k8s集群从一千节点增加到五千台节点遇到的瓶颈
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