伸缩Kubernetes到2500个节点中遇到的问题和解决方法
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。
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：
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（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
