关于GKE Autopilot节点缩容忽略PDB导致应用短暂不可用的技术咨询

你的理解完全正确。当两个应用副本都运行在同一个节点上时，**Cluster Autoscaler（CA）会因为PodDisruptionBudget（PDB）**允许移除1个副本的条件被满足，触发节点缩容并驱逐该节点上的所有Pod，完全忽略此举会导致两个副本同时被删除的实际情况，最终造成应用短暂不可用。

具体原因 #

CA在节点缩容前的校验逻辑仅针对单个节点上的Pod对应的PDB规则：只要该节点上的Pod所属的PDB允许至少1个Pod被中断，CA就会认为该节点可以被安全终止。但它不会校验这个节点上的Pod是否是该应用的全部副本，也不会考虑驱逐整个节点的Pod会实际超出PDB允许的中断数量。

从你提供的PDB状态也能看出：

status:
  conditions:
  - lastTransitionTime: "2023-07-28T16:03:34Z"
    message: ""
    observedGeneration: 1
    reason: SufficientPods
    status: "True"
    type: DisruptionAllowed
  currentHealthy: 2
  desiredHealthy: 1
  disruptionsAllowed: 1
  expectedPods: 2
  observedGeneration: 1

disruptionsAllowed: 1明确表示当前允许中断1个Pod，这会让CA认为终止节点的操作符合PDB要求，但实际驱逐会一次性删除2个Pod，直接违反了PDB“至少保持1个副本可用”的规则。

解决建议 #

• 立即配置Pod反亲和性，强制两个应用副本分布在不同的节点上。这样即使某个节点被缩容，只会中断其中1个副本，剩余的副本仍能正常提供服务，完全符合PDB的约束。
• 后续可以关注GKE Autopilot的缩容策略更新，但核心解决方案还是通过Pod拓扑分布避免所有副本集中在单一节点。

内容的提问来源于stack exchange，提问作者Dawid Janczak