在上一章节中，介绍了pod，以及介绍了如何使用命令行来创建一个pod。那么问题来了，一般来说，我们部署微服务不可能只部署一个噻，肯定是部署多个，但是我们总不可能说，写一个for循环，启动多个pod，并且如果pod挂了，我们又不能说实时观察，肯定是希望pod能够自动创建重启。那么这些如何做到呢？这便是今天我们介绍的Deployment的功能了。
1. ReplicaSet（RS）
在介绍Deployment之前，首先需要介绍一下RS。RS，顾名思义，就是副本集，本质上就是一个资源对象，它定义了pod副本的数量，如何创建新pod，以及通过标签识别pod，目的就是确保集群中始终运行指定数量的pod副本。他的作用很简单：
Pod 挂了 → 自动重建
Pod 被删了 → 自动补上
Pod 数量 ≠ 期望值 → 调整到期望值
看到上面这些问题，是不是似曾相似，这不就是之前在k8s基础概念[^1]提到的kube-controller-manager吗？YES，sir！是的，kube-controller-manager运行着多个控制器（controller，负责管理对应的资源对象），其中有一个就是Replication Controller，当我们创建一个ReplicaSet的时候，kube-controller-manager就是监听RS这个资源对象，然后检查。
例如，如下yaml定义便是创建一个RS，在yaml定义中，我们会定义rs管理的标签，也就是nginx和prob，同时我们也会定义pod的创建模板，在模板中我们定义了pod的标签也为nginx和prob。 这样，RS在管理的时候，就是将对应标签的pod纳入到管理中。当他发现少了pod，则会创建，多了，则会删除。
apiVersion: apps/v1
kind: ReplicaSet
metadata:
name: nginx-rs
spec:
replicas: 3
selector: # ← 标签，这就是“认亲规则”
matchLabels:
app: nginx
env: prod
template: # 创建pod的规则
metadata:
labels:
app: nginx # ← 必须满足 selector！
env: prod
spec:
containers:
- name: nginx
image: nginx:latest
下面是RS的工作原理图，可以结合前面章节的内容进行参考：
image
2. Deployment
在上面小节中，详细的介绍了ReplicaSet相关的作用以及工作流程，RS通过定义pod的数量相关资源对象，来确保集群中pod数量。那么有了这个，为什么我们还需要Deployment呢？
Deployment提供了对pod和ReplicatSet的管理方式，从名字上我们就能看出，Deployment对应了的集群中的一次部署。当我们创建一个Deployment资源对象的时候，Deployment控制器就会自动创建一个RS资源对象。然后RS控制器又会根据RS里面定义的规则，最终创建对应数量的pod。看起来，似乎Deployment的功能和RS类似，但是相比于RS，deployment提供了更多的功能。
让我们想想，RS有什么局限性？在实际的开发生产中，我们的应用需要更新或者在必要时进行回滚。那么就需要进行如下操作：
升级应用镜像版本：比如说nginx从1.0→2.0
滚动更新（逐步替换旧pod）
更新失败自动回滚到上一版本
更新速度控制（例如一次只更新一个pod）
灰度发布
那么问题来了，RS能提供这些功能吗？答案是不能。如果我们需要更新镜像版本，那么必须要先创建新的RS，等新的pod启动后，再删除老的pod。但是却没法控制更新速度，以及进行自动归滚。当然，你要是说，我手动模拟这个过程，那确实也行，不过这样的，风险就太高了，毕竟手动操作怎么比得上程序自动操作的有序性和精准性。
image
如下便是一个deployment的定义：
apiVersion: apps/v1
kind: Deployment
metadata:
name: nginx-deployment
labels:
app: nginx
spec:
replicas: 3
selector:
matchLabels:
app: nginx
template:
metadata:
labels:
app: nginx
spec:
containers:
- name: nginx
image: nginx:1.14.2
ports:
- containerPort: 80
运行之后，则会生成3个pod：
image
同时也生成了1个rs：
image
如果我此时更新deployment对应的镜像，我们可以看到，k8s自动生成了新的rs，并且保留了之前版本的历史记录：
image
3. Deployment资源配置
在Docker中，我们可以配置容器的计算资源，比如说CPU内存，当然在k8s中，我们也当然可以进行相关的配置。
apiVersion: apps/v1
kind: Deployment
meta
name: my-app
spec:
replicas: 2
selector:
matchLabels:
app: my-app
template:
meta
labels:
app: my-app
spec:
containers:
- name: app-container
image: nginx:1.25
resources:
requests:
memory: "64Mi"
cpu: "250m"
limits:
memory: "128Mi"
cpu: "500m"
k8s调度器会根据 requests 值选择有足够资源的节点,表示容器至少需要这么多资源才能正常运行。limits则表示容器最多可以使用的上线，如果内存超过limit，则会OOMKilled，如果cpu超过limit，则会被节流。CPU的单位有点奇葩，是m，其中1000m=1核。
requests和limit主要有以下用途：
平时：Pod 按 requests 保证最低资源（用于调度和资源预留）。
高峰期：如果节点有空闲资源，Pod 可以 临时使用更多资源（最多到 limits），实现“爆发”。
资源紧张时：Kubernetes 会优先保障 requests，并可能限制或驱逐低 QoS 的 Pod。
学过操作系统的我们知道，在Linux系统中，会实现某些调度器（比如CFS）来将cpu的时间分配给某些进程。因此，在k8s中配置pod的cpu资源大小，本质上就是在配置cpu的调度时间。具体的可以参考linux的cgroup是如何分配CPU资源。
但是在使用中，我们需要注意，尽量让内存的requests和limits大小尽量不要偏差太大。因为cpu从limits大小的资源变成requests，无非就是算的慢一点。但是如果是内存从大变小，便可能会出现OOMKilled问题（因为本来程序占用了4G的内存资源，现在变成了1G，能不OOM吗？）。
4. 总结
