标签：pull kube image apiserver 集群 etcd k8s 节点
Kubernetes 自从1.6起便号称可以承载 5000 个以上的节点，但是从数十到 5000 的路上，难免会遇到问题。
在 kubernetes 5000 之路上的经验，包括遇到的问题、尝试解决问题以及找到真正的问题。
1、
问题一：1 ~ 500 个节点之后
问题：kubectl 有时会出现 timeout ( p.s. kubectl -v=6 可以显示所有 API 细节指令)
尝试解决：
一开始以为是 kube-apiserver 服务器负载的问题，尝试增加 proxy 做 replica 协助进行负载均衡
但是超过 10 个备份 master 的时候，发现问题不是因为 kube-apiserver 无法承受负载，GKE 通过一台 32-core VM 就可以承载 500 个节点
原因：
排除以上原因，开始排查 master 上剩下的几个服务(etcd、kube-proxy)
开始尝试调整 etcd
通过使用datadog查看 etcd 吞吐量，发现有异常延迟(latency spiking ~100 ms)
通过Fio工具做性能评估，发现只用到 10%的 IOPS(Input/Output Per Second)，由于写入延迟(write latency 2ms)降低了性能
尝试把 SSD 从网络硬盘变为每台机器有个 local temp drive ( SSD )
结果从~100ms —> 200us
2、
问题二：~1000 个节点的时候
问题：发现 kube-apiserver 每秒从 etcd 上读取 500mb
尝试解决：
通过Prometheus查看 container 之间的网络流量
原因：
发现Fluentd和 Datadog 抓取每个节点上资料过于频繁
调低两个服务的抓取频率，网络性能从 500mb/s 降低到几乎没有
etcd 小技巧：通过--etcd-servers-overrides可以将 Kubernetes Event 的资料写入作为切割，分不同机器处理，如下所示
--etcd-servers-overrides=/events#https://0.example.com:2381;https://1.example.com:2381;https://2.example.com:2381
3、
问题三：1000 ～ 2000 个节点
问题：无法再写入数据，报错 cascading failure
kubernetes-ec2-autoscaler 在全部的 etcd 都停掉以后才回传问题，并且关闭所有的 etcd
尝试解决：
猜测是 etcd 硬盘满了，但是检查 SSD 依旧有很多空间
检查是否有预设的空间限制，发现有 2GB 大小限制
解決方法:
在 etcd 启动参数中加入--quota-backend-bytes
修改 kubernetes-ec2-autoscaler 逻辑——如果超过 50%出现问题，关闭集群
各种服务的优化
Kube masters 的高可用
一般来说，我们的架构是一个 kube-master (主要的 Kubernetes 服务提供组件，上面有 kube-apiserver、kube-scheduler 和 kube-control-manager )加上多個 slave。但是要达到高可用，要参考一下方式实现：
kube-apiserver 要设置多个服务，并且通过参数--apiserver-count重启并且设定
kubernetes-ec2-autoscaler 可以帮助我们自动关闭 idle 的资源，但是这跟 Kubernetes scheduler 的原则相悖，不过通过这些设定，可以帮助我们尽量集中资源。
{undefined
"kind" : "Policy",
"apiVersion" : "v1",
"predicates" : [
{"name" : "GeneralPredicates"},
{"name" : "MatchInterPodAffinity"},
{"name" : "NoDiskConflict"},
{"name" : "NoVolumeZoneConflict"},
{"name" : "PodToleratesNodeTaints"}
],
"priorities" : [
{"name" : "MostRequestedPriority", "weight" : 1},
{"name" : "InterPodAffinityPriority", "weight" : 2}
]
}
以上为调整 kubernetes scheduler 范例，通过调高 InterPodAffinityPriority 的权重，达到我们的目的。更多示范参考范例．
需要注意的是，目前 Kubernetes Scheduler Policy 并不支持动态切换，需要重启 kube-apiserver(issue: 41600)
4、
调整 scheduler policy 造成的影响
OpenAI 使用了KubeDNS ，但不久后发现
问题：
经常出现 DNS 查询不到的情况(随机发生)
超过 ~200QPS domain lookup
尝试解决：
尝试查看为何有这种状态，发现有些 node 上跑了超过 10 个 KuberDNS
解决方法：
由于 scheduler policy 造成了许多 POD 的集中
KubeDNS很轻量，容易被分配到同一节点上，造成 domain lookup 的集中
需要修改 POD affinity (相关介绍)，尽量让KubeDNS分配到不同的 node 之上
affinity:
podAntiAffinity:
requiredDuringSchedulingIgnoredDuringExecution:
weight: 100
labelSelector:
matchExpressions:
key: k8s-app
operator: In
values:
kube-dns
topologyKey: kubernetes.io/hostname
5、
新建节点时 Docker image pulls 缓慢的问题
问题：
每次新节点建立起来，docker image pull 都要花 30 分钟
尝试解决：
有一个很大的 container image Dota，差不多 17GB，影响了整个节点的 image pulling
开始检查 kubelet 是否有其他 image pull 选项
解决方法：
在 kubelet 增加选项--serialize-image-pulls=false来启动 image pulling，让其他服务可以更早地 pull (参考：kubelet启动选项)
这个选项需要 docker storgae 切换到 overlay2 (可以参考docker 教学文章)
并且把 docker image 存放到 SSD，可以让 image pull 更快一些
补充：source trace
// serializeImagePulls when enabled, tells the Kubelet to pull images one
// at a time. We recommend not changing the default value on nodes that
// run docker daemon with version < 1.9 or an Aufs storage backend.
// Issue #10959 has more details.
SerializeImagePulls *bool json:"serializeImagePulls"
提高 docker image pull 的速度
此外，还可以通过以下方式来提高 pull 的速度
kubelet 参数--image-pull-progress-deadline要提高到 30mins docker daemon 参数max-concurrent-download调整到 10 才能多线程下载
6、
网络性能提升
Flannel 性能限制
问题：
OpenAI 节点间的网络流量，可以达到 10-15GBit/s，但是由于 Flannel 所以导致流量会降到 ～ 2GBit/s
解决方式是拿掉 Flannel，使用实际的网络
hostNetwork: true
dnsPolicy: ClusterFirstWithHostNet
————————————————
版权声明：本文为CSDN博主「Johnny-Li」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_40212316/article/details/115400425
标签：pull,kube,image,apiserver,集群,etcd,k8s,节点 来源： https://www.cnblogs.com/chinasoft/p/15835816.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。