1. 精準配置資源請求與限制（Requests/Limits）
為Pod容器設置合理的requests（調度最小資源）和limits（運行最大資源）是優化調度的核心基礎。CPU配置需根據應用類型調整：計算密集型服務（如AI推理）的requests可設為峰值的50%~70%，limits略高于峰值（1.2~1.5倍）；內存配置需預留20%~30%緩沖（如峰值512Mi則設為640Mi），避免OOM Killer終止容器。避免極端值（如requests過低導致調度到資源不足節點，limits過高造成閑置）。
2. 合理使用親和性與反親和性
通過節點親和性（Node Affinity）將Pod調度到符合標簽的節點（如disktype: ssd節點提升IO密集型應用性能）；通過Pod反親和性（Pod Anti-Affinity）避免同一應用的多個Pod集中在同一節點（如topologyKey: kubernetes.io/hostname），提升容災能力。例如，要求Web應用Pod盡量分布在不同節點：
affinity:
podAntiAffinity:
requiredDuringSchedulingIgnoredDuringExecution:
- labelSelector:
matchExpressions:
- key: app
operator: In
values: [web]
topologyKey: kubernetes.io/hostname
```。
**3. 利用污點（Taints）與容忍（Tolerations）隔離資源**
為專用節點（如GPU節點）添加污點（`kubectl taint nodes gpu-node key=gpu:NoSchedule`），僅允許聲明匹配容忍的Pod（如帶`tolerations`的AI訓練Pod）調度到該節點，避免通用Pod占用專用資源。
**4. 啟用動態擴縮機制**
結合Horizontal Pod Autoscaler（HPA）根據CPU/內存或自定義指標（如QPS）動態調整Pod副本數；使用Vertical Pod Autoscaler（VPA）自動優化Pod的`requests`/`limits`；通過Cluster Autoscaler根據負載動態增減節點數量，實現資源按需分配。
**5. 優化調度策略與插件**
通過`topologySpreadConstraints`實現跨區域/機架均勻分布Pod（如`maxSkew: 1`確保同一應用的Pod在不同可用區的分布差異不超過1），提升容錯性；使用調度框架（Scheduling Framework）的自定義插件（如基于實時負載的動態調度），優化調度決策。
**6. 調整內核參數提升資源利用率**
編輯`/etc/sysctl.conf`文件，優化網絡與內存參數：
- `net.core.somaxconn=65535`：增加TCP連接隊列長度，提升網絡吞吐；
- `vm.swappiness=10`：降低內存交換概率，減少磁盤IO對應用的影響；
- `net.ipv4.tcp_tw_reuse=1`：復用TIME_WAIT狀態的連接，提升網絡性能。
修改后執行`sysctl -p`使配置生效。
**7. 選擇高性能網絡與存儲插件**
使用Calico、Cilium等高性能CNI插件，提升Pod間網絡通信效率；存儲方面，采用Ceph、GlusterFS等分布式存儲系統，提供高IO性能和數據可靠性；優先使用SSD作為節點存儲（尤其是etcd節點），提升磁盤IO速度。
**8. 監控與持續優化**
通過Prometheus+Grafana監控集群的CPU、內存、網絡等資源使用情況，識別資源瓶頸（如某節點CPU長期高負載）；使用ELK Stack集中管理日志，快速定位性能問題（如Pod頻繁重啟的原因）。定期清理無用Pod、服務和卷，釋放集群資源。
