C | Burstable | 1.2G |
| F | Guaranteed | 1G |
| A | Best Effort | 800M |
| D | Burstable | 700M |
| E | Best Effort | 500M |
可以看到在本例中，QoS 等級為 Guaranteed 的 Pod 最先被驅逐。
2. 內存資源不足
下面是 kubelet 默認的關於節點內存資源的驅逐觸發條件：
- memory.available<100Mi
當內存使用量超過閾值時，kubelet 就會向 API Server 注冊一個 MemoryPressure condition，此時 kubelet 不會接受新的 QoS 等級為 Best Effort 的 Pod 在該節點上運行，並按照以下順序來驅逐 Pod：
- Pod 的內存使用量是否超過了
request指定的值 - 根據 priority 排序，優先級低的 Pod 最先被驅逐
- 比較它們的內存使用量與
request指定的值之差。
按照這個順序，可以確保 QoS 等級為 Guaranteed 的 Pod 不會在 QoS 等級為 Best Effort 的 Pod 之前被驅逐，但不能保證它不會在 QoS 等級為 Burstable 的 Pod 之前被驅逐。
如果一個 Pod 中有多個容器，kubelet 會根據 Pod 中所有容器相對於 request 的內存使用量與之和來進行排名。即所有容器的 （
container_memory_usage_bytes指標值與container_resource_requests_memory_bytes指標值的差）之和。
繼續舉例，假設某計算節點上運行着一系列已知 QoS 等級和內存使用量的 Pod：
| Pod Name | Pod QoS | Memory requested | Memory limits | Memory usage |
|---|---|---|---|---|
| A | Best Effort | 0 | 0 | 700M |
| B | Guaranteed | 2Gi | 2Gi | 1.9G |
| C | Burstable | 1Gi | 2Gi | 1.8G |
| D | Burstable | 1Gi | 2Gi | 800M |
| E | Best Effort | 0 | 0 | 300M |
| F | Guaranteed | 2Gi | 2Gi | 1G |
當節點的內存使用量超過閾值時，kubelet 會根據 Pod 相對於 request 的內存使用量來對 Pod 進行排名。排名如下所示：
| Pod Name | Pod QoS | Memory requested | Memory limits | Memory usage | 內存相對使用量 |
|---|---|---|---|---|---|
| C | Burstable | 1Gi | 2Gi | 1.8G | 800M |
| A | Best Effort | 0 | 0 | 700M | 700M |
| E | Best Effort | 0 | 0 | 300M | 300M |
| B | Guaranteed | 2Gi | 2Gi | 1.9G | -100M |
| D | Burstable | 1Gi | 2Gi | 800M | -200M |
| F | Guaranteed | 2Gi | 2Gi | 1G | -1G |
可以看到在本例中，可以看到在本例中，QoS 等級為 Guaranteed 的 Pod 在 QoS 等級為 Burstable 的 Pod 之前被驅逐。
當內存資源不足時，kubelet 在驅逐 Pod 時只會考慮 requests 和 Pod 的內存使用量，不會考慮 limits。
3. Node OOM (Out Of Memory)
因為 kubelet 默認每 10 秒抓取一次 cAdvisor 的監控數據，所以有可能在 kubelet 驅逐 Pod 回收內存之前發生內存使用量激增的情況，這時就有可能觸發內核 OOM killer。這時刪除容器的權利就由kubelet 轉交到內核 OOM killer 手里，但 kubelet 仍然會起到一定的決定作用，它會根據 Pod 的 QoS 來設置其 oom_score_adj 值：
| QoS | oom_score_adj |
|---|---|
| Guaranteed | -998 |
| Burstable | min(max(2, 1000 - (1000 * memoryRequestBytes) / machineMemoryCapacityBytes), 999) |
| pod-infra-container | -998 |
| kubelet, docker daemon, systemd service | -999 |
如果該節點在 kubelet 通過驅逐 Pod 回收內存之前觸發了 OOM 事件，OOM killer 就會采取行動來降低系統的壓力，它會根據下面的公式來計算 oom_score 的值：
容器使用的內存占系統內存的百分比 + oom_score_adj = oom_score
OOM killer 會殺掉 oom_score_adj 值最高的容器，如果有多個容器的 oom_score_adj 值相同，就會殺掉內存使用量最多的容器（其實是因為內存使用量最多的容器的 oom_score 值最高）。關於 OOM 的更多內容請參考：Kubernetes 內存資源限制實戰。
假設某節點運行着 4 個 Pod，且每個 Pod 中只有一個容器。每個 QoS 類型為 Burstable 的 Pod 配置的內存 requests 是 4Gi，節點的內存大小為 30Gi。每個 Pod 的 oom_score_adj 值如下所示：
| Pod Name | Pod QoS | oom_score_adj |
|---|---|---|
| A | Best Effort | 1000 |
| B | Guaranteed | -998 |
| C | Burstable | 867（根據上面的公式計算） |
| D | Best Effort | 1000 |
當調用 OOM killer 時，它首先選擇 oom_score_adj 值最高的容器（1000），這里有兩個容器的 oom_score_adj 值都是 1000，OOM killer 最終會選擇內存使用量最多的容器。
4. 總結
- 因為 kubelet 默認每 10 秒抓取一次 cAdvisor 的監控數據，所以可能在資源使用量低於閾值時，kubelet 仍然在驅逐 Pod。
- kubelet 將 Pod 從節點上驅逐之后，Kubernetes 會將該 Pod 重新調度到另一個資源充足的節點上。但有時候 Scheduler 會將該 Pod 重新調度到與之前相同的節點上，比如設置了節點親和性，或者該 Pod 以 Daemonset 的形式運行。
現在你應該理解了 kubelet 驅逐 Pod 的原理和過程，如果你在部署應用時設置了恰當的參數，知道了所有的可能性，你就能更好地掌控你的集群。
