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 StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
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
468
461
暂无描述
Dockerfile
776
5.07 K
Ascend Extension for PyTorch
Python
756
961
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
872
2.01 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
696
1.4 K
昇腾LLM分布式训练框架
Python
183
230
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430