GitHub Actions Runner Controller 在 ArgoCD 中删除时的死锁问题分析
GitHub Actions Runner Controller (ARC) 是一个用于在 Kubernetes 集群中管理自托管 GitHub Actions Runner 的工具。当与 ArgoCD 结合使用时,用户报告了一个关键问题:在尝试通过 ArgoCD 卸载 AutoscalingRunnerSet 时会出现死锁情况。
问题现象
在 ArgoCD 环境中部署 ARC 的 AutoscalingRunnerSet 后,当用户尝试卸载 ArgoCD 应用时,删除操作会被阻塞。这是因为 ARC 控制器为多个资源添加了 actions.github.com/cleanup-protection
终结器(finalizer),而 ArgoCD 尝试直接删除这些资源,导致两者互相等待,形成死锁。
受影响的资源类型包括:
- AutoscalingRunnerSet
- Kube 模式的服务账户
- Kube 模式的角色和角色绑定
- RunnerSet 管理器的角色和角色绑定
问题根源分析
这个问题本质上是 Kubernetes 资源生命周期管理和 GitOps 工具工作流之间的冲突。ARC 控制器使用终结器来确保资源被正确清理,而 ArgoCD 作为声明式 GitOps 工具,会直接尝试删除它管理的所有资源。
在标准 Helm 部署中,这种冲突不会发生,因为 Helm 会按正确顺序处理资源删除。但在 ArgoCD 中,由于所有资源都是平等对待的,缺乏对资源间依赖关系的理解,导致了这种死锁情况。
解决方案探讨
社区成员提出了几种解决方案:
-
ArgoCD 注解方案
通过为资源添加特定的 ArgoCD 注解可以解决这个问题:argocd.argoproj.io/sync-options: Delete=false
- 告诉 ArgoCD 不要直接删除该资源argocd.argoproj.io/sync-wave: "1"
- 控制资源同步顺序
-
分离部署架构
建议将控制器和 RunnerSet 部署为独立的 ArgoCD 应用,这样可以更灵活地管理它们的生命周期。 -
手动干预方案
在紧急情况下,可以手动移除终结器:kubectl patch autoscalingrunnerset <name> --type=json -p='[{"op": "remove", "path": "/metadata/finalizers"}]'
项目维护者立场
GitHub 官方维护团队表示目前没有足够资源正式支持 ArgoCD 集成。他们建议用户在需要特定 ArgoCD 支持时维护自己的 Helm Chart 分支。
最佳实践建议
对于生产环境使用 ARC 和 ArgoCD 的用户,建议采用以下架构:
- 将控制器部署为一个独立的 ArgoCD 应用
- 每个 RunnerSet 也作为独立的 ArgoCD 应用
- 为 RunnerSet 相关资源添加适当的 ArgoCD 注解
- 考虑使用同步波(sync-wave)来控制资源创建和删除顺序
这种架构既保持了 GitOps 的优势,又避免了资源删除时的死锁问题。
未来展望
虽然目前官方不直接支持 ArgoCD 集成,但社区可以继续探索更通用的解决方案,例如通过 Helm values 暴露资源注解配置,这样用户可以根据自己的部署工具需求自定义注解,而不需要维护 Chart 分支。这种方案对其他 GitOps 工具(如 Flux)用户也会有益处。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0299- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









