1. 污点核心概念与Effect类型
污点（Taint）是添加在Node上的属性，用于标记节点不适合运行特定Pod，只有配置了对应容忍（Toleration）的Pod才能被调度到带污点的节点上，污点的调度约束由Effect字段决定，共3种类型：
- NoSchedule（不能调度）：不匹配容忍的Pod完全不会被调度到该节点，属于硬约束，是最常用的污点策略
- PreferNoSchedule（尽可能不调度）：软约束，当其他节点均能满足Pod的资源需求时，调度器会尽量不将Pod调度到该节点；仅当其他节点均无法承载Pod时，才会调度到该节点
- NoExecute（不能运行/驱离）：不仅会阻止不匹配容忍的新Pod调度到节点，还会将节点上已存在的不匹配容忍的Pod驱逐出节点。驱逐前会通过
tolerationSeconds参数给Pod预留迁移时间，例如设置为3600秒，代表Pod可在节点上停留1小时再被驱逐，避免直接驱逐导致业务瞬间中断，比直接断电更稳妥。适用场景为节点维护、物理机迭代更新、硬件损坏前主动迁移业务。
2. 容忍核心概念
容忍是Pod的配置属性，用于声明Pod可以接受哪些污点，设置了对应容忍的Pod会忽略匹配的污点约束，可以被调度到带该污点的节点上，相当于对应污点对该Pod失效。
3. 容忍配置方式
容忍的配置根据operator字段的不同，分为4种常见模式：
- 精确匹配模式：
operator设为Equal，需要同时指定key、value、effect三个字段，仅当节点的污点三个属性完全匹配时，容忍才会生效 - 存在匹配模式（不指定value）：
operator设为Exists，无需填写value字段，只要节点存在对应key的污点，无论污点的value和effect是什么，容忍都会生效 - 存在匹配模式（不指定effect）：
operator设为Exists，填写key但不填写effect，代表兼容该key下所有effect类型的污点 - 全污点容忍模式：
key、value、effect均不填写，仅指定operator为Exists，代表容忍节点上的所有污点，对所有污点约束都不做限制。
4. 多主集群Master节点污点调整实践
Kubernetes默认会给Master节点添加node-role.kubernetes.io/control-plane:NoSchedule的污点，避免业务Pod调度到Master节点，保障集群控制面稳定性，但多主集群场景下可调整污点策略兼顾资源利用率：
- 若直接移除Master节点的污点，业务Pod会大量调度到Master节点，导致Master负载过高，一旦Master故障会影响整个集群可用性，不合理
- 合理方案是将Master节点的污点
effect从NoSchedule调整为PreferNoSchedule：Master节点负载较低、工作节点可承载全部业务时，业务Pod不会调度到Master；工作节点负载过高时，调度器会将部分Pod调度到Master节点，既保障了集群冗余稳定性，又提升了节点资源利用率 - 视频中做了实验验证：在单节点Minikube集群中调整Master污点为
PreferNoSchedule后，部署100副本的Nginx Pod，所有Pod均调度到工作节点，Master无Pod运行；将副本数调整为300时，工作节点无法承载，开始有Pod调度到Master节点，符合PreferNoSchedule的软约束特性 - 注意：该调整仅适用于多主集群，单主集群无Master冗余，不建议调整，避免Master过载导致集群不可用。
5. 实际场景：GPU节点调度配置
针对需要GPU资源的业务Pod调度需求，需结合污点、容忍、节点亲和三类配置共同实现，避免普通Pod占用GPU节点、GPU业务Pod无法获取GPU资源的问题：
- 给GPU节点添加污点：例如配置
cloud.google.com/gpu=GPU:NoSchedule，默认情况下没有对应容忍的Pod不会被调度到GPU节点 - 给GPU业务Pod添加对应容忍：匹配污点的
key、value、effect，允许Pod调度到GPU节点 - 额外配置节点亲和（nodeAffinity）：强制要求Pod必须调度到带有
cloud.google.com/gpu=GPU标签的节点，避免其他节点评分更高时，GPU业务Pod被调度到非GPU节点，保证业务可以正常获取GPU资源
该组合方案是GPU节点调度的最优实践，同时实现了节点隔离和业务资源保障。
AI 总结
本小节系统讲解了Kubernetes污点与容忍的核心概念、配置逻辑及实践应用：污点通过3种Effect类型实现节点调度约束，容忍是Pod对污点的豁免机制，二者结合可实现节点资源隔离、集群稳定性保障等核心需求；同时结合多主集群Master节点优化、GPU节点调度等真实场景，演示了配置方法与效果验证，帮助掌握污点容忍在生产环境中的落地用法。