求EKS集群单副本Pod节点自动扩缩容时的零停机解决方案

针对EKS集群中Cluster Autoscaler节点扩缩容导致单副本Pod迁移时服务中断（旧Pod提前终止、新Pod未就绪）的问题，可通过以下关键配置组合解决：

1. 配置Pod Disruption Budget（PDB）约束自愿中断行为 #

Cluster Autoscaler的节点驱逐属于自愿中断，PDB能确保集群在这类操作中维持指定数量的可用Pod。单副本场景下设置minAvailable: 1，强制Cluster Autoscaler必须等新Pod完全就绪后，才能终止旧Pod。

示例PDB配置：

apiVersion: policy/v1
kind: PodDisruptionBudget
metadata:
  name: app-pdb
spec:
  minAvailable: 1
  selector:
    matchLabels:
      app: your-app # 替换为你的Pod标签

2. 调整Deployment滚动更新策略 #

将Deployment的滚动更新策略设置为maxUnavailable: 0，确保Pod重建（含节点驱逐触发的重建）过程中始终有一个可用Pod运行，旧Pod不会在新Pod就绪前被终止。

示例Deployment策略配置：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: your-app-deployment
spec:
  replicas: 1
  strategy:
    rollingUpdate:
      maxSurge: 1       # 允许额外创建1个Pod
      maxUnavailable: 0 # 不允许任何Pod不可用
    type: RollingUpdate
  selector:
    matchLabels:
      app: your-app
  template:
    metadata:
      labels:
        app: your-app
    spec:
      containers:
      - name: app-container
        image: your-app-image:latest
        ports:
        - containerPort: 80
        readinessProbe: # 必须配置就绪探针，确保K8s能准确判断Pod是否就绪
          httpGet:
            path: /healthz
            port: 80
          initialDelaySeconds: 10
          periodSeconds: 5

3. 配置Pod生命周期钩子（可选，额外保障） #

添加preStop钩子延迟旧Pod的终止时间，给负载均衡器足够时间将流量切换到新Pod，避免短暂502响应。同时配合terminationGracePeriodSeconds确保宽限期足够。

示例生命周期钩子配置：

spec:
  containers:
  - name: app-container
    # ... 其他配置 ...
    lifecycle:
      preStop:
        exec:
          command: ["sleep", "20"] # 根据实际流量切换时间调整
  terminationGracePeriodSeconds: 40 # 需大于preStop延迟时间，确保钩子执行完成

注意事项 #

• 必须为Pod配置就绪探针：K8s依赖就绪探针判断Pod是否真正可用，无就绪探针时，即使容器启动，K8s也无法确认服务就绪，会导致旧Pod提前终止。
• 确保Cluster Autoscaler版本≥1.14：旧版本对PDB的支持不完善，建议使用EKS官方推荐的稳定版本。
• 验证配置：部署完成后，可手动标记节点为不可调度并驱逐Pod，观察旧Pod是否在新Pod进入Ready状态后才切换为Terminating。

内容的提问来源于stack exchange，提问作者Kelvin Wong