ProHoster > 6 ข้อบกพร่องของระบบความบันเทิงในการทำงานของ Kubernetes [และวิธีแก้ปัญหา]

6 ข้อบกพร่องของระบบความบันเทิงในการทำงานของ Kubernetes [และวิธีแก้ปัญหา]

6 ข้อบกพร่องของระบบความบันเทิงในการทำงานของ Kubernetes [และวิธีแก้ปัญหา]

ตลอดหลายปีที่ผ่านมาของการใช้ Kubernetes ในการผลิต เราได้สะสมเรื่องราวที่น่าสนใจมากมายว่าข้อบกพร่องในส่วนประกอบต่างๆ ของระบบทำให้เกิดผลที่ไม่พึงประสงค์และ/หรือไม่อาจเข้าใจซึ่งส่งผลต่อการทำงานของคอนเทนเนอร์และพ็อดได้อย่างไร ในบทความนี้เราได้เลือกบทความที่พบบ่อยหรือน่าสนใจบางส่วนไว้ แม้ว่าคุณจะไม่เคยโชคดีพอที่จะเจอสถานการณ์เช่นนี้ แต่การอ่านเรื่องราวนักสืบเรื่องสั้นโดยเฉพาะ "มือแรก" ก็น่าสนใจอยู่เสมอใช่ไหม..

เรื่องที่ 1. Supercronic และ Docker แขวนอยู่

ในคลัสเตอร์หนึ่ง เราได้รับ Docker ที่ค้างอยู่เป็นระยะๆ ซึ่งรบกวนการทำงานปกติของคลัสเตอร์ ในเวลาเดียวกัน พบสิ่งต่อไปนี้ในบันทึกของนักเทียบท่า:

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

…

สิ่งที่เราสนใจมากที่สุดเกี่ยวกับข้อผิดพลาดนี้คือข้อความ: pthread_create failed: No space left on device. การศึกษาอย่างรวดเร็ว เอกสาร อธิบายว่า Docker ไม่สามารถแยกกระบวนการได้ ซึ่งเป็นสาเหตุที่ทำให้กระบวนการค้างเป็นระยะ

ในการตรวจสอบ รูปภาพต่อไปนี้สอดคล้องกับสิ่งที่เกิดขึ้น:

6 ข้อบกพร่องของระบบความบันเทิงในการทำงานของ Kubernetes [และวิธีแก้ปัญหา]

พบสถานการณ์ที่คล้ายกันบนโหนดอื่น:

6 ข้อบกพร่องของระบบความบันเทิงในการทำงานของ Kubernetes [และวิธีแก้ปัญหา]

6 ข้อบกพร่องของระบบความบันเทิงในการทำงานของ Kubernetes [และวิธีแก้ปัญหา]

ที่โหนดเดียวกันเราจะเห็น:

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>

ปรากฎว่าพฤติกรรมนี้เป็นผลมาจากการทำงานของพ็อด ซุปเปอร์โครนิก (ยูทิลิตี้ Go ที่เราใช้เพื่อรันงาน cron ในพ็อด):

 _ 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>
…

ปัญหาคือ: เมื่องานถูกรันใน supercronic กระบวนการนั้นจะเกิดขึ้น ไม่สามารถยุติได้อย่างถูกต้อง, กลายเป็น ซอมบี้.

หมายเหตุ: เพื่อให้แม่นยำยิ่งขึ้น กระบวนการต่างๆ ถูกสร้างขึ้นโดยงาน cron แต่ supercronic ไม่ใช่ระบบเริ่มต้น และไม่สามารถ "ยอมรับ" กระบวนการที่ลูกๆ สร้างขึ้นได้ เมื่อสัญญาณ SIGHUP หรือ SIGTERM ถูกยกขึ้น สัญญาณเหล่านั้นจะไม่ถูกส่งต่อไปยังกระบวนการลูก ส่งผลให้กระบวนการลูกไม่ยุติและคงอยู่ในสถานะซอมบี้ คุณสามารถอ่านเพิ่มเติมเกี่ยวกับทั้งหมดนี้ได้เช่นใน บทความดังกล่าว.

มีสองวิธีในการแก้ปัญหา:

  1. วิธีแก้ปัญหาชั่วคราว - เพิ่มจำนวน PID ในระบบ ณ จุดเวลาเดียว:
           /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
  2. หรือเรียกใช้งานใน supercronic ไม่ใช่โดยตรง แต่ใช้เหมือนกัน ทีนี่ซึ่งสามารถยุติกระบวนการได้อย่างถูกต้องและไม่วางไข่ซอมบี้

เรื่องที่ 2. “ซอมบี้” เมื่อลบ cgroup

Kubelet เริ่มใช้ CPU จำนวนมาก:

6 ข้อบกพร่องของระบบความบันเทิงในการทำงานของ Kubernetes [และวิธีแก้ปัญหา]

ไม่มีใครจะชอบสิ่งนี้ดังนั้นเราจึงติดอาวุธตัวเอง perf และเริ่มจัดการกับปัญหา ผลการสอบสวนมีดังนี้

  • Kubelet ใช้เวลามากกว่าหนึ่งในสามของเวลา CPU ในการดึงข้อมูลหน่วยความจำจากกลุ่ม cgroup ทั้งหมด:

    6 ข้อบกพร่องของระบบความบันเทิงในการทำงานของ Kubernetes [และวิธีแก้ปัญหา]

  • ในรายชื่อผู้รับจดหมายของนักพัฒนาเคอร์เนล คุณสามารถค้นหาได้ การอภิปรายปัญหา. สรุปประเด็นก็คือ: ไฟล์ tmpfs ต่าง ๆ และสิ่งที่คล้ายกันอื่น ๆ จะไม่ถูกลบออกจากระบบอย่างสมบูรณ์ เมื่อลบ cgroup สิ่งที่เรียกว่า เมมซี ซอมบี้. ไม่ช้าก็เร็วพวกเขาจะถูกลบออกจากแคชของหน้า แต่มีหน่วยความจำจำนวนมากบนเซิร์ฟเวอร์และเคอร์เนลไม่เห็นประเด็นในการเสียเวลาในการลบ นั่นเป็นเหตุผลที่พวกเขาสะสมกันมากขึ้น ทำไมสิ่งนี้ถึงเกิดขึ้น? นี่คือเซิร์ฟเวอร์ที่มีงาน cron ที่สร้างงานใหม่อย่างต่อเนื่องและมีพ็อดใหม่ด้วย ดังนั้นจึงมีการสร้างกลุ่ม cgroup ใหม่สำหรับคอนเทนเนอร์ในนั้นซึ่งจะถูกลบในไม่ช้า
  • ทำไม cAdvisor ใน kubelet ถึงเสียเวลามาก? นี่เป็นเรื่องง่ายที่จะเห็นด้วยการดำเนินการที่ง่ายที่สุด time cat /sys/fs/cgroup/memory/memory.stat. หากเครื่องที่มีสุขภาพดีการดำเนินการใช้เวลา 0,01 วินาทีดังนั้นใน cron02 ที่มีปัญหาจะใช้เวลา 1,2 วินาที ประเด็นก็คือ cAdvisor ซึ่งอ่านข้อมูลจาก sysfs ช้ามาก พยายามคำนึงถึงหน่วยความจำที่ใช้ใน cgroups ซอมบี้
  • เพื่อกำจัดซอมบี้อย่างจริงจัง เราได้ลองล้างแคชตามที่แนะนำใน LKML: sync; echo 3 > /proc/sys/vm/drop_caches, - แต่เคอร์เนลกลับกลายเป็นว่าซับซ้อนกว่าและทำให้รถชน

จะทำอย่างไร? ปัญหากำลังได้รับการแก้ไข (ให้สัญญาและสำหรับคำอธิบาย โปรดดู ข้อความเผยแพร่) การอัปเดตเคอร์เนล Linux จนถึงเวอร์ชัน 4.16

ประวัติ 3. Systemd และการติดตั้ง

ขอย้ำอีกครั้งว่า kubelet ใช้ทรัพยากรมากเกินไปในบางโหนด แต่คราวนี้ใช้หน่วยความจำมากเกินไป:

6 ข้อบกพร่องของระบบความบันเทิงในการทำงานของ Kubernetes [และวิธีแก้ปัญหา]

ปรากฏว่ามีปัญหาเกี่ยวกับ systemd ที่ใช้ใน Ubuntu 16.04 และปัญหานี้เกิดขึ้นเมื่อจัดการการเชื่อมต่อที่สร้างขึ้น subPath จาก ConfigMap's หรือ Secret's หลังจากที่ป็อดทำงานเสร็จแล้ว บริการ systemd และการเมานต์บริการยังคงอยู่ ในระบบ เมื่อเวลาผ่านไปมีจำนวนมากสะสม มีปัญหาในหัวข้อนี้ด้วย:

  1. #5916;
  2. คูเบอร์เนเตส #57345.

...อันสุดท้ายอ้างถึง PR ใน systemd: #7811 (ปัญหาใน systemd - #7798).

ปัญหาดังกล่าวหมดไปแล้ว Ubuntu 18.04 แต่ถ้าคุณต้องการใช้งานต่อไป Ubuntu 16.04 คุณอาจพบว่าวิธีแก้ปัญหาที่เราแนะนำในหัวข้อนี้มีประโยชน์

ดังนั้นเราจึงสร้าง DaemonSet ต่อไปนี้:

---
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

... และใช้สคริปต์ต่อไปนี้:

#!/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

... และมันจะทำงานทุก ๆ 5 นาทีโดยใช้ supercronic ที่กล่าวถึงก่อนหน้านี้ Dockerfile มีลักษณะดังนี้:

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"]

เรื่องราวที่ 4. ความสามารถในการแข่งขันเมื่อกำหนดเวลาพ็อด

สังเกตได้ว่า: หากเรามีพ็อดวางอยู่บนโหนดและอิมเมจของมันถูกปั๊มออกมาเป็นเวลานาน ดังนั้นอีกพ็อดที่ "ชน" โหนดเดียวกันก็จะเพียงแค่ ไม่เริ่มดึงภาพพ็อดใหม่. แต่จะรอจนกว่าจะดึงภาพของพ็อดก่อนหน้าแทน ด้วยเหตุนี้ พ็อดที่ได้รับการกำหนดเวลาไว้แล้วและสามารถดาวน์โหลดรูปภาพได้ภายในเวลาเพียงนาทีเดียวก็จะไปอยู่ในสถานะเป็น containerCreating.

เหตุการณ์จะมีลักษณะดังนี้:

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

แต่กลับกลายเป็นว่า รูปภาพเดียวจากรีจิสทรีที่ช้าสามารถบล็อกการปรับใช้ ต่อโหนด

น่าเสียดายที่สถานการณ์นี้มีวิธีแก้ปัญหาไม่มากนัก:

  1. ลองใช้ Docker Registry ของคุณโดยตรงในคลัสเตอร์หรือกับคลัสเตอร์โดยตรง (เช่น GitLab Registry, Nexus ฯลฯ )
  2. ใช้สาธารณูปโภคเช่น คราเคน.

เรื่องที่ 5. โหนดค้างเนื่องจากไม่มีหน่วยความจำ

ในระหว่างการทำงานของแอปพลิเคชันต่างๆ เรายังพบสถานการณ์ที่โหนดไม่สามารถเข้าถึงได้โดยสมบูรณ์: SSH ไม่ตอบสนอง ดีมอนตรวจสอบทั้งหมดหลุดออกไป และจากนั้นก็ไม่มีอะไรผิดปกติ (หรือแทบไม่มีเลย) ในบันทึก

ฉันจะบอกคุณด้วยรูปภาพโดยใช้ตัวอย่างของโหนดเดียวที่ MongoDB ทำงาน

หน้าตาบนยอดก็เป็นเช่นนี้ ไปยัง อุบัติเหตุ:

6 ข้อบกพร่องของระบบความบันเทิงในการทำงานของ Kubernetes [และวิธีแก้ปัญหา]

และเช่นนี้ - หลังจาก อุบัติเหตุ:

6 ข้อบกพร่องของระบบความบันเทิงในการทำงานของ Kubernetes [และวิธีแก้ปัญหา]

ในการตรวจสอบยังมีการกระโดดอย่างรวดเร็วซึ่งโหนดไม่สามารถใช้งานได้:

6 ข้อบกพร่องของระบบความบันเทิงในการทำงานของ Kubernetes [และวิธีแก้ปัญหา]

ดังนั้นจากภาพหน้าจอจึงชัดเจนว่า:

  1. RAM บนเครื่องใกล้จะหมดแล้ว
  2. ปริมาณการใช้ RAM เพิ่มขึ้นอย่างรวดเร็ว หลังจากนั้นการเข้าถึงเครื่องทั้งหมดจะถูกปิดใช้งานอย่างกะทันหัน
  3. งานขนาดใหญ่มาถึง Mongo ซึ่งบังคับให้กระบวนการ DBMS ต้องใช้หน่วยความจำมากขึ้นและอ่านจากดิสก์อย่างแข็งขัน

ปรากฏว่าถ้าใน Linux หน่วยความจำว่างหมด (เกิดภาวะหน่วยความจำไม่เพียงพอ) และไม่มีพื้นที่สำหรับสลับหน่วยความจำ ไปยัง เมื่อ OOM killer มาถึง การดำเนินการที่สมดุลอาจเกิดขึ้นระหว่างการส่งเพจลงในแคชของเพจและการเขียนเพจเหล่านั้นกลับไปยังดิสก์ สิ่งนี้ทำโดย kswapd ซึ่งจะเพิ่มหน้าหน่วยความจำให้มากที่สุดเท่าที่จะเป็นไปได้อย่างกล้าหาญเพื่อการแจกจ่ายครั้งต่อไป

น่าเสียดายที่โหลด I/O จำนวนมากควบคู่ไปกับหน่วยความจำว่างจำนวนเล็กน้อย kswapd กลายเป็นคอขวดของทั้งระบบเพราะพวกเขาผูกพันกับมัน ทั้งหมด การจัดสรร (ข้อบกพร่องของเพจ) ของเพจหน่วยความจำในระบบ สิ่งนี้สามารถดำเนินต่อไปได้เป็นเวลานานมากหากกระบวนการไม่ต้องการใช้หน่วยความจำอีกต่อไป แต่ได้รับการแก้ไขที่ขอบสุดของ OOM-killer abyss

คำถามทั่วไปคือ: ทำไม OOM killer ถึงมาสายมาก? ในการวนซ้ำปัจจุบัน OOM killer นั้นโง่มาก: มันจะฆ่ากระบวนการเฉพาะเมื่อความพยายามในการจัดสรรเพจหน่วยความจำล้มเหลว เช่น หากข้อผิดพลาดของเพจล้มเหลว สิ่งนี้ไม่ได้เกิดขึ้นเป็นเวลานาน เนื่องจาก kswapd ปล่อยเพจหน่วยความจำอย่างกล้าหาญ โดยทิ้งแคชของเพจ (อันที่จริงแล้ว I/O ของดิสก์ทั้งหมดในระบบ) กลับไปยังดิสก์ คุณสามารถอ่านรายละเอียดเพิ่มเติมพร้อมคำอธิบายขั้นตอนที่จำเป็นเพื่อขจัดปัญหาดังกล่าวในเคอร์เนล ที่นี่.

พฤติกรรมนี้ ควรปรับปรุง โดยมีแกนกลาง Linux 4.6 +

เรื่องที่ 6. พ็อดติดอยู่ในสถานะรอดำเนินการ

ในบางกลุ่มซึ่งมีพ็อดทำงานจำนวนมากจริงๆ เราเริ่มสังเกตเห็นว่าส่วนใหญ่ "ค้าง" เป็นเวลานานมากในสถานะ Pendingแม้ว่าตัวคอนเทนเนอร์ Docker เองก็ทำงานบนโหนดอยู่แล้วและสามารถทำงานด้วยตนเองได้

นอกจากนี้ใน describe ไม่มีอะไรผิด:

  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

หลังจากขุดลึกมาบ้าง เราได้สันนิษฐานว่า kubelet ไม่มีเวลาส่งข้อมูลทั้งหมดเกี่ยวกับสถานะของพ็อดและการทดสอบความสด/ความพร้อมไปยังเซิร์ฟเวอร์ API

และหลังจากศึกษาความช่วยเหลือแล้ว เราพบพารามิเตอร์ต่อไปนี้:

--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)

ตามที่เห็น, ค่าเริ่มต้นค่อนข้างเล็กและใน 90% ครอบคลุมทุกความต้องการ... อย่างไรก็ตาม ในกรณีของเรา ยังไม่เพียงพอ ดังนั้นเราจึงตั้งค่าต่อไปนี้:

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

... และรีสตาร์ท kubelets หลังจากนั้นเราเห็นรูปภาพต่อไปนี้ในกราฟของการเรียกไปยังเซิร์ฟเวอร์ API:

6 ข้อบกพร่องของระบบความบันเทิงในการทำงานของ Kubernetes [และวิธีแก้ปัญหา]

... และใช่ ทุกอย่างเริ่มโบยบิน!

PS

สำหรับความช่วยเหลือในการรวบรวมข้อบกพร่องและการเตรียมบทความนี้ ฉันขอแสดงความขอบคุณอย่างสุดซึ้งต่อวิศวกรจำนวนมากในบริษัทของเรา และโดยเฉพาะอย่างยิ่งต่อเพื่อนร่วมงานของฉันจากทีม R&D ของเรา Andrey Klimentyev (ซูซ่า).

PPS

อ่านเพิ่มเติมในบล็อกของเรา:

ที่มา: will.com

ซื้อโฮสติ้งที่เชื่อถือได้สำหรับไซต์ที่มีการป้องกัน DDoS เซิร์ฟเวอร์ VPS VDS 🔥 ซื้อบริการเว็บโฮสติ้งที่เชื่อถือได้ พร้อมระบบป้องกัน DDoS และเซิร์ฟเวอร์ VPS/VDS | ProHoster