GKE区域集群高可用疑问：单可用区工作负载迁移与容灾能力确认

核心结论 #

区域集群的控制平面天生跨3个可用区部署，单个可用区故障不会影响控制平面，但工作负载能否自动迁移到其他可用区，完全取决于节点池配置和工作负载自身的调度规则，默认单可用区节点池的架构并不会自动完成跨区迁移。

关键细节拆解 #

• 节点池的决定性作用

  • 如果你的集群只有单可用区节点池（即所有节点都部署在故障可用区），GKE不会自动在其他可用区创建新节点池或扩容现有节点池到其他区域。此时故障可用区的节点全部不可用后，工作负载的Pod会处于Pending状态，需要手动创建多可用区节点池才能恢复。
  • 只有当节点池配置为多可用区部署（节点分布在2-3个可用区），且开启了自动扩缩容时，GKE才会在故障可用区节点下线后，自动在健康可用区补充新节点，并将工作负载调度到这些新节点上。

• 工作负载的调度规则限制

  • 如果你的工作负载通过节点亲和性、节点选择器强制绑定到故障可用区的节点（比如指定了topology.kubernetes.io/zone标签），即使集群有其他健康可用区的节点，GKE也无法将Pod调度过去，必须修改调度规则解除绑定。
  • 对于Deployment、StatefulSet这类由控制器管理的工作负载，只要没有绑定特定可用区，且集群有健康节点资源，控制器会自动重新创建Pod到健康节点上；但StatefulSet需要注意持久卷的配置——如果使用的是单可用区的PV，即使Pod迁移了，也无法访问数据，必须使用跨可用区的存储类（比如GCE Persistent Disk的区域盘）。

当前架构的容灾能力判断 #

• 如果你的集群只有单可用区节点池，且工作负载没有配置跨区调度的规则：不具备自动容灾能力，可用区故障后工作负载会中断，需要手动介入恢复。
• 如果工作负载没有绑定特定可用区，且集群存在多可用区节点池（或已配置自动扩缩容的多可用区节点池）：具备自动容灾能力，GKE会自动完成工作负载的跨区迁移。

内容的提问来源于stack exchange，提问作者Deepak Mishra