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 02:42:26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

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
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
860
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
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
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
595
57
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
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K