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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
651
797
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.25 K
153
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!
C
1.1 K
611
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++
1.01 K
1.01 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
147
237
昇腾LLM分布式训练框架
Python
168
200
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
434
395
暂无简介
Dart
986
253