robustadev/krr Docker 镜像 - 轩辕镜像 | Docker 镜像高效稳定拉取服务

Kubernetes Resource Recommender (KRR) 镜像文档

镜像概述和主要用途

Kubernetes Resource Recommender (KRR) 是一款专注于优化Kubernetes集群资源分配的工具。它通过分析集群中应用的资源使用模式，为用户提供科学的CPU、内存等资源配置建议，帮助平衡资源利用率与应用稳定性，避免资源过度分配导致的浪费或分配不足引发的性能问题。

核心功能和特性

• 资源使用分析：采集并分析Kubernetes集群中Pod的历史资源使用数据，识别资源使用趋势
• 智能资源推荐：基于分析结果生成CPU请求/限制、内存请求/限制的优化建议
• 多算法支持：支持多种推荐算法（如基于百分位数、历史峰值等），适应不同场景需求
• Kubernetes原生集成：通过Kubernetes API直接与集群交互，无需额外数据存储
• 轻量级部署：可通过Docker容器化部署，易于集成到现有CI/CD或运维流程中

使用场景和适用范围

• 新应用部署：为新部署的应用提供初始资源配置建议，避免凭经验设置导致的不合理配置
• 现有应用优化：针对运行中的应用，根据实际资源使用情况调整配置，提升资源利用率
• 集群资源审计：定期对集群内所有应用的资源配置进行检查，生成全局资源优化报告
• 资源瓶颈排查：辅助识别因资源配置不当导致的性能问题，如OOM（内存溢出）或CPU节流

使用方法和配置说明

Docker部署示例

基本运行命令

bash
docker run --rm \
  -v $HOME/.kube/config:/root/.kube/config \  # 挂载Kubernetes配置文件
  ghcr.io/krr-project/krr:latest \          # KRR镜像（请使用最新版本标签）
  recommend                                 # 执行资源推荐命令

指定命名空间分析

如需仅分析特定命名空间的资源使用情况：

bash
docker run --rm \
  -v $HOME/.kube/config:/root/.kube/config \
  ghcr.io/krr-project/krr:latest \
  recommend --namespace my-target-namespace  # 替换为目标命名空间

自定义推荐参数

调整推荐算法参数（如使用95百分位数作为推荐基准）：

bash
docker run --rm \
  -v $HOME/.kube/config:/root/.kube/config \
  ghcr.io/krr-project/krr:latest \
  recommend --percentile 95 --history-period 7d  # 95百分位数，分析7天历史数据

主要配置参数说明

注意事项

• 容器需挂载具有集群访问权限的kubeconfig文件，权限至少包含对Pod、Node、Metrics API的读取权限
• 首次运行可能需要几分钟时间采集初始数据，具体取决于集群规模
• 推荐结果应结合业务特性调整，避免直接应用导致极端场景下的资源不足