作为K8s小白/运维新手，你是不是也遇到过这些头疼事？
- 给应用配CPU/内存全靠“拍脑袋”，配多了浪费资源、增加成本，配少了服务崩了背锅；
- 想优化资源，却看不懂复杂的监控数据，不知道从哪下手；
- 自定义脚本开发门槛高，调试半天还怕误操作影响业务。
今天给大家分享一个零开发、一键部署的K8s资源优化方案——VPA（垂直Pod自动扩缩器）+ Goldilocks，相当于给你的K8s集群配了“资源配置大脑+可视化眼睛”，小白也能10分钟上手，精准优化资源配置！
一、先搞懂：这俩工具到底能干嘛？
不用记复杂概念，用两个比喻帮你秒懂：
- VPA（Vertical Pod Autoscaler）：K8s官方“资源优化大脑”
自动监控Pod的历史CPU/内存使用率，计算出“不多不少”的最优配置（requests/limits），还能根据策略自动更新配置，不用人工干预。 - Goldilocks：可视化“资源配置仪表盘”
本身不做优化，专门把VPA的分析结果做成直观的网页，用颜色标注“配置合理（绿）、浪费（黄）、不足（红）”，小白也能一眼看明白。
两者搭配：VPA负责“算”，Goldilocks负责“展示”，再加上简单的命令就能完成优化，完美解决小白的资源配置难题！
二、前提准备：3个基础条件（必看！）
在部署前，确保你的环境满足这3个条件，否则会失败：
- 有一个正常运行的K8s集群（v1.19+最佳，低版本可能兼容问题）；
- 集群能正常访问外网（需要拉取镜像和部署文件）；
- 提前部署
Metrics Server（VPA依赖它获取Pod资源使用率，小白直接复制命令部署即可）。
三、核心步骤：一键部署，全程复制粘贴
第一步：部署Metrics Server（前提依赖）
打开终端，直接复制以下命令，回车执行：
# 部署最新版Metrics Server
kubectl apply -f https://github.com/kubernetes-sigs/metrics-server/releases/latest/download/components.yaml
# 验证是否部署成功（看到Running状态就没问题）
kubectl get pods -n kube-system -l k8s-app=metrics-server
✅ 若出现“ImagePullBackOff”：是镜像拉取问题，替换镜像为国内源，执行以下命令：
# 替换Metrics Server镜像为阿里云源
kubectl set image deployment/metrics-server -n kube-system metrics-server=registry.aliyuncs.com/google_containers/metrics-server:v0.6.4
第二步：一键部署VPA（资源优化大脑）
VPA是K8s官方工具，直接用官方部署文件，复制命令执行：
# 部署VPA（v0.13.0版本，兼容大多数K8s集群，若集群版本<1.24，可换v0.12.0）
kubectl apply -f https://github.com/kubernetes/autoscaler/releases/download/vpa-0.13.0/vpa-v0.13.0.yaml
# 验证部署成功（3个组件都Running即可）
kubectl get pods -n kube-system -l app=vpa
第三步：一键部署Goldilocks（可视化仪表盘）
用Helm部署最简便，先安装Helm（若已安装可跳过），再部署Goldilocks：
# 1. 安装Helm（Linux/Mac通用，Windows直接下载exe：https://helm.sh/docs/intro/install/）
curl -fsSL -o get_helm.sh https://raw.githubusercontent.com/helm/helm/main/scripts/get-helm-3
chmod 700 get_helm.sh
./get_helm.sh
# 2. 部署Goldilocks
helm repo add fairwinds-stable https://charts.fairwinds.com/stable
helm repo update
helm install goldilocks fairwinds-stable/goldilocks --namespace goldilocks --create-namespace
# 3. 验证部署成功
kubectl get pods -n goldilocks
四、实战操作：3步完成应用资源优化
部署完成后，我们以一个 default命名空间下的 my-app Deployment为例，教你完整的优化流程：
第一步：为应用开启VPA分析
创建一个VPA配置文件（直接复制以下内容，保存为 vpa-my-app.yaml）：
apiVersion: autoscaling.k8s.io/v1
kind: VerticalPodAutoscaler
metadata:
name: my-app-vpa # 自定义VPA名称，和应用对应
namespace: default # 应用所在的命名空间
spec:
targetRef:
apiVersion: "apps/v1"
kind: Deployment # 若应用是StatefulSet，这里改StatefulSet
name: my-app # 你的应用名称
updatePolicy:
updateMode: "Auto" # 自动更新资源配置（小白推荐用Auto，安全）
resourcePolicy:
containerPolicies:
- containerName: '*' # 匹配应用的所有容器
minAllowed: # 最小资源限制（防止配置过小崩服务）
cpu: 50m
memory: 64Mi
maxAllowed: # 最大资源限制（防止配置过大浪费）
cpu: 1000m
memory: 1Gi
执行命令，应用配置：
kubectl apply -f vpa-my-app.yaml
✅ 说明：如果你的应用是StatefulSet，只需把 kind: Deployment改成 kind: StatefulSet，其他不变。
第二步：访问Goldilocks，查看优化推荐
执行以下命令，把Goldilocks的界面映射到本地（小白不用懂原理，直接复制）：
kubectl port-forward -n goldilocks svc/goldilocks-dashboard 8080:80
打开浏览器，输入 http://localhost:8080，就能看到可视化界面：
- 左侧选择应用所在的命名空间（比如
default）； - 找到你的应用（
my-app），界面会显示3类关键信息： * 当前配置：你现在给应用配的CPU/内存；- 推荐配置：VPA计算出的最优配置；
- 使用率：应用实际的资源使用情况（绿色=合理，黄色=浪费，红色=不足）。
第三步：一键应用推荐配置
在Goldilocks界面上，找到“Recommended Requests”（推荐配置），复制对应的CPU和内存值，然后执行以下命令（替换成你的应用信息）：
# 示例：优化default命名空间下的my-app Deployment
kubectl patch deployment my-app -n default -p '{"spec":{"template":{"spec":{"containers":[{"name":"my-app-container","resources":{"requests":{"cpu":"150m","memory":"256Mi"}}}]}}}'
✅ 说明：
name: "my-app-container"要替换成你应用的容器名称（可通过kubectl describe pod 应用名称 -n 命名空间查看）；- 执行后会触发应用滚动更新，新Pod会自动使用优化后的资源配置，不影响业务运行！
五、小白必看：常见问题故障排查
- Metrics Server部署后状态异常？
解决方案：用阿里云镜像重新部署（前面已给出命令），或检查集群网络是否能访问外网。 - Goldilocks界面看不到应用？
解决方案：确认VPA配置文件的namespace和name是否和应用一致，且应用处于Running状态。 - VPA不生成推荐？
解决方案：VPA需要收集一段时间（约5-10分钟）的资源数据才会生成推荐，耐心等待；或检查应用是否有正常的流量（无流量可能无法生成数据）。 - 执行patch命令报错？
解决方案：检查容器名称是否正确，或YAML格式是否有误（复制命令时注意引号是否完整）。
六、总结：
- 零开发：不用写一行代码，复制命令就能部署；
- 低门槛：可视化界面，不用懂复杂的监控指标；
- 高安全：VPA支持自动更新，也可手动确认，避免误操作；
- 官方背书：VPA是K8s官方工具，稳定性有保障，Goldilocks是开源明星项目，社区活跃。
用这个方案，小白也能快速搞定K8s资源优化，告别“凭感觉配置”的痛苦，既节省成本，又能避免服务因资源不足崩溃～
互动交流
如果操作过程中遇到问题，或有其他K8s小白疑问，欢迎在评论区留言！觉得有用的话，点赞+收藏吧～
评论区