首页
/ Amazon EKS AMI 中 pause 镜像被错误垃圾回收导致 Pod 无法运行问题分析

Amazon EKS AMI 中 pause 镜像被错误垃圾回收导致 Pod 无法运行问题分析

2025-06-30 06:47:33作者:范靓好Udolf

问题现象

在使用 Amazon EKS 1.29 版本时,部分节点突然无法创建新的 Pod,错误信息显示无法拉取 pause 容器镜像。具体表现为 kubelet 日志中出现类似以下错误:

Failed to create pod sandbox: rpc error: code = Unknown desc = failed to get sandbox image "602401143452.dkr.ecr.ca-central-1.amazonaws.com/eks/pause:3.5"

问题根源

经过深入分析,发现问题的根本原因是 Kubernetes 1.29 版本引入的镜像垃圾回收机制存在问题,导致关键的 pause 镜像被错误地清理。pause 镜像是 Kubernetes 中每个 Pod 的基础容器,负责维护 Pod 的命名空间和网络栈,其被删除会直接影响 Pod 的创建能力。

技术背景

在 Kubernetes 架构中:

  1. 每个 Pod 启动时都会先创建 pause 容器
  2. pause 容器为 Pod 提供共享的 Linux 命名空间
  3. 其他业务容器会加入到 pause 容器的命名空间中

当 pause 镜像缺失时,整个 Pod 创建流程就会失败。正常情况下,pause 镜像应该被标记为"pinned"(固定),避免被垃圾回收机制清理。

问题详细分析

通过检查节点日志,发现以下关键线索:

  1. 磁盘使用率触发了镜像垃圾回收机制:
Disk usage on image filesystem is over the high threshold
  1. 垃圾回收错误地清理了 pause 镜像:
ImageDelete event name:"602401143452.dkr.ecr.ca-central-1.amazonaws.com/eks/pause:3.5"
  1. 问题主要出现在以下场景:
  • 使用 EKS 1.29 版本
  • 影响 AL2、AL2023 和 Ubuntu EKS 等多种 AMI
  • 随机影响节点,无明确规律

解决方案

对于不同操作系统 AMI,解决方案有所差异:

Amazon Linux 2 (AL2)

该问题已在 AL2 的最新 AMI 中得到修复。建议用户升级到包含修复的 AMI 版本。

Amazon Linux 2023 (AL2023)

在正常配置的 AL2023 节点上,pause 镜像应显示为 pinned 状态:

{
  "status": {
    "pinned": true
  }
}

如果确认是 pinned 状态但仍出现问题,建议报告详细情况。

Ubuntu EKS AMI

目前发现 Ubuntu 的 EKS AMI 中 pause 镜像未被正确标记为 pinned。临时解决方案包括:

  1. 手动拉取 pause 镜像并标记为 pinned
  2. 调整 containerd 配置确保 pause 镜像不被清理
  3. 监控磁盘使用情况,避免触发垃圾回收

最佳实践建议

  1. 监控磁盘空间:确保节点有足够的磁盘空间,避免频繁触发垃圾回收
  2. 版本升级:及时升级到包含修复的 AMI 版本
  3. 资源规划:合理规划节点资源,特别是对于运行关键工作负载的节点
  4. 镜像缓存策略:对于关键基础镜像,考虑使用本地缓存或私有仓库

总结

Kubernetes 1.29 版本的镜像垃圾回收机制在处理 pause 镜像时存在缺陷,导致节点无法创建新 Pod。这个问题凸显了基础设施组件稳定性的重要性。用户应当关注官方更新,及时应用修复,同时建立完善的监控机制,确保集群稳定性。

对于使用不同操作系统 AMI 的用户,应采取针对性的解决方案,并在设计系统时考虑关键组件的容错能力。随着 Kubernetes 的持续发展,类似的基础设施层问题可能会不时出现,保持系统可观测性和快速响应能力是运维的关键。

登录后查看全文
热门项目推荐
相关项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
156
2 K
kernelkernel
deepin linux kernel
C
22
6
pytorchpytorch
Ascend Extension for PyTorch
Python
38
72
ops-mathops-math
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++
519
50
RuoYi-Vue3RuoYi-Vue3
🎉 (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
942
555
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
195
279
openHiTLSopenHiTLS
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
993
396
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
359
12
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
71