Risoluzione dei problemi relativi ai cluster Autopilot

Questa pagina mostra come risolvere i problemi relativi a Google Kubernetes Engine (GKE) Autopilot.

Se hai bisogno di ulteriore assistenza, contatta l'assistenza clienti Google Cloud.

Problemi relativi ai cluster

Impossibile creare un cluster: 0 nodi registrati

Il seguente problema si verifica quando si tenta di creare un cluster Autopilot con un account di servizio IAM disattivato o che non dispone delle autorizzazioni richieste. La creazione del cluster non riesce e viene visualizzato il seguente messaggio di errore:

All cluster resources were brought up, but: only 0 nodes out of 2 have registered.

Per risolvere il problema:

  1. Controlla se l'account di servizio Compute Engine predefinito o l'account di servizio IAM personalizzato che vuoi utilizzare disattivata:

    gcloud iam service-accounts describe SERVICE_ACCOUNT

    Sostituisci SERVICE_ACCOUNT con l'indirizzo email dell'account di servizio indirizzo email, ad esempio my-iam-account@my-first-project.iam.gserviceaccount.com.

    Se l'account di servizio è disabilitato, l'output è simile al seguente:

    disabled: true
displayName: my-service-account
email: my-service-account@my-project.iam.gserviceaccount.com
...

  2. Se l'account di servizio è disabilitato, abilitalo:

    gcloud iam service-accounts enable SERVICE_ACCOUNT

Se l'account di servizio è abilitato e l'errore persiste, concedi all'account di servizio le autorizzazioni minime richieste per GKE:

gcloud projects add-iam-policy-binding PROJECT_ID \
    --member "serviceAccount:SERVICE_ACCOUNT" \
    --role roles/container.nodeServiceAccount

Spazio dei nomi bloccato nello stato di terminazione quando il cluster ha 0 nodi

Il seguente problema si verifica quando elimini uno spazio dei nomi in un cluster dopo fa lo scale down di un cluster a zero nodi. Il componente metrics-server non può accettare la richiesta di eliminazione dello spazio dei nomi perché il componente ha zero repliche.

Per diagnosticare il problema, esegui il seguente comando:

kubectl describe ns/NAMESPACE_NAME

Sostituisci NAMESPACE_NAME con il nome dello spazio dei nomi.

L'output è il seguente:

Discovery failed for some groups, 1 failing: unable to retrieve the complete
list of server APIs: metrics.k8s.io/v1beta1: the server is currently unable to
handle the request

Per risolvere il problema, esegui la scalabilità di qualsiasi carico di lavoro per attivare GKE e creare un nuovo nodo. Quando il nodo è pronto, la richiesta di eliminazione del nome spazio viene completata automaticamente. Dopo che GKE ha eliminato lo spazio dei nomi, per il carico di lavoro.

Problemi di scalabilità

Lo scale up del nodo non è riuscito: il pod rischia di non essere pianificato

Il seguente problema si verifica quando il logging delle porte seriali è disabilitato nel tuo progetto Google Cloud. I cluster GKE Autopilot richiedono il logging delle porte seriali per eseguire efficacemente il debug dei problemi dei nodi. Se il logging della porta seriale è disabilitato, Autopilot non può eseguire il provisioning dei nodi per eseguire i tuoi carichi di lavoro.

Il messaggio di errore nel log eventi di Kubernetes è simile al seguente:

LAST SEEN   TYPE      REASON          OBJECT                          MESSAGE
12s         Warning   FailedScaleUp   pod/pod-test-5b97f7c978-h9lvl   Node scale up in zones associated with this pod failed: Internal error. Pod is at risk of not being scheduled

La registrazione della porta seriale potrebbe essere disattivata a livello di organizzazione tramite un criterio dell'organizzazione che applica il vincolo compute.disableSerialPortLogging. Il logging delle porte seriali potrebbe essere disabilitato anche a livello di progetto o di macchina virtuale di macchina virtuale (VM).

Per risolvere il problema:

  1. Chiedi all'amministratore dei criteri dell'organizzazione Google Cloud di rimuovere la limitazione compute.disableSerialPortLogging nel progetto con il cluster Autopilot.
  2. Se non hai un criterio dell'organizzazione che applica questo vincolo, prova a abilitare il logging delle porte seriali nei metadati di progetto. Questa azione richiede l'compute.projects.setCommonInstanceMetadataautorizzazione IAM.

Impossibile fare lo scale up del nodo: risorse GCE esaurite

Il seguente problema si verifica quando i carichi di lavoro richiedono più risorse di quelle disponibili per l'utilizzo nella regione o nella zona Compute Engine. I pod potrebbero rimanere nello stato Pending.

  • Controlla gli eventi del pod:

    kubectl events --for='pod/POD_NAME' --types=Warning

    Sostituisci RESOURCE_NAME con il nome della risorsa Kubernetes in attesa. Ad esempio pod/example-pod.

    L'output è simile al seguente:

    LAST SEEN         TYPE            REASON                  OBJECT                   Message
19m               Warning         FailedScheduling        pod/example-pod          gke.io/optimize-utilization-scheduler  0/2 nodes are available: 2 node(s) didn't match Pod's node affinity/selector. preemption: 0/2 nodes are available: 2 Preemption is not helpful for scheduling.
14m               Warning         FailedScheduling        pod/example-pod          gke.io/optimize-utilization-scheduler  0/2 nodes are available: 2 node(s) didn't match Pod's node affinity/selector. preemption: 0/2 nodes are available: 2 Preemption is not helpful for scheduling.
12m (x2 over 18m) Warning         FailedScaleUp           cluster-autoscaler       Node scale up in zones us-central1-f associated with this pod failed: GCE out of resources. Pod is at risk of not being scheduled.
34s (x3 over 17m) Warning         FailedScaleUp           cluster-autoscaler       Node scale up in zones us-central1-b associated with this pod failed: GCE out of resources. Pod is at risk of not being scheduled.

Per risolvere il problema, prova a procedere nel seguente modo:

  • Esegui il deployment del pod in una regione o una zona diversa. Se il tuo pod ha un servizio come un selettore di topologia, rimuovila, se possibile. Per le istruzioni, consulta Posizionare i pod GKE in zone specifiche.
  • Crea un cluster in una regione diversa e riprova a eseguire il deployment.
  • Prova a utilizzare una classe di calcolo diversa. Classi di calcolo supportate è più probabile che siano disponibili tipi di macchine Compute Engine più piccoli Google Cloud. Ad esempio, il tipo di macchina predefinito per Autopilot ha la disponibilità più elevata. Per un elenco di classi di computing e i valori corrispondenti quali tipi di macchina, Quando utilizzare classi di computing specifiche.
  • Se esegui carichi di lavoro GPU, la GPU richiesta potrebbe non essere disponibile nella località del tuo node. Prova a eseguire il deployment del carico di lavoro in una località diversa richiedendo un tipo diverso di GPU.

Per evitare problemi di scale up causati dalla disponibilità delle risorse in futuro, considera i seguenti approcci:

Impossibile eseguire lo scale up dei nodi: risorse zonali del pod superate

Il seguente problema si verifica quando Autopilot non esegue il provisioning di nuovi nodi per un pod in una zona specifica perché un nuovo nodo violerebbe i limiti delle risorse.

Il messaggio di errore nei log è simile al seguente:

    "napFailureReasons": [
            {
              "messageId": "no.scale.up.nap.pod.zonal.resources.exceeded",
              ...

Questo errore si riferisce a noScaleUp in cui il provisioning automatico dei nodi non ha eseguito il provisioning di alcun gruppo di nodi per il pod nella zona.

Se riscontri questo errore, verifica quanto segue:

Problemi relativi al carico di lavoro

Carichi di lavoro bloccati con errore di archiviazione temporanea

GKE non creerà pod se l'archiviazione temporanea dei pod delle richieste superano il limite massimo di 10 GiB in GKE versione 1.28.6-gke.1317000 e successive.

Per diagnosticare questo problema, descrivi il controller del carico di lavoro, ad esempio il deployment o il job:

kubectl describe CONTROLLER_TYPE/CONTROLLER_NAME

Sostituisci quanto segue:

  • CONTROLLER_TYPE: il tipo di controller dei carichi di lavoro, ad esempio replicaset o daemonset. Per un elenco dei tipi di controller, consulta Gestione del carico di lavoro.
  • CONTROLLER_NAME: il nome del carico di lavoro bloccato.

Se il pod non viene creato a causa della richiesta di archiviazione temporanea che ha superato massimo, l'output è simile al seguente:

# lines omitted for clarity

Events:

{"[denied by autogke-pod-limit-constraints]":["Max ephemeral-storage requested by init containers for workload '' is higher than the Autopilot maximum of '10Gi'.","Total ephemeral-storage requested by containers for workload '' is higher than the Autopilot maximum of '10Gi'."]}

Per risolvere il problema, aggiorna le richieste di spazio di archiviazione temporaneo in modo che il totale archiviazione temporanea richiesta dai container dei carichi di lavoro e dai container l'inserimento di webhook è inferiore o uguale al valore massimo consentito. Per maggiori informazioni informazioni sul limite massimo, Richieste di risorse in Autopilot. per la configurazione del carico di lavoro.

Pod bloccati nello stato In attesa

Un pod potrebbe rimanere bloccato nello stato Pending se selezioni un nodo specifico utilizzabili dal pod, ma la somma delle richieste di risorse nel pod I DaemonSet che devono essere eseguiti sul nodo superano la capacità massima allocabile di nel nodo. Di conseguenza, il pod potrebbe ottenere lo stato Pending e rimanere non pianificate.

Per evitare questo problema, valuta le dimensioni dei carichi di lavoro di cui hai eseguito il deployment per assicurarti che rientrano nel numero massimo di richieste di risorse per Autopilot.

Puoi anche provare a pianificare i tuoi DaemonSet prima di programmare il tuo dei carichi di lavoro.

Pod bloccati durante l'arresto o la creazione

Un problema noto causa il blocco dei pod in uno dei seguenti casi: stati:

  • Terminating
  • CreateContainerError

Questo problema ha una piccola probabilità di verificarsi quando utilizzi pod espandibili in ambienti GKE che soddisfano tutte le seguenti condizioni:

  1. I tuoi nodi eseguono le versioni GKE a partire da 1.29.2-gke.1060000 fino a 1.30.2-gke.1394000, esclusa quest'ultima.
  2. Il pod utilizza una delle seguenti classi di calcolo:
    • La classe di computing per uso generico predefinita
    • La classe di computing Balanced
    • La classe di computing Scale-Out

Per ridurre questo problema, esegui l'upgrade del piano di controllo alla versione GKE 1.30.2-gke.1394000 o versioni successive. I pod che sono già bloccati nello stato Terminating o CreateContainerError verranno implementati correttamente dopo che GKE avrà ricreato i pod sui nodi che eseguono una versione corretta.

Quando esegui l'upgrade di un cluster Autopilot, GKE esegue l'upgrade dei nodi worker in modo che corrispondano alla versione del piano di controllo nel tempo. Per attivare l'esplosione è necessario riavviare il piano di controllo e l'operazione deve essere eseguita dopo che tutti i nodi hanno eseguito una versione supportata. Il piano di controllo si riavvia automaticamente circa una volta alla settimana durante operazioni come scalabilità, upgrade o manutenzione.

Per attivare manualmente il riavvio di un piano di controllo:

  1. Controlla se tutti i nodi eseguono la versione 1.30.2-gke.1349000 o successiva:

    kubectl get nodes

    L'output è simile al seguente:

    NAME                                          STATUS   ROLES    AGE     VERSION
gk3-ap-cluster-1-default-pool-18092e49-mllk   Ready    <none>   4m26s   v1.30.2-gke.1349000

    Tutti i nodi nell'output devono mostrare la versione richiesta o una successiva.

  2. Avvia manualmente l'upgrade di un piano di controllo alla stessa versione già utilizzato da un cluster Kubernetes. Per istruzioni, vedi Upgrade manuale del piano di controllo.

Prestazioni del carico di lavoro in modo incoerente su un nodo specifico

In GKE 1.24 e versioni successive, se i tuoi carichi di lavoro su una subiscono costantemente interruzioni, arresti anomali o simili comportamenti inaffidabili, puoi informare GKE del nodo problematico contrassegnandolo come non pianificabile utilizzando il seguente comando:

kubectl drain NODE_NAME --ignore-daemonsets

Sostituisci NODE_NAME con il nome del nodo problematico. Puoi trovare il nome del nodo eseguendo kubectl get nodes.

GKE esegue le seguenti operazioni:

  • Rimuove i carichi di lavoro esistenti dal nodo e interrompe la pianificazione dei carichi di lavoro il giorno su quel nodo.
  • Ricrea automaticamente tutti i carichi di lavoro eliminati che sono gestiti da un come un Deployment o uno StatefulSet, su altri nodi.
  • Termina tutti i carichi di lavoro rimasti sul nodo e ripara o ricrea i carichi di lavoro il nodo nel tempo.
  • Se utilizzi Autopilot, GKE arresta e sostituisce immediatamente il nodo e ignora eventuali PodDisruptionBudget configurati.

La pianificazione dei pod su cluster vuoti richiede più tempo del previsto

Questo evento si verifica quando esegui il deployment di un carico di lavoro in un cluster Autopilot che non ha altri carichi di lavoro. I cluster Autopilot iniziano con zero nodi utilizzabili e si ridimensionano a zero nodi se il cluster è vuoto per evitare di avere risorse di calcolo non utilizzate nel cluster. Eseguendo il deployment di un carico di lavoro in un cluster zero nodi attiva un evento di scale up.

In questo caso, la modalità Autopilot funziona come previsto e necessaria un'azione. Il carico di lavoro verrà implementato come previsto dopo l'avvio dei nuovi nodi.

Controlla se i pod sono in attesa di nuovi nodi:

  1. Descrivi il pod in attesa:

    kubectl describe pod POD_NAME

    Sostituisci POD_NAME con il nome del pod in attesa.

  2. Controlla la sezione Events dell'output. Se il pod è in attesa di nuovi nodi, l'output è simile al seguente:

    Events:
  Type     Reason            Age   From                                   Message
  ----     ------            ----  ----                                   -------
  Warning  FailedScheduling  11s   gke.io/optimize-utilization-scheduler  no nodes available to schedule pods
  Normal   TriggeredScaleUp  4s    cluster-autoscaler                     pod triggered scale-up: [{https://www.googleapis.com/compute/v1/projects/example-project/zones/example-zone/instanceGroups/gk3-example-cluster-pool-2-9293c6db-grp 0->1 (max: 1000)} {https://www.googleapis.com/compute/v1/projects/example-project/zones/example-zone/instanceGroups/gk3-example-cluster-pool-2-d99371e7-grp 0->1 (max: 1000)}]

    L'evento TriggeredScaleUp mostra che il cluster sta eseguendo lo scale up da zero al numero di nodi necessario per eseguire il carico di lavoro di cui è stato eseguito il deployment.

L'accesso ai nodi sottostanti è vietato in un cluster GKE Autopilot. Pertanto, è necessario eseguire l'utilità tcpdump dall'interno di un pod e quindi copiarla utilizzando il comando kubectl cp. Se in genere esegui l'utilità tcpdump da un pod in un cluster GKE Autopilot, potresti visualizzare il seguente errore:

    tcpdump: eth0: You don't have permission to perform this capture on that device
    (socket: Operation not permitted)

Questo accade perché GKE Autopilot, per impostazione predefinita, applica a tutti i pod un contesto di sicurezza che elimina la funzionalità NET_RAW per mitigare le potenziali vulnerabilità. Ad esempio:

apiVersion: v1
kind: Pod
metadata:
  labels:
    app: tcpdump
  name: tcpdump
spec:
  containers:
  - image: nginx
    name: nginx
    resources:
      limits:
        cpu: 500m
        ephemeral-storage: 1Gi
        memory: 2Gi
      requests:
        cpu: 500m
        ephemeral-storage: 1Gi
        memory: 2Gi
    securityContext:
      capabilities:
        drop:
        - NET_RAW

Come soluzione, se il carico di lavoro richiede la funzionalità NET_RAW, puoi riabilitarla:

  1. Aggiungi la funzionalità NET_RAW alla sezione securityContext della specifica YAML del tuo pod:

    securityContext:
  capabilities:
    add:
    - NET_RAW

  2. Esegui tcpdump dall'interno di un pod:

    tcpdump port 53 -w packetcap.pcap
tcpdump: listening on eth0, link-type EN10MB (Ethernet), snapshot length 262144 bytes

  3. Utilizza il comando kubectl cp per copiarlo sulla tua macchina locale per un'ulteriore analisi:

    kubectl cp POD_NAME:/PATH_TO_FILE/FILE_NAME/PATH_TO_FILE/FILE_NAME

  4. Usa kubectl exec per eseguire il comando tcpdump per eseguire l'acquisizione di pacchetti di rete e reindirizzare l'output:

    kubectl exec -it POD_NAME -- bash -c "tcpdump port 53 -w -" > packet-new.pcap

Passaggi successivi

Se hai bisogno di ulteriore assistenza, contatta l'assistenza clienti Google Cloud.