К содержимому
Войти

Node.js Road Map

📏 Ресурсы и типы нагрузки

Если приложению мало памяти, оно может завершаться; если запрошено слишком много, Pod может вообще не разместиться. Ресурсы нужны и для выбора узла, и для ограничения работающего процесса. Отдельно выбирают тип нагрузки: постоянно обслуживать API, сохранять идентичность экземпляра, работать на каждом узле или один раз выполнить задачу

📏 Сколько приложению нужно и сколько разрешено

Представь User Service, которому команда задала CPU request 200m и memory request 128Mi. Scheduler учитывает эти requests при размещении Pod. Это заявленная потребность, с которой Kubernetes сопоставляет доступную для распределения ёмкость узла и уже назначенные запросы ресурсов

Request не означает, что приложение постоянно потребляет ровно столько. Процесс может использовать меньше, а при подходящих условиях больше. CPU 200m означает 0,2 CPU, 1000m соответствует одному CPU; Mi задаёт двоичную единицу памяти

Теперь добавим CPU limit 500m и memory limit 256Mi. Limits ограничивают использование ресурсов, но CPU и память ведут себя по-разному. Пример для одного контейнера, числа учебные:

resources:
  requests:
    cpu: 200m
    memory: 128Mi
  limits:
    cpu: 500m
    memory: 256Mi

Когда процесс упирается в CPU limit, ядро ограничивает время исполнения. Это CPU throttling: приложение может продолжать работать, но ответы замедляются. Рост задержек при нормальной памяти и без рестартов стоит сопоставить с метриками throttling и нагрузкой

Память нельзя ограничить таким же ожиданием следующего периода CPU. При превышении memory limit контейнер может быть остановлен из-за OOM; подтверждение ищут в причине завершения. OOM возможен и при общем давлении на память узла, поэтому анализируют не только один лимит

Устанавливать одинаковые числа всем сервисам неудобно. Малый request допускает плотное размещение, но плохо описывает реальную потребность; завышенный мешает scheduling и расходует ёмкость кластера. Малый CPU limit может ухудшить задержки даже при свободном CPU на узле

🔎 Как выбрать начальные значения

Начни с измерения обычного и пикового потребления на реплику, времени запуска и требований к задержке. Затем проверь поведение под характерной нагрузкой. Учти дополнительный Pod при rolling update и помощники в том же Pod: им тоже нужны ресурсы

При OOM проверь размер входных данных, кэши и утечки, затем обоснуй запас памяти. При Pending читай FailedScheduling и заявленные requests. Увеличение memory limit и увеличение memory request решают разные задачи; менять оба автоматически после любого сбоя не стоит

Для наблюдения в собственном учебном кластере с установленным источником метрик:

kubectl -n staging top pods
kubectl -n staging describe pod POD_NAME
kubectl -n staging get hpa

Замени POD_NAME именем экземпляра. top показывает текущий срез, а для разбора пика перед OOM нужен исторический график. Если метрики недоступны, это ещё не значит, что процесс ничего не потребляет

📈 Когда добавлять реплики

Поток запросов вырос, и каждая копия User Service загружена. HPA, HorizontalPodAutoscaler, меняет желаемое число реплик по метрике в заданных пределах. Например, команда может разрешить от 3 до 6 реплик и ориентироваться на среднюю загрузку CPU

При цели в процентах CPU считается относительно request, а не limit и не всего узла. Если request 200m, использование 100m соответствует 50%. Для расчёта нужны доступные метрики и корректно заданные requests у учитываемых контейнеров. HPA работает периодически, учитывает готовность и правила стабилизации; это не мгновенная реакция на каждый запрос

Добавление реплик полезно, когда нагрузка делится между ними. Если все ждут одну перегруженную БД, дополнительные Pod могут увеличить число соединений и ухудшить ситуацию. HPA не исправляет отсутствующий файл в образе и не создаёт новые узлы сам. При нехватке ёмкости новые реплики останутся Pending

🧰 Как выбрать тип нагрузки

ЗадачаОбъектРабочий пример
Постоянно обслуживать запросы взаимозаменяемыми копиямиDeploymentТри реплики User Service за одним Service
Сохранять идентичность экземпляров и связь с постоянными томамиStatefulSetPostgreSQL с экземпляром postgres-0 и его томом
Запускать помощник на каждом подходящем узлеDaemonSetАгент сбора логов контейнеров на рабочих узлах
Выполнить конечную работу и закончитьJobРазовая выгрузка отчёта в объектное хранилище

Deployment подходит User Service, если запрос может обработать любая реплика, а важные данные живут во внешнем хранилище. Хранение пользовательских сессий только в памяти одного Pod нарушает эту взаимозаменяемость: после замены экземпляра состояние исчезнет

StatefulSet сохраняет устойчивую идентичность Pod. В упражнении новый экземпляр postgres-0 подключает тот же постоянный том через PVC. PVC описывает запрос на хранилище; содержимое не обязано исчезать вместе с Pod. Это не делает базу автоматически отказоустойчивой: репликацию, резервные копии, восстановление и политику хранения томов настраивают отдельно

DaemonSet добавляет копию агента на каждый подходящий узел, включая новые узлы по мере их появления. Это удобнее фиксированного числа реплик, когда нужно собирать логи именно с каждой машины. Ограничения размещения определяют, какие узлы подходят

Job отслеживает выполнение до успешного завершения или условия отказа. При сбое возможны повторные запуски, поэтому запись отчёта должна переносить повтор без порчи данных. Для запуска по расписанию есть CronJob. Постоянный HTTP API в Job неудобен: у него нет естественного момента завершения

🎯 Вопросы с собеседований

Чем request отличается от limit?

Request нужен для решения о размещении и распределении ресурсов. Limit задаёт ограничение работающего контейнера. При CPU limit я ожидаю throttling, а при проблемах с памятью проверю возможный OOM; по одному числу request нельзя судить о фактическом потреблении

Сделает ли StatefulSet PostgreSQL отказоустойчивым?

Он поможет сохранить идентичность экземпляра и привязку постоянного хранилища. Но он не настраивает за базу репликацию, выбор лидера и резервное копирование. Эти механизмы нужно спроектировать отдельно или использовать подходящий управляемый сервис либо оператор

📚 Что почитать

К началу раздела Kubernetes · Дальше: Практика «Спаси выкат»