主题
面试题深度详解：存储、调度与资源（10 题）
覆盖 PV/PVC/CSI、调度器、QoS、HPA/VPA/CA、GPU 调度等高频面试题。
Q21: PV 和 PVC 的绑定流程，静态 vs 动态供给
答题思路
从 PVC 的创建出发，解释静态和动态两种 PV 供给方式的差异。三级参考答案
B 级：
PV 是集群中的存储资源，PVC 是用户对存储的请求。静态供给：管理员预先创建 PV，PVC 绑定匹配的 PV。动态供给：通过 StorageClass 的 Provisioner 自动创建 PV。
A 级：
PVC 绑定 PV 的条件：容量 >= PVC 请求、accessModes 匹配、storageClassName 匹配、labelSelector 匹配（如有）。静态供给适合预知存储需求的场景，动态供给适合自助服务。回收策略：Retain（保留数据）和 Delete（删除数据）。
S 级：
PV 绑定流程：PVC 创建后，PV Controller 扫描可用 PV，按容量、accessMode、storageClass 匹配，绑定后一对一关系不可变。WaitForFirstConsumer 模式等 Pod 调度后再绑定（避免跨 AZ 挂载问题）。Reclaim Policy 为 Retain 时，PVC 删除后 PV 变为 Released 状态，需手动清理。
Q22: CSI 插件的架构和工作流程
答题思路
从 CSI 的设计目标（标准化存储接口）出发，解释三大组件和完整生命周期。三级参考答案
B 级：
CSI 分 Controller Plugin（管理卷生命周期）和 Node Plugin（节点挂载），通过 gRPC 接口与 K8s 交互。常见实现有 Rook-Ceph、OpenEBS、NFS-CSI。
A 级：
CSI Controller Plugin 通常 Deployment 部署（1 副本 + Leader Election），负责 CreateVolume/DeleteVolume/ControllerPublishVolume。Node Plugin 用 DaemonSet 部署，负责 NodeStageVolume/NodePublishVolume。Sidecar 容器（external-provisioner/external-attacher/node-driver-registrar）辅助 CSI 驱动与 K8s 交互。
S 级：
完整卷生命周期：CreateVolume → ControllerPublishVolume（附加到节点）→ NodeStageVolume（格式化、挂载到暂存路径）→ NodePublishVolume（bind mount 到 Pod 目录）。反向操作：NodeUnpublishVolume → NodeUnstageVolume → ControllerUnpublishVolume → DeleteVolume。Volume Snapshot 通过 external-snapshotter sidecar 实现。
Q23: 如何在 K8s 上运行有状态应用（数据库）
答题思路
这是实战设计题，需要从 StatefulSet、存储、备份、高可用多角度分析。三级参考答案
B 级：
使用 StatefulSet 运行数据库，每个 Pod 有固定的标识（如 mysql-0）和独立的 PVC。使用 Headless Service 提供稳定的 DNS 名称。
A 级：
关键要素：1) StatefulSet + volumeClaimTemplates（每个 Pod 独立 PVC）；2) 使用 Local PV 或高性能 CSI（如 Rook-Ceph）；3) 配置 ReadinessProbe 确保主从切换时流量正确；4) 使用 Operator 管理（如 Zalando Postgres Operator、Vitess）；5) 定期备份（Velero + VolumeSnapshot）。
S 级：
生产建议：1) 优先使用云厂商托管数据库（如 RDS/Aurora），K8s 上只运行无状态应用；2) 必须在 K8s 上运行时，使用 Operator 管理（自动故障转移、备份恢复）；3) 使用 Local PV + Pod Anti-Affinity 确保数据分布在不同的物理节点；4) 配置 PodDisruptionBudget 防止同时驱逐多个数据库 Pod；5) 监控慢查询和复制延迟。
Q24: Volume 快照和克隆的区别和使用场景
答题思路
从快照和克隆的技术实现差异出发，解释各自的适用场景。三级参考答案
B 级：
Volume 快照是某个时间点的数据副本，用于备份和恢复。克隆是从现有卷创建新卷。两者都通过 CSI 实现。
A 级：
快照：通过 VolumeSnapshot 资源创建，使用 CSI CreateSnapshot，可用于恢复到新 PVC（dataSource 指向 VolumeSnapshot）。克隆：通过 PVC 的 dataSource 指向现有 PVC，底层调用 CSI CloneVolume。快照适合定期备份，克隆适合快速创建测试环境。
S 级：
快照分全量快照和增量快照，取决于 CSI 驱动实现（Ceph 支持增量快照）。GroupSnapshot（1.27+）支持同时对多个 PVC 创建一致性快照。生产建议：定期 VolumeSnapshot + 异地备份（如上传到 S3）实现完整灾备。
Q25: local volume vs network volume 的权衡
答题思路
从性能、可靠性、调度约束三个维度对比。三级参考答案
B 级：
Local Volume 性能极高（本地磁盘），但 Pod 绑定到特定节点，节点故障数据丢失。Network Volume（如 Ceph）可跨节点迁移，有分布式冗余，但有网络延迟。
A 级：
Local Volume 适合：高性能数据库、缓存、临时数据。Network Volume 适合：需要数据持久化和迁移的生产应用。Local PV 通过 nodeAffinity 绑定到特定节点，调度器需要考虑节点可用性。
S 级：
Local PV 的 Topology-aware 调度：使用
volumeBindingMode: WaitForFirstConsumer确保 Pod 先调度到节点，再绑定同节点的 Local PV。混合方案：Local PV 用于数据库主节点（高性能），Network Volume 用于从节点（可迁移）。TopoLVM 项目可以在 Local Volume 上实现 thin provisioning 和动态扩容。
Q26: K8s 调度器的调度流程和扩展点
答题思路
从调度器的插件化架构出发，解释各个扩展点。三级参考答案
B 级：
调度器流程：过滤（Filter）→ 打分（Score）→ 绑定（Bind）。Filter 排除不可用节点，Score 对可用节点打分，选择得分最高的节点。
A 级：
完整流程：PreFilter → Filter → PostFilter → PreScore → Score → Reserve → Permit → PreBind → Bind → PostBind。Filter 插件包括 NodeResourcesFit、NodeAffinity、TaintToleration。Score 插件包括 LeastAllocated、BalancedAllocation、InterPodAffinity。
S 级：
调度器框架支持自定义插件，通过 KubeSchedulerConfiguration 配置。PostFilter 在 Filter 失败时执行抢占逻辑。Permit 插件可以实现 Gang Scheduling（等待一组 Pod 同时调度）。自定义调度器通过
schedulerName字段指定。大规模集群建议开启percentageOfNodesToScore优化调度速度。
Q27: 如何保证关键应用不被驱逐
答题思路
从 QoS、Priority、PDB 三个层面保障关键应用。三级参考答案
B 级：
通过设置 Guaranteed QoS（requests = limits）降低驱逐优先级，配置 PodDisruptionBudget 限制同时驱逐数量，设置 PriorityClass 提高调度优先级。
A 级：
三层保障：1) QoS Guaranteed（CPU/Memory requests = limits），驱逐优先级最低；2) PriorityClass（如 system-cluster-critical），调度时优先抢占低优先级 Pod；3) PDB（minAvailable 或 maxUnavailable），限制自愿驱逐数量。注意：PDB 只防止自愿驱逐（如 drain），不防止节点故障导致的非自愿驱逐。
S 级：
完整保障方案：Guaranteed QoS + PriorityClass + PDB + Pod Anti-Affinity（跨 AZ 分布）+ 专用节点池（Taint + Toleration）+ 监控告警。节点资源压力下的驱逐顺序：BestEffort → Burstable → Guaranteed，同 QoS 内按 usage/requests 比率排序。
Q28: HPA 和 VPA 能否同时使用？如何配合
答题思路
从 HPA 和 VPA 的功能差异出发，解释同时使用的限制和配合方式。三级参考答案
B 级：
HPA 调整 Pod 副本数（水平伸缩），VPA 调整 Pod 的 requests/limits（垂直伸缩）。不能对同一指标（如 CPU）同时使用 HPA 和 VPA，会互相冲突。
A 级：
可以配合使用：HPA 基于 CPU 伸缩副本数，VPA 基于 Memory 调整 requests。或者 HPA 基于自定义指标（如 QPS），VPA 基于 CPU/Memory。VPA 的推荐模式（Off/Initial/Auto），Auto 模式会自动重启 Pod 应用新的 requests。
S 级：
VPA 的限制：1) 不能与基于 CPU/Memory 的 HPA 同时使用；2) 更新 requests 需要重启 Pod；3) 不支持 StatefulSet。替代方案：KEDA（Kubernetes Event-driven Autoscaling）基于事件驱动伸缩（如 Kafka lag、Prometheus 指标），比 HPA 更灵活。生产推荐：HPA（自定义指标）+ VPA（Off 模式，仅推荐）+ Cluster Autoscaler。
Q29: QoS 等级是如何计算的，对驱逐有什么影响
答题思路
从三种 QoS 的计算规则出发，解释驱逐优先级。三级参考答案
B 级：
三种 QoS：Guaranteed（requests = limits）、Burstable（requests < limits）、BestEffort（未设置 requests/limits）。驱逐优先级：BestEffort 最先被驱逐，Guaranteed 最后。
A 级：
Guaranteed 的条件：所有容器都设置了 requests 和 limits，且 requests == limits（CPU 不设置 limits 也算 Guaranteed，只要 requests 相等）。节点内存不足时，kubelet 按 BestEffort → Burstable → Guaranteed 顺序驱逐。
S 级：
驱逐细节：Burstable Pod 的驱逐优先级按
usage/requests比率排序（比率高的先驱逐）。OOMKilled 不同于节点级驱逐：OOMKilled 是 cgroup 内存限制触发，只影响单个容器；节点级驱逐是 kubelet 检测到节点内存压力后主动驱逐 Pod。可通过eviction-hard和eviction-soft配置驱逐阈值。
Q30: 如何实现 GPU 调度
答题思路
从 K8s 的 GPU 调度机制出发，解释 device plugin 和 vGPU 方案。三级参考答案
B 级：
K8s 通过 Device Plugin 机制调度 GPU。NVIDIA device plugin 将 GPU 注册为可扩展资源（
nvidia.com/gpu），Pod 通过resources.limits请求 GPU。
A 级：
GPU 调度限制：1) 只能请求整数个 GPU（不能共享）；2) GPU 不支持超卖；3) 调度器通过 Filter 阶段检查节点 GPU 可用性。MIG（Multi-Instance GPU）允许将 A100 切分为多个实例，每个实例独立调度。
S 级：
vGPU 方案：HAMi（异构 AI 算力虚拟化）和 NVIDIA MPS 允许 GPU 共享，提高利用率。HAMi 支持显存和算力两个维度的切分。调度器扩展：使用 scheduler extender 或 scheduling framework 插件实现 GPU 拓扑感知调度。GPU 监控：DCGM Exporter 采集 GPU 指标，通过 Prometheus + Grafana 可视化。生产建议：训练任务用整卡，推理服务用 vGPU 共享。