回到 2016 年，我们在 Buffer ，现在大约 60 个节点（在 AWS 上）和 1500 个容器正在我们的 k8s 集群上运行，由 。 然而，我们通过反复试验转向微服务，即使在使用 k8s 几年之后，我们仍然面临新的问题。 在这篇文章中我们将讨论 处理器限制：为什么我们认为它们是好的实践以及为什么它们最终不是那么好。
处理器限制和限制
与许多其他 Kubernetes 用户一样， 。 如果没有这样的设置，节点中的容器可能会占用所有处理器能力，进而导致重要的 Kubernetes 进程（例如 kubelet）将停止响应请求。 因此，设置 CPU 限制是保护节点的好方法。
处理器限制将容器设置为在特定时间段内可以使用的最大 CPU 时间（默认为 100 毫秒），并且容器永远不会超过此限制。 在 Kubernetes 中 节流 容器并防止其超出限制，使用专用工具 ，但这些人为的 CPU 限制最终会损害性能并增加容器的响应时间。
如果我们不设置处理器限制会发生什么？
不幸的是，我们自己也不得不面对这个问题。 每个节点都有一个进程负责管理容器 kubelet，然后他停止响应请求。 当这种情况发生时，节点将进入状态 NotReady，并且其中的容器将被重定向到其他地方，并在新节点上产生相同的问题。 至少可以说，这不是一个理想的情况。
节流问题的表现及响应
集装箱跟踪的关键指标是 trottling，它显示您的容器已被限制的次数。 我们感兴趣地注意到某些容器中存在节流，无论处理器负载是否极端。 作为示例，让我们看一下我们的主要 API 之一：
如下所示，我们将限制设置为 800m （0.8或80%核心），并且峰值最好达到 200m （20% 核心）。 看起来在限制服务之前我们仍然有足够的处理器能力，但是......
您可能已经注意到，即使处理器负载低于指定限制（明显低于限制），仍然会发生限制。
面对这个，我们很快发现了几个资源（, , ）关于由于限制导致的服务性能和响应时间下降。
为什么我们会在低 CPU 负载时看到节流？ 简而言之：“核心 Linux 存在一个漏洞，会导致具有指定 CPU 限制的容器受到不必要的限速。如果您对问题的性质感兴趣，可以查看演示文稿（ и 选项）戴夫·奇鲁克（Dave Chiluk）。
消除 CPU 限制（极其谨慎）
经过长时间的讨论，我们决定取消所有直接或间接影响用户关键功能的服务的处理器限制。
这个决定并不容易，因为我们非常重视集群的稳定性。 过去，我们已经尝试过我们的集群不稳定，然后服务消耗了太多资源并减慢了整个节点的工作速度。 现在一切都有些不同了：我们清楚地了解了我们对集群的期望，以及实施计划变更的良好策略。
关于紧迫问题的商业信函。
当限制解除时如何保护您的节点？
隔离“不受限制”的服务：
过去，我们已经看到一些节点进入某种状态 notReady，主要是由于服务消耗了太多资源。
我们决定将此类服务放置在单独的（“标记”）节点中，以便它们不会干扰“相关”服务。 因此，通过标记一些节点并向“不相关”的服务添加容忍参数，我们实现了对集群的更大控制，并且更容易识别节点的问题。 要自己执行类似的过程，您可以熟悉 .
分配正确的处理器和内存请求：
我们最担心的是该过程会消耗太多资源并且节点将停止响应请求。 从现在开始（感谢 Datadog），我们可以清楚地监控集群上的所有服务，我分析了我们计划指定为“不相关”的服务的几个月运行情况。 我只是将最大 CPU 使用率设置为 20%，从而在节点中分配空间，以防 k8s 尝试将其他服务分配给该节点。
如图所示，处理器的最大负载已达到 242m CPU 核心（0.242 个处理器核心）。 对于处理器请求，取比该值稍大的数字就足够了。 请注意，由于服务以用户为中心，峰值负载值与流量一致。
对内存使用和查询执行相同的操作，瞧 - 您已全部设置完毕！ 为了提高安全性，您可以添加水平 Pod 自动缩放。 因此，每次资源负载较高时，自动缩放都会创建新的 pod，kubernetes 会将它们分发到有可用空间的节点。 如果集群本身没有剩余空间，您可以为自己设置警报或通过自动缩放配置添加新节点。
在缺点中，值得注意的是我们输给了““， IE。 一个节点上运行的容器数量。 在低流量密度下我们也可能有很多“放松”，并且您也有可能达到高处理器负载，但自动缩放节点应该有助于后者。
结果
我很高兴发布过去几周实验的出色结果；我们已经看到所有修改后的服务的响应有了显着改进：
我们在主页上取得了最好的成绩（），服务加速 二十二次！
内核漏洞修复了吗？ Linux?
是的， 发行版本 4.19 及更高版本。
然而，读完后 2020 年 XNUMX 月 XNUMX 日 我们仍然会遇到一些提及某些事物的情况。 Linux-其他项目也存在类似的错误。我相信在某些发行版中 Linux 该错误仍然存在，目前正在进行修复工作。
如果您的发行版版本低于 4.19，我建议您升级到最新版本，但您仍然应该尝试移除 CPU 限制，看看限流问题是否仍然存在。以下是 Kubernetes 管理服务的部分列表： Linux 分布：
- Debian该修复程序已集成到最新版本的发行版中。 ，而且看起来很新鲜（）。 某些以前的版本也可能已修复。
- Ubuntu：已将修复程序集成到最新版本中
- EKS 已修复 。 如果您的版本低于此版本，您应该更新 AMI。
- 科普斯： у
kops 1.18+主主机镜像将是 Ubuntu 4月20日。如果您的Kops版本较旧，您可能需要等待修复程序发布。我们自己目前也在等待修复程序。 - GKE（Google Cloud）：修复集成 ，但是节流存在问题 .
如果修复解决了节流问题该怎么办？
我不确定问题是否已完全解决。 当我们到达包含修复程序的内核版本时，我将测试集群并更新帖子。 如果有人已经更新，我有兴趣阅读您的结果。
结论
- 如果您正在使用 Docker 容器， Linux （无论是 Kubernetes、Mesos、Swarm 还是其他任何技术），您的容器都可能因限流而降低性能；
- 尝试更新到您的发行版的最新版本，希望该错误已得到修复；
- 消除处理器限制可以解决问题，但这是一种危险的技术，应极其谨慎地使用（最好先更新内核并比较结果）；
- 如果您取消了 CPU 限制，请仔细监控您的 CPU 和内存使用情况，并确保您的 CPU 资源超出您的消耗；
- 一个安全的选择是在硬件负载较高的情况下自动缩放 Pod 以创建新的 Pod，以便 Kubernetes 将它们分配给空闲节点。
我希望这篇文章可以帮助您提高容器系统的性能。
PS 作者与读者和评论员通信（英文）。
来源： habr.com
