Amazon EKS AMI 中 hpc6a.48xlarge 实例在政府云区域的拓扑发现问题分析
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:
- 控制器持续尝试调用 DescribeInstanceTopology API
- 由于 API 在政府云区域不可用,请求失败
- 错误处理逻辑未能正确识别这种失败情况
- 控制器进入无限重试循环
- 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:
-
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"
-
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:
- 更新到最新版本的 cloud-controller-manager
- 使用最新发布的 EKS AMI
- 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:
- 在正式部署前,充分测试节点初始化流程
- 监控 cloud-controller-manager 日志,及时发现类似问题
- 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。
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
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~0267cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









