问题描述
我正在 GKE 区域集群上使用自动缩放抢占式节点批量处理数据。 GPU 时不时地变得稀缺。我没有切换区域来追逐 GPU（我已经这样做了），而是尝试更改为多区域配置。在我看来，在一些轻到中等规模的工作负载上一切正常。
我在 UI 中看到有关不平衡节点池的警告，因为节点池似乎在有可用资源的区域中扩展。这个警告严重吗？不同区域的不同节点编号有什么影响？我应该为每个区域运行单独的池吗？
我在节点之间有大量的通信——我的带宽受到不同区域中的工作人员的影响有多大？ GKE docs 表示没有入口限制，只是出口比区域内慢，比区域间快。
解决方法
根据 Bandwidth 汇总表，入口和出口没有限制，与区域内的连接相比，部署在多专区中的节点之间的带宽连接略低。
集群自动扩缩程序仅在扩展事件期间跨区域进行平衡。 Cluster autoscaler 会缩减未充分利用的节点，而不管节点池中底层托管实例组的相对大小如何，这会导致节点在区域之间分布不均。
如果您指定最少零个节点，则空闲节点池可以完全缩减。但是，集群中必须始终至少有一个节点可用才能运行系统 Pod。
有关平衡节点组的更多信息，请参阅 link。
