伸缩Kubernetes到2500个节点中遇到的问题和解决方法

作者：佚名 2018-04-25 07:35:07

云计算 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。本片文章即分享Open API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。

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。

本片文章即分享Open API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。

[[227083]]

遇到的问题以及如何解决

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

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

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。

{ 
"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)

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

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
这个选项需要docker storgae切换到overlay2
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"`