首页
/ Amazon EKS AMI 中 hpc6a.48xlarge 实例在政府云区域的拓扑发现问题分析

Amazon EKS AMI 中 hpc6a.48xlarge 实例在政府云区域的拓扑发现问题分析

2025-06-30 16:24:15作者:卓炯娓

在 Amazon EKS 环境中使用 hpc6a.48xlarge 实例类型时,特别是在政府云区域(如 us-gov-west-1)部署时,可能会遇到节点初始化后持续保留 node.cloudprovider.kubernetes.io/uninitialized=true:NoSchedule 污点的问题。这个问题源于 Kubernetes 云控制器管理器(cloud-controller-manager)与 AWS EC2 API 的交互异常。

问题背景

当 Kubernetes 集群在 AWS 环境中运行时,cloud-controller-manager 负责与 AWS API 交互以完成节点初始化等任务。对于 hpc6a.48xlarge 这类高性能计算实例,控制器会尝试调用 EC2 的 DescribeInstanceTopology API 来获取实例拓扑信息。然而,在政府云区域,虽然 hpc6a.48xlarge 实例类型可用,但 DescribeInstanceTopology API 却不受支持。

根本原因分析

问题发生在 cloud-provider-aws 组件的拓扑发现逻辑中。正常情况下,当 API 在某个区域不可用时,控制器应该能够识别并记录该区域为不支持拓扑发现的区域,从而避免后续重复调用。但在近期(2025年6月24日后),EC2 API 的错误响应格式发生了变化,导致现有的错误处理逻辑无法正确识别这种"API不支持"的情况。

具体表现为:

  1. 控制器持续尝试调用 DescribeInstanceTopology API
  2. 由于 API 在政府云区域不可用,请求失败
  3. 错误处理逻辑未能正确识别这种失败情况
  4. 控制器进入无限重试循环
  5. 节点初始化流程无法完成,污点无法移除

影响范围

此问题主要影响:

  • 使用 hpc6a.48xlarge 或其他需要拓扑发现的实例类型
  • 部署在政府云区域(如 us-gov-west-1)的集群
  • 使用较新版本(2025年6月24日后)AMI 的节点

临时解决方案

在官方修复发布前,可以通过以下方法临时解决问题:

  1. 手动添加拓扑标签:为节点或节点组添加拓扑标签,绕过拓扑发现逻辑:

    topology.k8s.aws/network-node-layer-1: "nn1"
    
  2. 降级 AMI 版本:回滚到2025年6月24日前的 AMI 版本,这些版本中的错误处理逻辑仍能正常工作。

长期解决方案

AWS 团队已经确认并修复了此问题。建议用户:

  1. 更新到最新版本的 cloud-controller-manager
  2. 使用最新发布的 EKS AMI
  3. 监控节点初始化过程,确认污点按预期移除

最佳实践建议

对于在特殊区域(如政府云)部署 Kubernetes 集群的用户,建议:

  1. 在正式部署前,充分测试节点初始化流程
  2. 监控 cloud-controller-manager 日志,及时发现类似问题
  3. 保持 AMI 和组件版本更新,以获取最新的修复和改进

通过理解这一问题的背景和解决方案,用户可以更好地在政府云等特殊环境中部署和管理 EKS 集群,确保计算资源的正常调度和使用。

登录后查看全文
热门项目推荐

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
144
1.93 K
kernelkernel
deepin linux kernel
C
22
6
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
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
930
553
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
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
423
392
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)。
Jupyter Notebook
75
66
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
511