无法删除集群前提下AKS节点池vmSize升级及操作方案咨询

问题1：az aks nodepool delete命令底层是否为先排空所有节点再执行删除 #

• 是。AKS控制平面执行该命令时，会自动按以下流程处理：先对节点池内所有节点执行cordon操作标记为不可调度，再驱逐节点上所有非DaemonSet类的工作负载到集群其他可用节点，待所有可驱逐负载完成迁移后，才会删除底层虚拟机资源和节点池对象。
• 例外情况：如果工作负载配置的PodDisruptionBudget（PDB）规则不允许驱逐足够副本，排空流程会卡住，最终导致删除命令超时失败。

问题2：多节点池场景下要实现零停机，是否需要先按顺序排空所有节点后再运行删除命令 #

• 不需要额外手动执行排空操作，但需要提前完成以下前置校验，才能保证零停机：
  • 确认其余剩余节点池的可分配CPU、内存、GPU等资源总量，足够容纳待删除节点池上的所有工作负载副本
  • 确认业务工作负载都配置了多副本+跨节点/节点池反亲和策略，避免所有副本集中在待删除节点池上
  • 确认工作负载已配置合理的PodDisruptionBudget，保证驱逐过程中始终有最小可用数量的副本在线
  • 若待删除节点池上运行有StatefulSet类有状态负载，需提前校验存储类支持跨节点池挂载，避免Pod迁移后无法挂载存储导致不可用
• 若未完成上述前置配置，直接执行删除命令可能出现业务短暂不可用，该场景下可手动分批排空部分节点验证负载迁移正常后，再执行完整删除命令。

问题3：是否有其他更优实现方案 #

• 有，优先推荐使用AKS原生的节点池SKU滚动更新功能，无需删除重建节点池即可完成VM规格升级：
  • 操作命令：az aks nodepool update --resource-group <资源组名称> --cluster-name <AKS集群名称> --name <目标节点池名称> --node-vm-size <新VM规格>
  • 执行逻辑：AKS会按照节点池配置的升级策略（默认每次滚动替换1个节点，可通过max-surge参数自定义并发数），先创建指定规格的新节点，排空并下线旧规格节点，全程自动执行无需人工干预
  • 优势：无需重建节点池，可保留节点池原有污点、标签、自动伸缩配置、OS配置等所有设置，滚动过程可控度更高，对业务影响更小
• 注意：该功能要求AKS集群版本≥1.24，且节点池为虚拟机规模集（VMSS）模式，经典可用性集（Availability Set）模式节点池不支持。

内容的提问来源于stack exchange，提问作者jbnasngs