K8S node NotReady 后如何保证服务可用

k8s 集群提供的功能

• 调度与扩展，容器应该在哪里运行，根据 CPU 和 MEMORY 实现自动扩容
• 生命周期和健康状况，能自动替换失效的 POD，防止服务中断
• 服务发现，自动发生一组容器，并实现相互通信
• 监控，剔除故障节点，保证容器正常运行
• 认证，谁能访问我

K8S 架构草图

Node 是什么？

Node 是 Kubernetes 的工作节点，以前叫做 minion。取决于你的集群，Node 可以是一个虚拟机或者物理机器。每个 node 都有用于运行 pods 的必要服务，并由 master 组件管理。Node 上的服务包括 Docker、网络组件 (flannel)、kubelet 和 kube-proxy。

Node Conditions 字段描述

Node 故障，什么时候驱逐 Pod

是由 Master 组件 kube-controller-manager 两个参数控制：

• --pod-eviction-timeout：缺省为 5m，删除故障 node 上 Pod 的宽限期
• --node-monitor-grace-period：缺省为 40s，在标记 node 运行状况为不正常之前，允许运行的 node 停止响应的时间

保证服务可用一些方法

• 多 Pod 部署能提高服务性能，并且遇到极端情况也保证服务高可用
• 建议采用节点互斥的方式进行部署
• 对关键组件的监控，应该建立从进程到指标的多级监控，减小服务故障的时间
• Pod 存活检查 和 健康检查，对容器内应用监控是非常必要的
• 云上 K8S集群 Node节点应选择多个 可用区
• 集群Master组件 kube-apiserver、kube-controller-manager、kube-scheduler 一定要支持高可用
• ETCD 也要支持高可用
• 尽量程序操作，减少人为失误

参考链接

• https://kubernetes.io/docs/reference/command-line-tools-reference/kube-controller-manager/
• https://kubernetes.io/docs/concepts/architecture/nodes/
• https://blog.fleeto.us/post/node-downtime/

欢迎大家关注交流，定期分享自动化运维、DevOps、Kubernetes、Service Mesh和Cloud Native