自动修复节点

本页面提供有关 Google Kubernetes Engine (GKE) 集群中的节点自动修复功能的信息。

概览

节点自动修复有助于将 GKE 集群中的节点保持在正常运行状态。启用该功能后，GKE 会定期检查集群中每个节点的运行状况。如果某个节点在较长时间内连续多次无法通过健康检查，则 GKE 会为该节点启动修复流程。

Autopilot 集群始终自动修复节点。您无法停用此设置。

在 Standard 集群中，系统会默认为新节点池启用节点自动修复功能。您可以为现有节点池停用自动修复，但我们建议您保留默认配置。

GKE 会根据节点的运行状况来确定是否需要修复节点。报告 Ready 状态的节点被视为运行状况良好。如果某节点在给定时间阈值内持续报告运行状况不佳，则 GKE 会触发修复操作。运行状况不佳可能意味着以下情况：

您可以随时使用 kubectl get nodes 命令手动检查节点的健康信号。

如果 GKE 检测到某节点需要修复，则该节点将被排空并重新创建。GKE 将等待一小时，直到排空完成。如果排空未完成，则系统会关闭该节点并创建新节点。

如果多个节点需要修复，GKE 可能会并行修复这些节点。GKE 会根据集群的大小和损坏节点的数量均衡修复次数。GKE 会在较大的集群上并行修复更多节点，但随着非正常节点数量的增加，GKE 将减少并行修复的节点。

如果您在修复流程的任何时候停用节点自动修复功能，那么正在进行的修复不会被取消，并且当前正在修复的任何节点会继续进行修复。

GKE 会为自动修复事件生成日志条目。您可以通过运行以下命令来检查日志：

gcloud container operations list

如果您使用多主机 TPU 切片节点池（包含两个或更多互连 TPU 虚拟机的节点池），则节点自动修复条件有所不同。如果多主机 TPU 切片节点池中的 TPU 节点运行状况不佳并且需要自动修复，则会重新创建整个节点池。如需详细了解 TPU 节点条件，请参阅 TPU 节点自动修复。

您可以按节点池启用节点自动修复。

如果对 Standard 集群中的现有节点池停用了自动修复功能，请按照以下说明启用它：

gcloud container node-pools update POOL_NAME \
    --cluster CLUSTER_NAME \
    --region=COMPUTE_REGION \
    --enable-autorepair

替换以下内容：

转到 Google Cloud 控制台中的 Google Kubernetes Engine 页面。

前往 Google Kubernetes Engine
在集群列表中，点击您要修改的集群的名称。
点击节点标签页。
在节点池下，点击要修改的节点池的名称。
在节点池详情页面中，点击修改。
在管理下，选中启用自动修复复选框。
点击保存。

节点自动修复功能以节点池为单位启用。您可以使用 Google Cloud CLI 或 Google Cloud 控制台验证集群中的节点池启用了节点自动修复。

描述节点池：

gcloud container node-pools describe NODE_POOL_NAME \
--cluster=CLUSTER_NAME

如果启用了节点自动修复，则该命令的输出将包括以下行：

management:
  ...
  autoRepair: true

转到 Google Cloud 控制台中的 Google Kubernetes Engine 页面。

进入 Google Kubernetes Engine
在 Google Kubernetes Engine 页面上，点击要检查的节点池的集群的名称。
点击节点标签页。
在节点池下，点击要检查的节点池的名称。
在管理部分的自动修复字段中，验证启用了自动修复。

您可以使用 gcloud CLI 或 Google Cloud 控制台为 Standard 集群中的现有节点池停用节点自动修复功能。

gcloud container node-pools update POOL_NAME \
    --cluster CLUSTER_NAME \
    --region=COMPUTE_REGION \
    --no-enable-autorepair

替换以下内容：

转到 Google Cloud 控制台中的 Google Kubernetes Engine 页面。

前往 Google Kubernetes Engine
在集群列表中，点击您要修改的集群的名称。
点击节点标签页。
在节点池下，点击要修改的节点池的名称。
在节点池详情页面中，点击修改。
在管理下，取消选中启用自动修复复选框。
点击保存。