K8s中运行多份PyTorch容器占用大量磁盘空间的优化咨询

可以避免容器文件系统的重复拷贝 #

容器镜像的分层存储机制就是用来解决这类问题的——只要你的K8s节点使用的容器运行时（Docker、containerd等）配置了主流存储驱动（比如overlay2），同一个镜像的所有Pod实例会共享底层的只读镜像层。也就是说，20个PyTorch容器只会在节点上存储一份3GB的镜像数据，每个实例仅会生成极小的可写层（用于存储运行时临时数据，比如日志、进程临时文件等），实际磁盘占用远低于60GB。

如果当前节点确实出现了重复存储的情况，大概率是存储驱动配置有误，或者镜像被重复构建（哪怕微小改动都会生成新的镜像层）。你可以通过docker system df（Docker环境）或crictl images（containerd环境）命令查看节点的镜像存储情况，确认是否存在重复的镜像层。

设置只读文件系统不能直接解决重复存储，但能优化磁盘占用 #

将容器根文件系统设为只读，核心作用是限制容器运行时写入镜像层，避免每个容器的可写层无意义膨胀，但它本身不会改变镜像层的共享逻辑——只要存储驱动配置正常，不管是否开启只读，镜像层都会被多个实例共享。不过开启只读后，能进一步减少每个容器的额外磁盘占用，同时提升容器安全性（防止误操作或恶意修改镜像内容）。

在K8s中配置只读根文件系统很简单，只需在Pod的容器定义里添加securityContext.readOnlyRootFilesystem: true；如果容器需要写入临时数据，可以挂载emptyDir卷到对应路径：

apiVersion: v1
kind: Pod
metadata:
  name: pytorch-demo
spec:
  containers:
  - name: pytorch-container
    image: your-pytorch-image:latest
    securityContext:
      readOnlyRootFilesystem: true
    volumeMounts:
    - name: tmp-dir
      mountPath: /tmp
  volumes:
  - name: tmp-dir
    emptyDir: {}

额外优化建议 #

• 使用轻量化基础镜像：优先选择基于Alpine的PyTorch镜像，替代体积较大的Ubuntu镜像，直接缩小镜像总大小。
• 优化镜像分层：将PyTorch等依赖库放在单独的镜像层，业务代码放在上层，修改代码时不会重建依赖层，依然能共享底层的依赖数据。
• 配置镜像清理策略：在K8s节点上设置镜像自动清理规则，避免旧镜像堆积占用磁盘空间。

内容的提问来源于stack exchange，提问作者Nikola Borisov