《Kubernetes 分布式系统原理深入解析》6.1 PV/PVC/StorageClass 三级抽象

有状态应用要存储,但「存储是谁的」需要三个对象分工回答:PV 是已被提供的资源、PVC 是消费请求、StorageClass 定义如何供应。本节剖析 binder 在容量、访问模式、存储类与未绑定四条约束下的匹配逻辑,以及 Static 预置与 Dynamic 按需两条供给路径。lab 用 storage 包的 Binder 验证容量跳过、存储类匹配、已绑定排除与访问模式四条绑定语义。

6.1 PV/PVC/StorageClass 三级抽象

前五章解决了「流量怎么走」,这一章解决「数据怎么留」。有状态应用把数据写进卷,但「这个卷是谁的、谁在用它、下次谁还能用它」不能靠口头约定——K8s 用一个三级对象模型把答案固定下来:PV 描述「已经存在的存储资源」,PVC 描述「我要多少存储」,StorageClass 描述「这类存储怎么被造出来」。

本节拆解这三个对象的分工,重点落在连接它们的 binder:那个为 PVC 挑选匹配 PV 的组件,到底按什么规则做决定。

三个对象:谁拥有、谁声明、谁提供

先给三个对象各贴一个标签,它们在语义上完全不同:

对象标签作用域一句话角色
PV已被提供的资源集群级一块真实存储的集群视图(云盘 ID、NFS share)
PVC消费请求命名空间级用户说「我要多大、什么模式、什么类」
StorageClass供应模板集群级规定「谁来造、怎么造、造完怎么回收」

最容易被忽略的是 PV 的「集群级」地位:PV 不属于任何命名空间,就像机房里的磁盘不天然属于某个部门。PVC 才把这种「无名资源」和「具体租户」绑起来。StorageClass 则站在更抽象的一层——它不是一块存储,而是一份制造说明书。

谁分配、谁消费、谁提供

三级抽象的分工可以浓缩成一句话:StorageClass 决定谁提供,PV 是提供的结果,PVC 是消费的入口。

  • 谁分配(allocate):管理员静态创建 PV,或 provisioner 按 StorageClass 动态创建 PV——分配动作只产生「可用资源」。
  • 谁消费(consume):工作负载只面向 PVC 声明需求,从不直接碰 PV;PVC 绑定某个 PV 后,Pod 通过 volume 字段引用 PVC 的名字。
  • 谁提供(provision):StorageClass 里的 provisioner 字段点名提供者,例如 ebs.csi.aws.com、nfs.csi.k8s.io;没有 StorageClass 时,靠管理员预置的 Static PV 提供。

消费和提供被 PVC 隔开是这套设计的精髓:应用永远只见「声明」,不见「实现」。换存储后端只需改 StorageClass 与 PV,Pod 清单一行不动——这正是第 7 章 CSI 规范要服务的解耦目标。

binder 匹配的四条约束

PV 与 PVC 不是「见者有份」:binder 为 PVC 挑选 PV 时按四条约束依次过滤,缺一条都不绑:

约束lab 字段过滤逻辑
容量足够SizeGiB >= RequestGiB容量不足的 PV 直接跳过,不绑定小卷硬塞
访问模式兼容AccessModes 子集包含PV 的模式集合必须包含 PVC 要求的每一个模式
存储类相同StorageClass 相等不同类的卷不跨类绑定(无类 PVC 走默认类)
未绑定BoundTo == ""已绑定的 PV 绝不重复绑定,保证一对一

Binder.Bind 的实现就是按这个顺序的线性扫描:先排除已绑定与异类,再查容量,最后查访问模式,全部通过才把 pv.BoundTo 和 pvc.BoundPV 互相写死。四条约束对应本节的四个 lab 测试,是绑定语义的最小可验证集合。

值得注意「容量足够」的细节:binder 只看 pv.SizeGiB >= pvc.RequestGiB,即够用就绑,不做「最合适」的贪心。一个请求 50Gi 的 PVC 在 100Gi 与 200Gi 两个 PV 间会绑到先扫到的那个,而不是最小满足者。真实 K8s 的 persistentvolume controller 同样不做最佳拟合——这避免了大 PV 被小请求长期占用时出现「怎么都不合适」的调度难题。

绑定后:Pod 怎么用上这块卷

绑定完成只是「登记在案」,Pod 还要在自己的清单里引用 PVC,卷才能挂进容器:

apiVersion: v1
kind: Pod
metadata:
  name: db-pod
spec:
  containers:
    - name: mysql
      image: mysql:8
      volumeMounts:
        - name: data
          mountPath: /var/lib/mysql
  volumes:
    - name: data
      persistentVolumeClaim:
        claimName: app-data

这里有三层映射,顺序不能乱:

  1. volumes 里的 persistentVolumeClaim.claimName 把「卷名」指到 PVC。
  2. volumeMounts 里的 mountPath 把「卷」指到容器路径。
  3. 底层 PV → 云盘 → 节点上的挂载点,由第 7 章的外部组件逐层落实。

claimName 与 mountPath 是声明模型的最小接口:应用只写名字与路径,不关心卷是什么协议、挂在哪台节点。这也是三级抽象在 Pod 侧的收口。

访问模式:把单写者语义写进声明

访问模式是存储语义最关键的一行,它决定「这个卷能被几个节点同时用」:

模式全称语义
RWOReadWriteOnce单节点读写(块存储的默认语义)
ROXReadOnlyMany多节点只读
RWXReadWriteMany多节点读写(需分布式文件系统)

lab 的 accessModesOK 用「子集包含」判断兼容:PV 声明 [RWO, RWX] 就能满足一个只要 RWX 的 PVC,反之不行。这套包含关系保证应用的写入假设有据可查——申请 RWO 的数据库 PVC 绝不会被 binder 绑到一个只承诺 RWX(多写者)的卷上,因为 PV 模式不包含 RWO。

Static 供给:预置 PV 的手工对接

最朴素的路径是管理员先把存储准备好,再手工落一个 PV:

apiVersion: v1
kind: PersistentVolume
metadata:
  name: pv-nfs-01
spec:
  capacity:
    storage: 100Gi
  accessModes: ["ReadWriteOnce"]
  storageClassName: slow
  nfs:
    server: 10.0.0.10
    path: /exports/data

这个 PV 处于 Available,等待某个 slow 类、容量 ≤100Gi、模式含 RWO 的 PVC 来认领。静态供给的适用场景是外部已存在的存储:机房既有 NFS、手工划好的 LUN,或出于合规要固定卷的生命周期与命名。代价是运维手动,且容量会碎——PV 建得多了,匹配不到的碎片 PV 会长期闲置。

静态供给的匹配是「撞运气」式的:binder 按注册顺序扫描,先到先得。所以同一类下如果既有 80Gi 又有 120Gi 的 PV,而 PVC 只请求 10Gi,命中哪个全看顺序——这再次说明「容量足够」而不是「容量最近」的语义。

Dynamic 供给:StorageClass 驱动的自动创建

动态供给把「造卷」也自动化了。PVC 声明一个类,provisioner 按类的参数现场造卷,再回写 PV 完成绑定:

apiVersion: storage.k8s.io/v1
kind: StorageClass
metadata:
  name: fast
provisioner: ebs.csi.aws.com
parameters:
  type: gp3
  iopsPerGB: "3000"
reclaimPolicy: Delete
volumeBindingMode: WaitForFirstConsumer
apiVersion: v1
kind: PersistentVolumeClaim
metadata:
  name: app-data
spec:
  accessModes: ["ReadWriteOnce"]
  resources:
    requests:
      storage: 50Gi
  storageClassName: fast

PVC 落地后,外部 provisioner(第 7.1 节的主角之一)调用 ebs.csi.aws.com 的 CreateVolume 造出一块 50Gi 云盘,K8s 生成对应 PV 并把 app-data 绑上去。volumeBindingMode: WaitForFirstConsumer 还多一层语义:先等 Pod 落到某个节点再选可用区造卷,把卷建在 Pod 所在的拓扑域里——这是第 6.3 节「卷不能跨可用区漂移」的源头。

parameters 是 StorageClass 的另一张王牌:同一类后端可以通过不同参数切出不同性能档位。type: gp3 与 type: io2 就是两个类、两档成本,PVC 按需选类即可。StorageClass 把「存储形态」做成了参数化模板,而不是写死实现。

默认类与无类 PVC

PVC 不写 storageClassName 时走 default 类(集群里标记为默认的 StorageClass);没有任何默认类时,无类 PVC 只能碰无类 Static PV。集群上应只有一个默认类——多个默认类会让无类 PVC 的供应语义变得不可预期,provisioner 不知道听谁的。

两类供给对比:

维度Static 供给Dynamic 供给
卷来源管理员预置 PVprovisioner 现场 CreateVolume
容量利用碎片风险,靠匹配消化按需精确
谁负责回收管理员手工/脚本StorageClass 的 reclaimPolicy 自动
典型场景存量存储、合规固定云盘、CSI 后端、弹性需求

选择的关键不在「哪个高级」,而在「存储已经存在还是可以按需产生」:静态供给是资产盘点,动态供给是制造执行,二者共用同一套 PV/PVC 绑定语义。

一个绑定场景走查

把本节内容串成一个可跟踪的场景——请求 50Gi、slow 类、RWO 的 PVC,面对三个 PV:

PV容量类模式绑定状态binder 判定
pv-nfs-01100GislowRWOAvailable命中
pv-fast-01100GifastRWOAvailable类不符,跳过
pv-small-0110GislowRWOBound容量不足且已绑,跳过

binder 按注册顺序扫描,pv-fast-01 因类不符被拒,pv-small-01 因容量不足且已绑定被拒,最终只有 pv-nfs-01 通过全部四条约束。若 pv-nfs-01 也存在且先注册,它同样会被选走——匹配是过滤,不是择优。

三个常见误解

  • 「PVC 指定了存储大小,binder 会挑一个最接近的卷给它」——错误。binder 只做「容量足够」过滤,不做最佳拟合;首个满足条件的 PV 胜出。
  • 「PV 和 PVC 可以跨存储类随便绑定,反正都是卷」——错误。不同 StorageClass 的 PV 绝不互绑,无类 PVC 只走默认类;跨类绑定会破坏供应与回收语义。
  • 「Pod 清单里引用 PV,Pod 才能用上这块盘」——错误。工作负载只引用 PVC,PV 是绑定关系的结果;Pod 直接写 PV 名会绕过声明模型,也是不推荐的用法。

一句话总结本节

PV/PVC/StorageClass 三级抽象把「存储是谁的」拆成资源、请求、模板三个独立问题:binder 用容量、访问模式、存储类、未绑定四条约束完成匹配,Static 与 Dynamic 两条路径分别服务存量存储与按需供应。声明与实现解耦,是这套模型最持久的价值。

下一节把视线从「绑定」拉到「生命周期」:PVC 从 Pending 到 Bound,再到释放与回收,有状态应用的卷如何在扩缩容与节点迁移中保持不丢不串。

本节 lab

本节的四个测试直接落在 storage 包的 Binder 上,验证绑定匹配的四条约束:

cd private/labs/k8s-net-lab
go test ./storage -run TestBindCapacity -v
go test ./storage -run TestBindStorageClassMatch -v
go test ./storage -run TestBindExcludesBound -v
go test ./storage -run TestBindAccessModes -v
  • TestBindCapacity:请求 50Gi 时断言绑定成功且落在 100Gi 的 pv-big(10Gi 的 pv-small 被容量过滤跳过)——2 个断言,对应「容量足够」。
  • TestBindStorageClassMatch:slow 类 PVC 断言绑到 pv-slow 而非同容量的 pv-fast——2 个断言,对应「存储类相同」。
  • TestBindExcludesBound:预置 BoundTo: "other" 的 PV 断言绑定失败——1 个断言,对应「未绑定」。
  • TestBindAccessModes:只要 RWX 的 PVC 断言绑到 [RWO, RWX] 的 pv-rw 而非只 [RWO] 的 pv-rwo——2 个断言,对应「访问模式兼容」。

四个测试共 7 个断言,跑完见 ok k8s-net-lab/storage。这是三级抽象里「匹配」这一环的最小闭环:容量、类、绑定状态、访问模式四条规则全部落地为可验证行为。

继续阅读

探索更多技术文章

浏览归档,发现更多关于系统设计、工具链和工程实践的内容。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析》15.3 落地:从 Neo4j 到自研图引擎
  2. 《大规模分布式计算深入解析·图计算与图数据库内核》 · 目录与学习路径(45 篇)
  3. 《大规模分布式计算深入解析》15.2 十一卷主线:从切分到图