[[328179]]

使用 Kubernetes，大家都會遇到哪些錯誤？本文分享了作者多年來使用 Kubernetes 最常見的 10 個錯誤。

使用 kubernetes 這么多年以來，我們見過的集群不計其數(shù)（包括托管的和非托管的，GCP、AWS 和 Azure 上的都有），還見識了很多經(jīng)常重復(fù)出現(xiàn)的錯誤。其中大部分錯誤我們自己也犯過，這沒什么丟人的！

本文會給大家展示一些我們經(jīng)常遇到的問題，并談?wù)勑迯?fù)它們的方法。

1. 資源：請求和限制

這無疑是最值得關(guān)注的，也是這個榜單上的第一名。

人們經(jīng)常不設(shè)置 CPU 請求或?qū)?CPU 請求設(shè)置得過低（這樣我們就可以在每個節(jié)點上容納很多 Pod），結(jié)果節(jié)點就會過量使用（overcommited）。在需求較高時，節(jié)點的 CPU 全負(fù)荷運行，而我們的負(fù)載只能得到“它所請求的”數(shù)據(jù)，使 CPU 節(jié)流（throttled），從而導(dǎo)致應(yīng)用程序延遲和超時等指標(biāo)增加。

BestEffort（不要這樣做）：

resources: {} 

very low cpu（不要這樣做）：

resources: 
      requests: 
        cpu: "1m" 

另一方面，啟用 CPU 限制可能會在節(jié)點的 CPU 沒有充分利用的情況下，對 Pod 進行不必要地節(jié)流，這也會導(dǎo)致延遲增加。人們也討論過關(guān)于 Linux 內(nèi)核中的 CPU CFS 配額，和因為設(shè)置了 CPU 限制并關(guān)閉 CFS 配額而導(dǎo)致的 CPU 節(jié)流問題。CPU 限制造成的問題可能會比它能解決的問題還多。想了解更多信息，請查看下面的鏈接。

內(nèi)存過量使用會給我們帶來更多麻煩。達(dá)到 CPU 限制將導(dǎo)致節(jié)流，達(dá)到內(nèi)存限制會導(dǎo)致 Pod 被殺。見過 OOMkill（因內(nèi)存不足而被殺死）嗎？我們要說的就是這個意思。想要盡量減少這類狀況？那就不要過量使用內(nèi)存，并使用 Guaranteed QoS（Quality of Service）將內(nèi)存請求設(shè)置為與限制相等，就像下面的例子那樣。了解更多信息，請參考 Henning Jacobs（Zalando）的演講。

https://www.slideshare.net/try_except_/optimizing-kubernetes-resource-requestslimits-for-costefficiency-and-latency-highload

Burstable（容易帶來更多 OOMkilled）：

resources: 
      requests: 
        memory: "128Mi" 
        cpu: "500m" 
      limits: 
        memory: "256Mi" 
        cpu: 2 

Guaranteed：

resources: 
     requests: 
       memory: "128Mi" 
       cpu: 2 
     limits: 
       memory: "128Mi" 
       cpu: 2 

那么我們設(shè)置資源時有什么訣竅呢？

我們可以使用 metrics-server 查看 Pod（以及其中的容器）的當(dāng)前 CPU 和內(nèi)存使用情況。你可能已經(jīng)啟用它了。只需運行以下命令即可：

kubectl top pods 
kubectl top pods --containers 
kubectl top nodes 

不過，這些只會顯示當(dāng)前的使用情況。要大致了解這些數(shù)據(jù)的話這就夠用了，但我們到頭來是希望能及時看到這些使用量指標(biāo)（以回答諸如：昨天上午 CPU 使用量的峰值等問題）。為此我們可以使用 Prometheus 和 DataDog 等工具。它們只是從 metrics-server 接收度量數(shù)據(jù)并存儲下來，然后我們就能查詢和繪制這些數(shù)據(jù)了。

VerticalPodAutoscaler 可以幫助我們自動化這一手動過程——及時查看 cpu/ 內(nèi)存的使用情況，并基于這些數(shù)據(jù)再設(shè)置新的請求和限制。

https://cloud.google.com/kubernetes-engine/docs/concepts/verticalpodautoscaler

有效利用計算資源不是一件容易的事情，就像不停地玩俄羅斯方塊。如果我們發(fā)現(xiàn)自己花了大筆錢購買計算資源，可是平均利用率卻很低（比如大約 10%），那么我們可能就需要 AWS Fargate 或基于 Virtual Kubelet 的產(chǎn)品。它們主要使用無服務(wù)器 / 按使用量付費的的計費模式，這對我們來說可能會更省錢。

2. liveness 和 readiness 探針

默認(rèn)情況下，Kubernetes 不會指定任何 liveness 和 readiness 探針。有時它會一直保持這種狀態(tài)……

但如果出現(xiàn)不可恢復(fù)的錯誤，我們的服務(wù)將如何重新啟動呢？負(fù)載均衡器如何知道特定的 Pod 可以開始處理流量，或能處理更多流量呢？

人們通常不知道這兩者間的區(qū)別。

• 如果探針失敗，liveness 探針將重新啟動 Pod
• Readiness 探針失敗時，會斷開故障 Pod 與 Kubernetes 服務(wù)的連接（我們可以用kubectl get endpoints檢查這一點），并且直到該探針恢復(fù)正常之前，不會向該 Pod 發(fā)送任何流量。

它們兩個都運行在整個 Pod 生命周期中。這一點是很重要的。

人們通常認(rèn)為，readiness 探針只在開始時運行，以判斷 Pod 何時 Ready 并可以開始處理流量。但這只是它的一個用例而已。

它的另一個用例是在一個 Pod 的生命周期中判斷它是否因過熱而無法處理太多流量（或一項昂貴的計算），這樣我們就不會讓它做更多工作，而是讓它冷卻下來；等到 readiness 探針成功，我們會再給它發(fā)送更多流量。在這種情況下（當(dāng) readiness 探針失敗時），如果 liveness 探針也失敗就會非常影響效率了。我們?yōu)槭裁匆匦聠右粋€健康的、正在做大量工作的 Pod 呢？

有時候，不指定任何探針都比指定一個錯誤的探針要好。如上所述，如果 liveness 探針等于 readiness 探針，我們將遇到很大的麻煩。我們一開始可能只會指定 readiness 探針，因為 liveness 探針太危險了。

https://twitter.com/sszuecs/status/1175803113204269059

https://srcco.de/posts/kubernetes-liveness-probes-are-dangerous.html

如果你的任何共享依賴項出現(xiàn)故障，就不要讓任何一個探針失敗，否則它將導(dǎo)致所有 Pod 的級聯(lián)故障。我們這是搬起石頭砸自己的腳。

https://blog.colinbreck.com/kubernetes-liveness-and-readiness-probes-how-to-avoid-shooting-yourself-in-the-foot/

3. 在所有 HTTP 服務(wù)上啟用負(fù)載均衡器

我們的集群中可能有很多 HTTP 服務(wù)，并且我們希望將這些服務(wù)對外界公開。

如果我們將 Kubernetes 服務(wù)以type: LoadBalancer的形式公開，那么它的控制器（取決于供應(yīng)商）將提供并協(xié)調(diào)一個外部負(fù)載均衡器（不一定是 L7 的，更可能是 L4 lb）；當(dāng)我們創(chuàng)建很多這種資源時，它們可能會變得很昂貴（外部靜態(tài) ipv4 地址、計算、按秒計費……）。

在這種情況下，共享同一個外部負(fù)載均衡器可能會更好些，這時我們將服務(wù)以type: NodePort的形式公開。或者更好的方法是，部署 nginx-ingress-controller（或 traefik）之類的東西，作為公開給這個外部負(fù)載均衡器的單個 NodePort 端點，并基于 Kubernetes ingress 資源在集群中路由流量。

其他相互通信的集群內(nèi)（微）服務(wù)可以通過 ClusterIP 服務(wù)和開箱即用的 DNS 服務(wù)發(fā)現(xiàn)來通信。注意不要使用它們的公共 DNS/IP，因為這可能會影響它們的延遲和云成本。

4. 無 Kubernetes 感知的集群自動縮放

在集群中添加節(jié)點或刪除節(jié)點時，不應(yīng)該考慮一些簡單的度量指標(biāo)，比如這些節(jié)點的 CPU 利用率。在調(diào)度 Pod 時，我們需要根據(jù)許多調(diào)度約束來進行決策，比如 Pod 和節(jié)點的親密關(guān)系（affinities）、污點（taints）和容忍（tolerations）、資源請求（resource requests）、QoS 等。讓一個不了解這些約束的外部自動縮放器（autoscaler）來處理縮放可能會招來麻煩。

假設(shè)有一個新的 Pod 要被調(diào)度，但是所有可用的 CPU 都被請求了，并且 Pod 卡在了 Pending 狀態(tài)?？墒峭獠孔詣涌s放器會查看當(dāng)前的平均 CPU 使用率（不是請求數(shù)量），然后決定不擴容（不添加新的節(jié)點）。結(jié)果 Pod 也不會被調(diào)度。

縮容（從集群中刪除節(jié)點）總是更難一些。假設(shè)我們有一個有狀態(tài)的 Pod（連接了持久卷），由于持久卷（persistent volumes）通常是屬于特定可用區(qū)域的資源，并且沒有在該區(qū)域中復(fù)制，我們自定義的自動縮放器會刪除一個帶有此 Pod 的節(jié)點，而調(diào)度器無法將其調(diào)度到另一個節(jié)點上，因為這個 Pod 只能待在持久磁盤所在的那個可用區(qū)域里。Pod 將再次陷入 Pending 狀態(tài)。

社區(qū)正在廣泛使用 cluster-autoscaler，它運行在集群中，能與大多數(shù)主要的公共云供應(yīng)商 API 集成；它可以理解所有這些約束，并能在上述情況下擴容。它還能搞清楚是否可以在不影響我們設(shè)置的任何約束的前提下優(yōu)雅地縮容，從而節(jié)省我們的計算成本。

https://github.com/kubernetes/autoscaler/tree/master/cluster-autoscaler

5. 不要使用 IAM/RBAC 的能力

不要使用 IAM Users 永久存儲機器和應(yīng)用程序的秘鑰，而要使用角色和服務(wù)帳戶生成的臨時秘鑰。

我們經(jīng)?？吹竭@種情況，那就是在應(yīng)用程序配置中硬編碼訪問（access ）和密鑰（secret），并在使用 Cloud IAM 時從來不輪換密鑰。我們應(yīng)該盡量使用 IAM 角色和服務(wù)帳戶來代替 Users。

請?zhí)^ kube2iam，直接按照Štěpán Vraný在這篇博文中介紹的那樣，使用服務(wù)賬戶的 IAM 角色。

https://blog.pipetail.io/posts/2020-04-13-more-eks-tips/

apiVersion: v1 
kind: ServiceAccount 
metadata: 
  annotations: 
    eks.amazonaws.com/role-arn: arn:aws:iam::123456789012:role/my-app-role 
  name: my-serviceaccount 
  namespace: default 

只有一個 annotation。沒那么難做吧。

另外，當(dāng)服務(wù)帳戶或?qū)嵗渲梦募恍枰猘dmin和cluster-admin權(quán)限時，也不要給它們這些權(quán)限。這有點困難，尤其是在 k8s RBAC 中，但仍然值得一試。

6. Pod 的 self anti-affinities

某個部署有 3 個 Pod 副本正在運行，然后節(jié)點關(guān)閉了，所有的副本也都隨之關(guān)閉。豈有此理？所有副本都在一個節(jié)點上運行？Kubernetes 難道不應(yīng)該很厲害，并提供高可用性的嗎？！

我們不能指望 Kubernetes 調(diào)度程序為我們的 Pod 強制使用 anti-affinites。我們必須顯式地定義它們。

// omitted for brevity 
      labels: 
        app: zk 
// omitted for brevity 
      affinity: 
        podAntiAffinity: 
          requiredDuringSchedulingIgnoredDuringExecution: 
            - labelSelector: 
                matchExpressions: 
                  - key: "app" 
                    operator: In 
                    values: 
                    - zk 
              topologyKey: "kubernetes.io/hostname" 

就是這樣。這樣就能保證 Pod 被調(diào)度到不同的節(jié)點上（這僅在調(diào)度時檢查，而不是在執(zhí)行時檢查，因此需要requiredDuringSchedulingIgnoredDuringExecution ）。

我們討論的是不同節(jié)點名稱上（  topologyKey: "kubernetes.io/hostname" ）的 podAntiAffinity，而不是不同可用區(qū)域的 podAntiAffinity。如果你確實需要很好的可用性水平，可以在這個主題上再深入做些研究。

7. 無 PodDisruptionBudget

我們在 Kubernetes 上運行生產(chǎn)負(fù)載。我們的節(jié)點和集群必須不時升級或停用。PodDisruptionBudget（pdb）是一種用于在集群管理員和集群用戶之間提供服務(wù)保證的 API。

請確保創(chuàng)建了pdb ，以避免由于節(jié)點耗盡而造成不必要的服務(wù)中斷。

apiVersion: policy/v1beta1 
kind: PodDisruptionBudget 
metadata: 
  name: zk-pdb 
spec: 
  minAvailable: 2 
  selector: 
    matchLabels: 
      app: zookeeper 

作為一個集群用戶，我們可以告訴集群管理員：“嘿，我這里有個 zookeeper 服務(wù)，無論如何我都希望至少有 2 個副本是始終可用的”。

我在這篇博客文章中更深入地討論了這個話題。

https://blog.marekbartik.com/posts/2018-06-29_kubernetes-in-production-poddisruptionbudget/

8. 共享集群中有不止一個租戶或環(huán)境

Kubernetes 命名空間不提供任何強隔離。

人們似乎期望，如果將非生產(chǎn)負(fù)載放到一個命名空間，然后將生產(chǎn)負(fù)載放到生產(chǎn)命名空間，那么這些負(fù)載之間就永遠(yuǎn)不會相互影響了。我們可以在某種程度上公平分配（比如資源的請求和限制、配額、優(yōu)先級）并實現(xiàn)隔離（比如 affinities、tolerations、taints 或 nodeselectors），進而“物理地”分離數(shù)據(jù)平面上的負(fù)載，但這種分離是相當(dāng)復(fù)雜的。

如果我們需要在同一個集群中同時擁有這兩種類型的負(fù)載，那么就必須要承擔(dān)這種復(fù)雜性。如果我們用不著局限在一個集群里，而且再加一個集群的成本更低時（比如在公共云上），那么應(yīng)該將它們放在不同的集群中以獲得更強的隔離級別。

9. externalTrafficPolicy: Cluster

經(jīng)常看到這種情況，所有流量都在集群內(nèi)路由到一個 NodePort 服務(wù)上，該服務(wù)默認(rèn)使用 externalTrafficPolicy: Cluster 。這意味著在集群中的每個節(jié)點上都打開了 NodePort，這樣我們可以任選一個來與所需的服務(wù)（一組 Pod）通信。

通常情況下，NodePort 服務(wù)所針對的那些 Pod 實際上只運行在這些節(jié)點的一個子集上。這意味著，如果我與一個沒有運行 Pod 的節(jié)點通信，它將會把流量轉(zhuǎn)發(fā)給另一個節(jié)點，從而導(dǎo)致額外的網(wǎng)絡(luò)跳轉(zhuǎn)并增加延遲（如果節(jié)點位于不同的 AZs 或數(shù)據(jù)中心，那么延遲可能會很高，并且會帶來額外的出口成本）。

在 Kubernetes 服務(wù)上設(shè)置externalTrafficPolicy: Local，就不會在每個節(jié)點上都打開 NodePort，只會在實際運行 Pod 的節(jié)點上開啟它。如果我們使用一個外部負(fù)載均衡器來檢查它端點的運行狀況（就像 AWS ELB 所做的那樣），它就會只將流量發(fā)送到應(yīng)該接收流量的節(jié)點上，這樣就能改善延遲、減少計算開銷、降低出口成本并提升健全性。

我們可能會有像 traefik 或 nginx-ingress-controller 之類的東西，被公開成 NodePort（或使用 NodePort 的負(fù)載均衡器）來處理入口 HTTP 流量路由，而這種設(shè)置可以極大地減少此類請求的延遲。

這里有一篇很棒的博客文章，更深入地討論了 externalTrafficPolicy 和它們的權(quán)衡取舍。

https://www.asykim.com/blog/deep-dive-into-kubernetes-external-traffic-policies

10. 把集群當(dāng)寵物 + 控制平面壓力過大

你有沒有過這樣的經(jīng)歷：給服務(wù)器取 Anton、HAL9000 或 Colossus 之類的名字（都是帶梗的名稱，譯注），或者給節(jié)點隨機生成 id，卻給集群取個有含義的名稱？

還可能是這樣的經(jīng)歷：一開始用 Kubernetes 做概念驗證，給集群取名"testing"，結(jié)果到了生產(chǎn)環(huán)境還沒給它改名，結(jié)果誰都不敢碰它？（真實的故事）

把集群當(dāng)寵物可不是開玩笑的，我們可能需要不時刪除集群，演練災(zāi)難恢復(fù)并管理我們的控制平面。害怕觸碰控制平面不是個好兆頭。Etcd 掛掉了？好嘞，我們遇到大麻煩。

反過來說，控制平面也不要用過頭了。也許隨著時間的流逝，控制平面變慢了。這很可能是因為我們創(chuàng)建了很多對象而沒有輪換它們（使用 helm 時常見的情況，它的默認(rèn)設(shè)置不會輪換 configmaps/secrets 的狀態(tài)，結(jié)果我們在控制平面中會有數(shù)千個對象），或者是因為我們不斷從 kube-api（用于自動伸縮、CI/CD、監(jiān)視、事件日志、控制器等）中刪除和編輯了大量內(nèi)容。

另外，請檢查托管 Kubernetes 提供的“SLAs”/SLOs 和保證。供應(yīng)商可能會保證控制平面（或其子組件）的可用性，但不能保證發(fā)送給它的請求的 p99 延遲水平。換句話說，就算我們kubectl get nodes后用了 10 分鐘才得到正確結(jié)果，也沒有違反服務(wù)保證。

11. 附贈一條：使用 latest 標(biāo)簽

這一條是很經(jīng)典的。我覺得最近它沒那么常見了，因為大家被坑的次數(shù)太多，所以再也不用 :latest ，開始加上版本號了。這下清靜了！

ECR 有一個標(biāo)簽不變性的強大功能，絕對值得一試。

https://aws.amazon.com/about-aws/whats-new/2019/07/amazon-ecr-now-supports-immutable-image-tags/

12.總結(jié)

別指望所有問題都能自動解決——Kubernetes 不是銀彈。即使是在 Kubernetes 上，一個糟糕的應(yīng)用程序還會是一個糟糕的應(yīng)用程序（實際上，甚至還可能更糟糕）。如果我們不夠小心，最后就會遇到一系列問題：太過復(fù)雜、壓力過大、控制平面變慢、沒有災(zāi)難恢復(fù)策略。不要指望多租戶和高可用性是開箱即用的。請花點時間讓我們的應(yīng)用程序云原生化。