🥇కుబెర్నెట్‌లను అమలు చేస్తున్నప్పుడు 6 ఆసక్తికరమైన సిస్టమ్ బగ్‌లు [మరియు వాటిని ఎలా పరిష్కరించాలి]

కుబెర్నెటీస్ ఆపరేషన్‌లో 6 వినోదాత్మక సిస్టమ్ బగ్‌లు [మరియు వాటి పరిష్కారం]

ఉత్పత్తిలో కుబెర్నెట్‌లను ఉపయోగించిన సంవత్సరాల్లో, వివిధ సిస్టమ్ భాగాలలోని బగ్‌లు కంటైనర్‌లు మరియు పాడ్‌ల ఆపరేషన్‌ను ప్రభావితం చేసే అసహ్యకరమైన మరియు/లేదా అపారమయిన పరిణామాలకు ఎలా దారితీశాయి అనే దాని గురించి మేము చాలా ఆసక్తికరమైన కథనాలను సేకరించాము. ఈ వ్యాసంలో మేము చాలా సాధారణమైన లేదా ఆసక్తికరమైన వాటిలో కొన్నింటిని ఎంచుకున్నాము. అటువంటి పరిస్థితులను ఎదుర్కొనే అదృష్టం మీకు ఎప్పటికీ లేకపోయినప్పటికీ, అటువంటి చిన్న డిటెక్టివ్ కథల గురించి - ముఖ్యంగా “ఫస్ట్ హ్యాండ్” గురించి చదవడం ఎల్లప్పుడూ ఆసక్తికరంగా ఉంటుంది, కాదా?

కథ 1. సూపర్ క్రానిక్ మరియు డాకర్ హ్యాంగింగ్

క్లస్టర్‌లలో ఒకదానిలో, మేము క్రమానుగతంగా స్తంభింపచేసిన డాకర్‌ను అందుకున్నాము, ఇది క్లస్టర్ యొక్క సాధారణ పనితీరుకు ఆటంకం కలిగిస్తుంది. అదే సమయంలో, డాకర్ లాగ్‌లలో ఈ క్రిందివి గమనించబడ్డాయి:

level=error msg="containerd: start init process" error="exit status 2: "runtime/cgo: pthread_create failed: No space left on device
SIGABRT: abort
PC=0x7f31b811a428 m=0

goroutine 0 [idle]:

goroutine 1 [running]:
runtime.systemstack_switch() /usr/local/go/src/runtime/asm_amd64.s:252 fp=0xc420026768 sp=0xc420026760
runtime.main() /usr/local/go/src/runtime/proc.go:127 +0x6c fp=0xc4200267c0 sp=0xc420026768
runtime.goexit() /usr/local/go/src/runtime/asm_amd64.s:2086 +0x1 fp=0xc4200267c8 sp=0xc4200267c0

goroutine 17 [syscall, locked to thread]:
runtime.goexit() /usr/local/go/src/runtime/asm_amd64.s:2086 +0x1

…

ఈ లోపం గురించి మాకు అత్యంత ఆసక్తి కలిగించేది సందేశం: pthread_create failed: No space left on device. త్వరిత అధ్యయనం డాక్యుమెంటేషన్ డాకర్ ఒక ప్రక్రియను ఫోర్క్ చేయలేకపోయాడని, అందుకే అది క్రమానుగతంగా స్తంభించిపోతుందని వివరించింది.

పర్యవేక్షణలో, కింది చిత్రం ఏమి జరుగుతుందో దానికి అనుగుణంగా ఉంటుంది:

కుబెర్నెటీస్ ఆపరేషన్‌లో 6 వినోదాత్మక సిస్టమ్ బగ్‌లు [మరియు వాటి పరిష్కారం]

ఇదే విధమైన పరిస్థితి ఇతర నోడ్లలో గమనించవచ్చు:

కుబెర్నెటీస్ ఆపరేషన్‌లో 6 వినోదాత్మక సిస్టమ్ బగ్‌లు [మరియు వాటి పరిష్కారం]

అదే నోడ్స్ వద్ద మనం చూస్తాము:

root@kube-node-1 ~ # ps auxfww | grep curl -c
19782
root@kube-node-1 ~ # ps auxfww | grep curl | head
root     16688  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] <defunct>
root     17398  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] <defunct>
root     16852  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] <defunct>
root      9473  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] <defunct>
root      4664  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] <defunct>
root     30571  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] <defunct>
root     24113  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] <defunct>
root     16475  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] <defunct>
root      7176  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] <defunct>
root      1090  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] <defunct>

ఈ ప్రవర్తన పాడ్‌తో పని చేయడం యొక్క పరిణామమని తేలింది సూపర్ క్రానిక్ (పాడ్‌లలో క్రాన్ జాబ్‌లను అమలు చేయడానికి మేము ఉపయోగించే గో యుటిలిటీ):

 _ docker-containerd-shim 833b60bb9ff4c669bb413b898a5fd142a57a21695e5dc42684235df907825567 /var/run/docker/libcontainerd/833b60bb9ff4c669bb413b898a5fd142a57a21695e5dc42684235df907825567 docker-runc
|   _ /usr/local/bin/supercronic -json /crontabs/cron
|       _ /usr/bin/newrelic-daemon --agent --pidfile /var/run/newrelic-daemon.pid --logfile /dev/stderr --port /run/newrelic.sock --tls --define utilization.detect_aws=true --define utilization.detect_azure=true --define utilization.detect_gcp=true --define utilization.detect_pcf=true --define utilization.detect_docker=true
|       |   _ /usr/bin/newrelic-daemon --agent --pidfile /var/run/newrelic-daemon.pid --logfile /dev/stderr --port /run/newrelic.sock --tls --define utilization.detect_aws=true --define utilization.detect_azure=true --define utilization.detect_gcp=true --define utilization.detect_pcf=true --define utilization.detect_docker=true -no-pidfile
|       _ [newrelic-daemon] <defunct>
|       _ [curl] <defunct>
|       _ [curl] <defunct>
|       _ [curl] <defunct>
…

సమస్య ఇది: ఒక పనిని సూపర్‌క్రానిక్‌లో అమలు చేసినప్పుడు, దాని ద్వారా ప్రక్రియ ఏర్పడుతుంది సరిగ్గా ముగించలేము, లోకి మారుతుంది జోంబీ.

వ్యాఖ్య: మరింత ఖచ్చితంగా చెప్పాలంటే, క్రాన్ టాస్క్‌ల ద్వారా ప్రక్రియలు పుట్టుకొచ్చాయి, అయితే సూపర్‌క్రానిక్ అనేది ఇనిట్ సిస్టమ్ కాదు మరియు దాని పిల్లలు సృష్టించిన ప్రక్రియలను "అడాప్ట్" చేయలేము. SIGHUP లేదా SIGTERM సంకేతాలు పెరిగినప్పుడు, అవి చైల్డ్ ప్రాసెస్‌లకు అందజేయబడవు, ఫలితంగా చైల్డ్ ప్రాసెస్‌లు ముగియవు మరియు జోంబీ హోదాలో ఉంటాయి. మీరు వీటన్నింటి గురించి మరింత చదువుకోవచ్చు, ఉదాహరణకు, లో అటువంటి వ్యాసం.

సమస్యలను పరిష్కరించడానికి రెండు మార్గాలు ఉన్నాయి:

తాత్కాలిక ప్రత్యామ్నాయంగా - సిస్టమ్‌లోని PIDల సంఖ్యను ఒకే సమయంలో పెంచండి:

       /proc/sys/kernel/pid_max (since Linux 2.5.34)
              This file specifies the value at which PIDs wrap around (i.e., the value in this file is one greater than the maximum PID).  PIDs greater than this  value  are  not  allo‐
              cated;  thus, the value in this file also acts as a system-wide limit on the total number of processes and threads.  The default value for this file, 32768, results in the
              same range of PIDs as on earlier kernels

లేదా సూపర్‌క్రానిక్‌లో నేరుగా కాకుండా టాస్క్‌లను ప్రారంభించండి టిని, ఇది ప్రక్రియలను సరిగ్గా ముగించగలదు మరియు జాంబీస్‌ను పుట్టించదు.

కథ 2. cgroupని తొలగిస్తున్నప్పుడు "జాంబీస్"

కుబెలెట్ చాలా CPUని తీసుకోవడం ప్రారంభించింది:

కుబెర్నెటీస్ ఆపరేషన్‌లో 6 వినోదాత్మక సిస్టమ్ బగ్‌లు [మరియు వాటి పరిష్కారం]

దీన్ని ఎవరూ ఇష్టపడరు, కాబట్టి మేము మమ్మల్ని ఆయుధాలు చేసుకున్నాము perf మరియు సమస్యను ఎదుర్కోవడం ప్రారంభించాడు. విచారణ ఫలితాలు ఈ క్రింది విధంగా ఉన్నాయి:

అన్ని cgroupల నుండి మెమరీ డేటాను లాగడానికి Kubelet దాని CPUలో మూడింట ఒక వంతు కంటే ఎక్కువ సమయం వెచ్చిస్తుంది:
కెర్నల్ డెవలపర్‌ల మెయిలింగ్ జాబితాలో మీరు కనుగొనవచ్చు సమస్య యొక్క చర్చ. సంక్షిప్తంగా, పాయింట్ క్రిందికి వస్తుంది: వివిధ tmpfs ఫైల్‌లు మరియు ఇతర సారూప్య విషయాలు సిస్టమ్ నుండి పూర్తిగా తీసివేయబడవు cgroupని తొలగిస్తున్నప్పుడు, అని పిలవబడేది memcg జోంబీ. త్వరలో లేదా తరువాత అవి పేజీ కాష్ నుండి తొలగించబడతాయి, కానీ సర్వర్‌లో చాలా మెమరీ ఉంది మరియు వాటిని తొలగించడంలో సమయాన్ని వృథా చేయడంలో కెర్నల్ పాయింట్‌ను చూడదు. అందుకే కుప్పలు తెప్పలుగా పోగుపడుతున్నాయి. ఇది కూడా ఎందుకు జరుగుతోంది? ఇది క్రాన్ జాబ్‌లతో కూడిన సర్వర్, ఇది నిరంతరం కొత్త ఉద్యోగాలు మరియు వాటితో పాటు కొత్త పాడ్‌లను సృష్టిస్తుంది. అందువలన, కొత్త cgroups వాటిలో కంటైనర్ల కోసం సృష్టించబడతాయి, అవి త్వరలో తొలగించబడతాయి.
కుబెలెట్‌లోని cAdvisor ఎక్కువ సమయాన్ని ఎందుకు వృధా చేస్తారు? ఇది సరళమైన అమలుతో చూడటం సులభం time cat /sys/fs/cgroup/memory/memory.stat. ఆరోగ్యకరమైన యంత్రంలో ఆపరేషన్ 0,01 సెకన్లు తీసుకుంటే, సమస్యాత్మక క్రాన్02లో 1,2 సెకన్లు పడుతుంది. విషయం ఏమిటంటే, sysfs నుండి డేటాను చాలా నెమ్మదిగా చదివే cAdvisor, zombie cgroupsలో ఉపయోగించిన మెమరీని పరిగణనలోకి తీసుకోవడానికి ప్రయత్నిస్తుంది.
జాంబీస్‌ను బలవంతంగా తీసివేయడానికి, మేము LKMLలో సిఫార్సు చేసిన విధంగా కాష్‌లను క్లియర్ చేయడానికి ప్రయత్నించాము: sync; echo 3 > /proc/sys/vm/drop_caches, - కానీ కెర్నల్ మరింత క్లిష్టంగా మారింది మరియు కారును క్రాష్ చేసింది.

ఏం చేయాలి? సమస్య పరిష్కరించబడుతోంది (కట్టుబడి, మరియు వివరణ కోసం చూడండి సందేశాన్ని విడుదల చేయండి) కెర్నల్ అప్‌డేట్ Linux వెర్షన్ 4.16 వరకు.

చరిత్ర 3. Systemd మరియు దాని మౌంట్

మళ్ళీ, kubelet కొన్ని నోడ్‌లలో చాలా వనరులను వినియోగిస్తోంది, కానీ ఈసారి అది చాలా మెమరీని వినియోగిస్తోంది:

కుబెర్నెటీస్ ఆపరేషన్‌లో 6 వినోదాత్మక సిస్టమ్ బగ్‌లు [మరియు వాటి పరిష్కారం]

ఉపయోగించిన systemd లో ఒక సమస్య ఉందని తేలింది Ubuntu 16.04, మరియు కనెక్షన్ కోసం సృష్టించబడిన మౌంట్‌లను నిర్వహించేటప్పుడు ఇది సంభవిస్తుంది subPath కాన్ఫిగ్మ్యాప్ లేదా రహస్యాల నుండి. పాడ్ దాని పనిని పూర్తి చేసిన తర్వాత systemd సేవ మరియు దాని సర్వీస్ మౌంట్ మిగిలి ఉన్నాయి వ్యవస్థలో. కాలక్రమేణా, వాటిలో భారీ సంఖ్యలో పేరుకుపోతాయి. ఈ అంశంపై కూడా సమస్యలు ఉన్నాయి:

#5916;
kubernetes #57345.

...వీటిలో చివరిది systemdలోని PRని సూచిస్తుంది: #7811 (సిస్టమ్‌డిలో సమస్య - #7798).

సమస్య ఇప్పుడు లేదు Ubuntu 18.04, కానీ మీరు ఉపయోగించడం కొనసాగించాలనుకుంటే Ubuntu 16.04, ఈ అంశంపై మా పరిష్కారం మీకు ఉపయోగకరంగా ఉండవచ్చు.

కాబట్టి మేము ఈ క్రింది డెమోన్‌సెట్‌ని చేసాము:

---
apiVersion: extensions/v1beta1
kind: DaemonSet
metadata:
  labels:
    app: systemd-slices-cleaner
  name: systemd-slices-cleaner
  namespace: kube-system
spec:
  updateStrategy:
    type: RollingUpdate
  selector:
    matchLabels:
      app: systemd-slices-cleaner
  template:
    metadata:
      labels:
        app: systemd-slices-cleaner
    spec:
      containers:
      - command:
        - /usr/local/bin/supercronic
        - -json
        - /app/crontab
        Image: private-registry.org/systemd-slices-cleaner/systemd-slices-cleaner:v0.1.0
        imagePullPolicy: Always
        name: systemd-slices-cleaner
        resources: {}
        securityContext:
          privileged: true
        volumeMounts:
        - name: systemd
          mountPath: /run/systemd/private
        - name: docker
          mountPath: /run/docker.sock
        - name: systemd-etc
          mountPath: /etc/systemd
        - name: systemd-run
          mountPath: /run/systemd/system/
        - name: lsb-release
          mountPath: /etc/lsb-release-host
      imagePullSecrets:
      - name: antiopa-registry
      priorityClassName: cluster-low
      tolerations:
      - operator: Exists
      volumes:
      - name: systemd
        hostPath:
          path: /run/systemd/private
      - name: docker
        hostPath:
          path: /run/docker.sock
      - name: systemd-etc
        hostPath:
          path: /etc/systemd
      - name: systemd-run
        hostPath:
          path: /run/systemd/system/
      - name: lsb-release
        hostPath:
          path: /etc/lsb-release

... మరియు ఇది క్రింది స్క్రిప్ట్‌ను ఉపయోగిస్తుంది:

#!/bin/bash

# we will work only on xenial
hostrelease="/etc/lsb-release-host"
test -f ${hostrelease} && grep xenial ${hostrelease} > /dev/null || exit 0

# sleeping max 30 minutes to dispense load on kube-nodes
sleep $((RANDOM % 1800))

stoppedCount=0
# counting actual subpath units in systemd
countBefore=$(systemctl list-units | grep subpath | grep "run-" | wc -l)
# let's go check each unit
for unit in $(systemctl list-units | grep subpath | grep "run-" | awk '{print $1}'); do
  # finding description file for unit (to find out docker container, who born this unit)
  DropFile=$(systemctl status ${unit} | grep Drop | awk -F': ' '{print $2}')
  # reading uuid for docker container from description file
  DockerContainerId=$(cat ${DropFile}/50-Description.conf | awk '{print $5}' | cut -d/ -f6)
  # checking container status (running or not)
  checkFlag=$(docker ps | grep -c ${DockerContainerId})
  # if container not running, we will stop unit
  if [[ ${checkFlag} -eq 0 ]]; then
    echo "Stopping unit ${unit}"
    # stoping unit in action
    systemctl stop $unit
    # just counter for logs
    ((stoppedCount++))
    # logging current progress
    echo "Stopped ${stoppedCount} systemd units out of ${countBefore}"
  fi
done

... మరియు ఇది గతంలో పేర్కొన్న సూపర్‌క్రానిక్‌ని ఉపయోగించి ప్రతి 5 నిమిషాలకు నడుస్తుంది. దీని డాకర్‌ఫైల్ ఇలా కనిపిస్తుంది:

FROM ubuntu:16.04
COPY rootfs /
WORKDIR /app
RUN apt-get update && 
    apt-get upgrade -y && 
    apt-get install -y gnupg curl apt-transport-https software-properties-common wget
RUN add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu xenial stable" && 
    curl -fsSL https://download.docker.com/linux/ubuntu/gpg | apt-key add - && 
    apt-get update && 
    apt-get install -y docker-ce=17.03.0*
RUN wget https://github.com/aptible/supercronic/releases/download/v0.1.6/supercronic-linux-amd64 -O 
    /usr/local/bin/supercronic && chmod +x /usr/local/bin/supercronic
ENTRYPOINT ["/bin/bash", "-c", "/usr/local/bin/supercronic -json /app/crontab"]

కథ 4. పాడ్‌లను షెడ్యూల్ చేసేటప్పుడు పోటీతత్వం

ఇది గమనించబడింది: మనం ఒక నోడ్‌పై పాడ్‌ని ఉంచినట్లయితే మరియు దాని చిత్రం చాలా కాలం పాటు పంప్ చేయబడితే, అదే నోడ్‌ను "కొట్టిన" మరొక పాడ్ కేవలం ఉంటుంది. కొత్త పాడ్ యొక్క చిత్రాన్ని లాగడం ప్రారంభించదు. బదులుగా, ఇది మునుపటి పాడ్ యొక్క చిత్రం లాగబడే వరకు వేచి ఉంటుంది. ఫలితంగా, ఇప్పటికే షెడ్యూల్ చేయబడిన మరియు కేవలం ఒక నిమిషంలో చిత్రాన్ని డౌన్‌లోడ్ చేయగల పాడ్ స్థితికి చేరుకుంటుంది containerCreating.

ఈవెంట్‌లు ఇలా కనిపిస్తాయి:

Normal  Pulling    8m    kubelet, ip-10-241-44-128.ap-northeast-1.compute.internal  pulling image "registry.example.com/infra/openvpn/openvpn:master"

అది మారుతుంది స్లో రిజిస్ట్రీ నుండి ఒక చిత్రం విస్తరణను నిరోధించవచ్చు నోడ్‌కి.

దురదృష్టవశాత్తు, పరిస్థితి నుండి చాలా మార్గాలు లేవు:

మీ డాకర్ రిజిస్ట్రీని నేరుగా క్లస్టర్‌లో లేదా నేరుగా క్లస్టర్‌తో ఉపయోగించడానికి ప్రయత్నించండి (ఉదాహరణకు, GitLab రిజిస్ట్రీ, Nexus, మొదలైనవి);
వంటి యుటిలిటీలను ఉపయోగించండి క్రాకెన్.

కథ 5. జ్ఞాపకశక్తి లేకపోవడం వల్ల నోడ్స్ వేలాడుతున్నాయి

వివిధ అప్లికేషన్ల ఆపరేషన్ సమయంలో, మేము నోడ్ పూర్తిగా యాక్సెస్ చేయగలిగే పరిస్థితిని కూడా ఎదుర్కొన్నాము: SSH ప్రతిస్పందించదు, అన్ని మానిటరింగ్ డెమోన్‌లు పడిపోతాయి, ఆపై లాగ్‌లలో క్రమరహితంగా ఏమీ లేదు (లేదా దాదాపు ఏమీ లేదు).

MongoDB పనిచేసిన ఒక నోడ్ ఉదాహరణను ఉపయోగించి చిత్రాలలో నేను మీకు చెప్తాను.

ఎగువన కనిపించేది ఇదే కు ప్రమాదాలు:

కుబెర్నెటీస్ ఆపరేషన్‌లో 6 వినోదాత్మక సిస్టమ్ బగ్‌లు [మరియు వాటి పరిష్కారం]

మరియు ఇలా - после ప్రమాదాలు:

కుబెర్నెటీస్ ఆపరేషన్‌లో 6 వినోదాత్మక సిస్టమ్ బగ్‌లు [మరియు వాటి పరిష్కారం]

పర్యవేక్షణలో, ఒక పదునైన జంప్ కూడా ఉంది, దీని వద్ద నోడ్ అందుబాటులో ఉండదు:

కుబెర్నెటీస్ ఆపరేషన్‌లో 6 వినోదాత్మక సిస్టమ్ బగ్‌లు [మరియు వాటి పరిష్కారం]

కాబట్టి, స్క్రీన్‌షాట్‌ల నుండి ఇది స్పష్టంగా ఉంది:

మెషీన్‌లోని RAM ముగింపుకు దగ్గరగా ఉంటుంది;
RAM వినియోగంలో పదునైన జంప్ ఉంది, దాని తర్వాత మొత్తం యంత్రానికి యాక్సెస్ ఆకస్మికంగా నిలిపివేయబడుతుంది;
మొంగోలో ఒక పెద్ద టాస్క్ వస్తుంది, ఇది DBMS ప్రాసెస్‌ను మరింత మెమరీని ఉపయోగించేందుకు మరియు డిస్క్ నుండి చురుకుగా చదవడానికి బలవంతం చేస్తుంది.

అయితే Linux ఉచిత మెమరీ అయిపోతుంది (మెమరీ ప్రెజర్ ఏర్పడుతుంది) మరియు స్వాప్ ఉండదు, అప్పుడు కు OOM కిల్లర్ వచ్చినప్పుడు, పేజీలను పేజీ కాష్‌లోకి విసిరి వాటిని తిరిగి డిస్క్‌కి వ్రాయడం మధ్య బ్యాలెన్సింగ్ చర్య ఏర్పడవచ్చు. ఇది kswapd ద్వారా చేయబడుతుంది, ఇది తరువాతి పంపిణీ కోసం ధైర్యంగా వీలైనన్ని ఎక్కువ మెమరీ పేజీలను ఖాళీ చేస్తుంది.

దురదృష్టవశాత్తూ, పెద్ద I/O లోడ్‌తో పాటు తక్కువ మొత్తంలో ఉచిత మెమరీతో, kswapd మొత్తం వ్యవస్థకు అడ్డంకిగా మారుతుంది, ఎందుకంటే వారు దానితో ముడిపడి ఉన్నారు అన్ని సిస్టమ్‌లోని మెమరీ పేజీల కేటాయింపులు (పేజీ లోపాలు). ప్రక్రియలు ఇకపై మెమరీని ఉపయోగించకూడదనుకుంటే ఇది చాలా కాలం పాటు కొనసాగుతుంది, కానీ OOM-కిల్లర్ అగాధం యొక్క అంచు వద్ద స్థిరంగా ఉంటుంది.

సహజమైన ప్రశ్న: OOM కిల్లర్ ఎందుకు ఆలస్యంగా వస్తుంది? దాని ప్రస్తుత పునరావృతంలో, OOM కిల్లర్ చాలా తెలివితక్కువది: మెమరీ పేజీని కేటాయించే ప్రయత్నం విఫలమైనప్పుడు మాత్రమే ఇది ప్రక్రియను చంపుతుంది, అనగా. పేజీ తప్పు విఫలమైతే. ఇది చాలా కాలం వరకు జరగదు, ఎందుకంటే kswapd ధైర్యంగా మెమరీ పేజీలను ఖాళీ చేస్తుంది, పేజీ కాష్‌ను (సిస్టమ్‌లోని మొత్తం డిస్క్ I/O, నిజానికి) డిస్క్‌కి తిరిగి పంపుతుంది. మరింత వివరంగా, కెర్నల్‌లో ఇటువంటి సమస్యలను తొలగించడానికి అవసరమైన దశల వివరణతో, మీరు చదువుకోవచ్చు ఇక్కడ.

ఈ ప్రవర్తన మెరుగుపరచాలి ఒక ప్రధాన భాగంతో Linux 4.6 +.

కథ 6. పాడ్‌లు పెండింగ్‌లో చిక్కుకున్నాయి

కొన్ని క్లస్టర్‌లలో, నిజంగా చాలా పాడ్‌లు పనిచేస్తున్నాయి, వాటిలో ఎక్కువ భాగం రాష్ట్రంలో చాలా కాలం పాటు "వ్రేలాడదీయడం" గమనించడం ప్రారంభించాము. Pending, డాకర్ కంటైనర్‌లు ఇప్పటికే నోడ్‌లపై నడుస్తున్నప్పటికీ మరియు మాన్యువల్‌గా పని చేయవచ్చు.

అంతేకాకుండా, లో describe తప్పేమి లేదు:

  Type    Reason                  Age                From                     Message
  ----    ------                  ----               ----                     -------
  Normal  Scheduled               1m                 default-scheduler        Successfully assigned sphinx-0 to ss-dev-kub07
  Normal  SuccessfulAttachVolume  1m                 attachdetach-controller  AttachVolume.Attach succeeded for volume "pvc-6aaad34f-ad10-11e8-a44c-52540035a73b"
  Normal  SuccessfulMountVolume   1m                 kubelet, ss-dev-kub07    MountVolume.SetUp succeeded for volume "sphinx-config"
  Normal  SuccessfulMountVolume   1m                 kubelet, ss-dev-kub07    MountVolume.SetUp succeeded for volume "default-token-fzcsf"
  Normal  SuccessfulMountVolume   49s (x2 over 51s)  kubelet, ss-dev-kub07    MountVolume.SetUp succeeded for volume "pvc-6aaad34f-ad10-11e8-a44c-52540035a73b"
  Normal  Pulled                  43s                kubelet, ss-dev-kub07    Container image "registry.example.com/infra/sphinx-exporter/sphinx-indexer:v1" already present on machine
  Normal  Created                 43s                kubelet, ss-dev-kub07    Created container
  Normal  Started                 43s                kubelet, ss-dev-kub07    Started container
  Normal  Pulled                  43s                kubelet, ss-dev-kub07    Container image "registry.example.com/infra/sphinx/sphinx:v1" already present on machine
  Normal  Created                 42s                kubelet, ss-dev-kub07    Created container
  Normal  Started                 42s                kubelet, ss-dev-kub07    Started container

కొంత త్రవ్విన తర్వాత, పాడ్‌ల స్థితి మరియు లైవ్‌నెస్/సిడీనెస్ టెస్ట్‌ల గురించిన మొత్తం సమాచారాన్ని API సర్వర్‌కి పంపడానికి కుబెలెట్‌కి సమయం లేదని మేము ఊహించాము.

మరియు సహాయాన్ని అధ్యయనం చేసిన తర్వాత, మేము ఈ క్రింది పారామితులను కనుగొన్నాము:

--kube-api-qps - QPS to use while talking with kubernetes apiserver (default 5)
--kube-api-burst  - Burst to use while talking with kubernetes apiserver (default 10) 
--event-qps - If > 0, limit event creations per second to this value. If 0, unlimited. (default 5)
--event-burst - Maximum size of a bursty event records, temporarily allows event records to burst to this number, while still not exceeding event-qps. Only used if --event-qps > 0 (default 10) 
--registry-qps - If > 0, limit registry pull QPS to this value.
--registry-burst - Maximum size of bursty pulls, temporarily allows pulls to burst to this number, while still not exceeding registry-qps. Only used if --registry-qps > 0 (default 10)

చూసిన విధంగా, డిఫాల్ట్ విలువలు చాలా చిన్నవి, మరియు 90% లో వారు అన్ని అవసరాలను కవర్ చేస్తారు ... అయితే, మా విషయంలో ఇది సరిపోలేదు. కాబట్టి, మేము ఈ క్రింది విలువలను సెట్ చేస్తాము:

--event-qps=30 --event-burst=40 --kube-api-burst=40 --kube-api-qps=30 --registry-qps=30 --registry-burst=40

... మరియు kubeletsని పునఃప్రారంభించాము, దాని తర్వాత మేము API సర్వర్‌కి కాల్‌ల గ్రాఫ్‌లలో క్రింది చిత్రాన్ని చూశాము:

కుబెర్నెటీస్ ఆపరేషన్‌లో 6 వినోదాత్మక సిస్టమ్ బగ్‌లు [మరియు వాటి పరిష్కారం]

... మరియు అవును, ప్రతిదీ ఎగరడం ప్రారంభించింది!

PS

బగ్‌లను సేకరించడంలో మరియు ఈ కథనాన్ని సిద్ధం చేయడంలో వారి సహాయం కోసం, మా కంపెనీకి చెందిన అనేక మంది ఇంజనీర్‌లకు మరియు ముఖ్యంగా మా R&D బృందంలోని నా సహోద్యోగి ఆండ్రీ క్లిమెంటేవ్‌కి నా ప్రగాఢ కృతజ్ఞతలు తెలియజేస్తున్నాను (జుజ్జాలు).

PPS

మా బ్లాగులో కూడా చదవండి:

«Kubernetes పాడ్‌లలో డీబగ్గింగ్ కోసం kubectl-debug ప్లగ్ఇన్".
కుబెర్నెట్స్ చిట్కాలు & ఉపాయాలు లూప్:

మూలం: www.habr.com