在 Kubernetes 中，CPU 资源的配置使用单位为 millicore（毫核），即每个 CPU 核心被分成 1000 份。因此，在 Kubernetes 中，1 Core 可以表示为 1000m。
对于容器来说，CPU 的资源是可以进行限制和分配的。当 Pod 内多个容器共享同一个 Node 上的 CPU 时，Kubernetes 使用 CPU 分配策略来保证各个容器之间的公平性和稳定性。而对于单个容器而言，需要根据实际情况来设定其所需的 CPU 资源大小。
那么为什么在 K8s 上跑的容器需要配置为 100m 到 300m 呢？
首先，大量的应用场景表明，在一般情况下大部分应用并不会持续使用到全部可用 CPU 资源，并且很难预测应用程序未来可能出现的负载峰值。因此，在 Kubernetes 中建议将 CPU 资源限制设置在比较低的范围内（例如：100m~300m），以便让系统有更好地控制和调度资源。
其次，在 Kubernetes 集群中运行多个 Pod 和多个 Node 是非常普遍的情况。如果您将某些容器中指定了过高的资源限制，则可能会导致系统无法再给其他 Pod 分配足够资源，从而造成系统的不稳定和崩溃。因此，为了防止出现这种情况，通常建议将 CPU 资源限制设定在相对较低的值。
最后，在 Kubernetes 中还有一些自动扩容机制（例如：HPA、VPA 等），它们会根据实际情况自动调整 Pod 的副本数量和资源分配，以便让应用程序始终处于最优状态。而这些自动化机制需要一个相对合理的 CPU 限制范围来进行调节。
总之，在 Kubernetes 中设置合适的 CPU 限制范围是非常重要的，并且需要根据具体场景和需求进行灵活配置。
&1 请帮我分析有什么问题，这是在操作shar..." />
