Amazon EKS AMI 1.29版本中Sandbox容器镜像被垃圾回收的问题分析
问题背景
在Amazon EKS 1.29版本中,用户报告了一个严重问题:节点上的pause容器镜像(sandbox镜像)会被垃圾回收机制(GC)意外删除,导致Pod无法创建。这个问题通常发生在节点升级到1.29版本约一天后,表现为节点磁盘空间不足时,kubelet的垃圾回收机制错误地删除了关键的pause容器镜像。
问题现象
当问题发生时,用户会在事件日志中看到类似如下的错误信息:
Failed to create pod sandbox: rpc error: code = Unknown desc = failed to get sandbox image "602401143452.dkr.ecr.eu-west-2.amazonaws.com/eks/pause:3.5": failed to pull image "602401143452.dkr.ecr.eu-west-2.amazonaws.com/eks/pause:3.5": failed to pull and unpack image "602401143452.dkr.ecr.eu-west-2.amazonaws.com/eks/pause:3.5": failed to resolve reference "602401143452.dkr.ecr.eu-west-2.amazonaws.com/eks/pause:3.5": unexpected status from HEAD request to https://602401143452.dkr.ecr.eu-west-2.amazonaws.com/v2/eks/pause/manifests/3.5: 401 Unauthorized
根本原因分析
经过技术团队深入调查,发现问题的根本原因在于:
-
容器镜像固定机制失效:在containerd 1.7.3及以上版本中,引入了"pinned"标签机制,可以防止关键镜像被垃圾回收。但Amazon Linux当前使用的containerd版本(低于1.7.3)缺乏这一功能。
-
认证问题:pause容器镜像存储在私有ECR仓库中,需要特殊权限才能拉取。当镜像被删除后,kubelet无法自动重新拉取。
-
垃圾回收策略变化:Kubernetes 1.29中kubelet的垃圾回收行为有所改变,更积极地清理未使用的镜像,但未能正确处理sandbox镜像的特殊性。
临时解决方案
在官方修复发布前,用户可以采用以下临时解决方案:
-
使用1.28版本的AMI:虽然集群API版本是1.29,但节点可以使用1.28的AMI镜像,这是完全兼容的。
-
定期手动拉取pause镜像:通过crontab设置定时任务,定期使用crictl工具拉取pause镜像。
-
更换sandbox镜像源:将sandbox镜像切换为不需要ECR认证的公共镜像源,如:
- registry.k8s.io/pause:3.9
- public.ecr.aws/eks-distro/kubernetes/pause:v1.29.0-eks-1-29-latest
-
增加节点磁盘空间:虽然不能根本解决问题,但可以延长问题出现的时间。
长期解决方案
Amazon EKS团队已经确认将在以下方面进行修复:
-
升级containerd到1.7.11或更高版本,该版本支持镜像固定功能。
-
在AMI中内置机制,确保pause镜像不会被垃圾回收。
-
改进sandbox镜像的拉取和认证流程。
最佳实践建议
对于运行关键业务的生产环境,建议:
-
在升级到Kubernetes 1.29前,充分测试并验证节点稳定性。
-
监控节点磁盘使用情况,设置适当的告警阈值。
-
考虑实现自定义的镜像垃圾回收策略,避免关键系统镜像被意外删除。
-
保持与官方发布的同步,及时应用修复更新。
这个问题凸显了容器编排系统中底层基础设施组件的重要性,即使是像pause这样看似简单的系统组件,其稳定性也会直接影响整个集群的可用性。
- 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!C0298- 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









