在Actions Runner Controller中配置节点亲和性的实践指南
2025-06-09 08:50:00作者:韦蓉瑛
Actions Runner Controller是GitHub Actions自托管运行器的管理工具,它允许用户在Kubernetes集群中动态创建和管理运行器。本文将详细介绍如何为控制器Pod、监听器Pod和运行器Pod配置节点亲和性,实现工作负载的精细调度。
节点亲和性配置概述
节点亲和性是Kubernetes中控制Pod调度的重要机制,它允许用户指定Pod应该运行在哪些节点上。在Actions Runner Controller中,我们可以为三种不同类型的Pod分别配置节点亲和性:
- 控制器Pod:负责管理整个运行器生命周期
- 监听器Pod:监听GitHub Actions的工作流任务
- 运行器Pod:实际执行工作流任务的临时Pod
具体配置方法
控制器Pod的亲和性配置
通过Helm values文件为控制器部署配置节点亲和性:
controller:
affinity:
nodeAffinity:
requiredDuringSchedulingIgnoredDuringExecution:
nodeSelectorTerms:
- matchExpressions:
- key: kubernetes.io/arch
operator: In
values:
- amd64
监听器Pod的亲和性配置
监听器Pod的配置需要修改RunnerScaleSet自定义资源:
template:
spec:
affinity:
nodeAffinity:
requiredDuringSchedulingIgnoredDuringExecution:
nodeSelectorTerms:
- matchExpressions:
- key: node-group
operator: In
values:
- actions-runners
运行器Pod的亲和性配置
运行器Pod的配置同样通过RunnerScaleSet资源实现:
template:
spec:
affinity:
nodeAffinity:
preferredDuringSchedulingIgnoredDuringExecution:
- weight: 100
preference:
matchExpressions:
- key: workload-type
operator: In
values:
- ephemeral-runners
高级调度策略
除了基本的节点亲和性外,Actions Runner Controller还支持更高级的调度策略:
- 污点和容忍:可以配合节点亲和性使用,实现更复杂的调度逻辑
- 拓扑分布约束:控制Pod在集群中的分布方式
- 资源请求和限制:确保Pod有足够的资源运行
容器化工作流任务
对于使用Kubernetes作为作业执行环境的场景,可以通过Hook扩展机制进一步定制运行环境。这种方式允许在作业容器启动前后执行自定义逻辑,实现更精细的资源控制和环境配置。
最佳实践建议
- 为不同类型的Pod使用不同的节点组,实现资源隔离
- 生产环境建议使用requiredDuringSchedulingIgnoredDuringExecution确保关键Pod的调度
- 测试环境可以使用preferredDuringSchedulingIgnoredDuringExecution提高灵活性
- 定期监控节点资源使用情况,及时调整亲和性规则
通过合理配置节点亲和性,可以显著提高Actions Runner Controller的稳定性和性能,确保自托管运行器高效可靠地执行GitHub Actions工作流。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
892
667
Ascend Extension for PyTorch
Python
376
445
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
777
暂无简介
Dart
797
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271