Flink on K8s如何设置CPU最小与最大资源值

方案1：手动修改原生部署的K8s资源配置 #

Flink原生flink run-application命令默认会将CPU的request和limit设为相同值，你可以在部署完成后通过kubectl patch修改Pod的资源配置，分开设置启动所需的高CPU limit和运行时的低CPU request：

# 修改TaskManager Deployment的资源配置
kubectl patch deployment <your-taskmanager-deployment-name> -p '{"spec":{"template":{"spec":{"containers":[{"name":"flink-taskmanager","resources":{"requests":{"cpu":"0.5"},"limits":{"cpu":"4"}}}]}}}'

也可以提前编写自定义的K8s部署模板，直接在模板中指定不同的request和limit，再通过Flink命令引用模板部署。

方案2：通过Flink Operator的Pod模板覆盖资源配置 #

如果使用Flink Operator，默认会同步Flink配置中的CPU值到request和limit，你可以在FlinkDeployment CR中通过Pod模板直接覆盖资源字段，实现request和limit分离：

apiVersion: flink.apache.org/v1beta1
kind: FlinkDeployment
metadata:
  name: your-flink-job
spec:
  jobManager:
    replicas: 1
    resource:
      cpu: 1
      memory: "2048m"
  taskManager:
    resource:
      cpu: 1 # 这个值会被Pod模板覆盖，可保留默认
      memory: "4096m"
    podTemplate:
      spec:
        containers:
          - name: flink-taskmanager
            resources:
              requests:
                cpu: "0.5" # 运行时预留的低CPU
              limits:
                cpu: "4" # 启动阶段所需的高CPU上限
  job:
    jarURI: local:///opt/flink/examples/streaming/WordCount.jar
    parallelism: 2

方案3：结合Flink动态资源调整优化 #

开启Flink的声明式资源模式，让作业根据负载自动调整TaskManager数量，配合K8s的弹性资源配置进一步减少浪费：

1. 在Flink配置中添加：

   jobmanager.resource.declarative-mode: true
   taskmanager.resource.dynamic-resource-adjustment.enabled: true
   

2. 配合上述K8s的request/limit设置，启动时用高CPU limit保证初始化，运行时Flink自动缩减TaskManager，K8s回收空闲资源。

注意事项 #

• 确保K8s集群支持Burstable QoS类型（request < limit），Pod能正常调度和运行。
• 启动阶段的CPU峰值必须低于limit值，避免被K8s限流（throttle）导致启动失败。
• 使用Flink Operator时，需确认Operator版本支持Pod模板的资源覆盖，旧版本可能需要升级。

内容的提问来源于stack exchange，提问作者ikiler