6.8.5 quota (ResourceQuota) 命名空间资源总量限制（CPU/内存）案例

简介

ResourceQuota（资源配额）是 Kubernetes 的 命名空间级资源，用于限制某个 Namespace 内所有 Pod/容器对 可压缩资源（CPU）、不可压缩资源（内存、存储） 与 扩展资源（GPU） 的 总申请量（requests） 与 总限制量（limits）。

• 作用：实现多租户资源隔离、防止资源滥用、辅助容量规划。
• 范围：仅对所在 Namespace 生效，不影响其他 Namespace。
• 对象：可限制 pods、services、configmaps、secrets等对象数量，以及 cpu、memory、gpu等资源数量。

核心作用

---

作用范围与类型

1. 可限制的资源维度

2. 配额计算规则

• requests总和：统计所有容器的 resources.requests值。
• limits总和：统计所有容器的 resources.limits值。
• 若容器未设置 requests或 limits，则由 LimitRange的默认值填充后再计入配额（如果启用了 LimitRange）。
• 配额检查时机：创建 Pod 时，API Server 会校验该 Pod 加入后是否会超出 Namespace 的 ResourceQuota，超出的 Pod 会被拒绝（Forbidden）。

---

配置语法

基本结构：

apiVersion: v1
kind: ResourceQuota
metadata:
  name: <quota-name>
  namespace: <namespace>   # 必须指定 Namespace
spec:
  hard:                   # 硬性限制（Hard Limit）
    <resource.path>: <quantity>
    <resource.path>: <quantity>

• hard下的每一项是 资源路径 = 数量，例如 requests.cpu: "4"表示该 Namespace 所有容器的 CPU 请求总量不得超过 4 核。
• 数量单位：CPU 用 m或整数核，内存用 Mi/Gi，GPU 用整数。

案例1：限制 CPU 与内存总量（基础配额）

场景

限制 team-a命名空间最多使用 2 核 CPU 请求、4Gi 内存请求、4 核 CPU 限制、8Gi 内存限制，且最多 10 个 Pod。

YAML 配置（quota-cpu-mem.yaml）

apiVersion: v1
kind: ResourceQuota
metadata:
  name: team-a-compute-quota
  namespace: team-a
spec:
  hard:
    pods: "10"
    requests.cpu: "2"
    requests.memory: "4Gi"
    limits.cpu: "4"
    limits.memory: "8Gi"

创建与验证

kubectl create ns team-a
kubectl apply -f quota-cpu-mem.yaml
kubectl describe resourcequota team-a-compute-quota -n team-a

输出示例：

Name:            team-a-compute-quota
Namespace:       team-a
Resource         Used  Hard
--------         ----  ----
limits.cpu       0     4
limits.memory    0     8Gi
pods             0     10
requests.cpu     0     2
requests.memory  0     4Gi

案例2：限制 GPU 资源（扩展资源）

场景

ml-team命名空间用于机器学习训练，限制最多申请 4 块 NVIDIA GPU（requests = limits，GPU 通常不可拆分）。

YAML 配置（quota-gpu.yaml）

apiVersion: v1
kind: ResourceQuota
metadata:
  name: ml-gpu-quota
  namespace: ml-team
spec:
  hard:
    pods: "5"
    requests.nvidia.com/gpu: "4"
    limits.nvidia.com/gpu: "4"

创建与验证

kubectl create ns ml-team
kubectl apply -f quota-gpu.yaml
kubectl describe resourcequota ml-gpu-quota -n ml-team

注意：

• 节点需安装 NVIDIA 驱动与 DevicePlugin，集群需启用 GPU 资源发现。
• 若 Pod 请求 nvidia.com/gpu: 2，则计入配额 2，剩余可用 GPU 为 2。

案例3：综合配额（CPU/内存/GPU/存储/对象数量）

场景

bigdata命名空间用于大数据任务，配额示例如下：

apiVersion: v1
kind: ResourceQuota
metadata:
  name: bigdata-full-quota
  namespace: bigdata
spec:
  hard:
    # 对象数量
    pods: "20"
    services: "10"
    persistentvolumeclaims: "10"
    secrets: "20"

    # 计算资源
    requests.cpu: "20"
    requests.memory: "40Gi"
    limits.cpu: "40"
    limits.memory: "80Gi"

    # GPU
    requests.nvidia.com/gpu: "8"
    limits.nvidia.com/gpu: "8"

    # 存储
    requests.storage: "500Gi"
    ephemeral-storage: "100Gi"

---

生产最佳实践

1. 配额与 LimitRange 配合使用
   • ResourceQuota限制总量，LimitRange设置默认值，防止“裸跑”容器无限制使用资源。
2. 配额设置原则
   • requests总和 ≤ 集群可分配资源的 70%，预留缓冲给系统组件与突发流量。
   • limits可略高于 requests，但需防止 OOM 或 CPU 争抢。
3. 监控与告警
   • 监控 kube_resourcequota指标的 used与 hard，使用 Prometheus + Grafana 可视化配额使用率。
   • 设置告警：使用率 > 80% 时提醒负责人扩容或优化资源。
4. 配额调整流程
   • 配额变更需走审批流程（如 GitOps PR），避免随意扩大导致集群资源紧张。
5. 定期 Review
   • 每月 Review 配额使用率，清理闲置 Namespace 或调整过低/过高配额。