为何我的AWS EKS集群运行异常？Spot实例容量无法满足问题排查

以下是导致你遇到问题的主要原因，结合AWS Spot实例的运行机制逐一说明：

• EC2 Spot容量池资源耗尽
  Spot实例本质是AWS的闲置EC2容量，当你指定的实例类型、可用区（AZ）对应的容量池被同区域其他用户抢占完毕时，AWS就会返回UnfulfillableCapacity错误。你的集群设置了27台Spot实例的扩缩容目标，当Pod自动扩缩容触发节点创建请求时，若对应容量池没有足够剩余资源，就无法启动新实例；同时如果现有Spot实例被AWS回收（Spot的常规中断机制），就会出现集群节点数骤降、服务中断的情况，直到容量池恢复剩余资源后才能重新创建节点。

• 节点组配置过于单一
  如果你的Spot节点组仅配置了单一实例类型+单一可用区，容错性会极低。一旦该组合的容量池出现资源紧张，就会直接触发创建失败。很多用户为简化配置只选一种实例类型，这是Spot实例部署的常见误区。

• Spot价格或中断策略限制
  若你为Spot节点组设置了远低于当前市场价的价格上限，AWS会拒绝分配实例；另外，若中断行为配置过于保守（比如设置了不允许中断），也可能导致资源分配失败。不过这类情况引发的报错通常会伴随价格相关提示，但仍需排查确认。

• EKS扩缩容逻辑的连锁反应
  Pod自动扩缩容触发节点创建请求，但Spot节点组因容量不足无法满足需求，同时部分现有Spot实例被AWS回收，两者共同导致集群节点数低于服务所需的最小规模，进而引发Pod Pending、服务不可用。当后续容量池恢复后，节点组才能正常完成扩缩容，集群恢复正常。

排查验证方向 #

• 登录EC2控制台查看Spot请求历史，定位失败请求对应的实例类型、可用区，检查这些维度的容量池状态（AWS控制台提供Spot容量建议）。
• 检查EKS节点组的实例类型配置，确认是否启用了实例类型多样化（比如选择同规格的多个实例类型，如m5.large、m5a.large、m5n.large），同时覆盖多个可用区。
• 核对Spot节点组的价格设置，确认是否采用"随市场价"模式，而非设置过低的固定价格上限。
• 查看CloudTrail日志，搜索TerminateInstances事件，确认是否有Spot实例被回收的记录，结合实例创建失败的时间点，验证是否是回收+创建失败共同导致的集群缩容。

内容的提问来源于stack exchange，提问作者gundocan