Kubernetes Descheduler 1.30版本新增对Unknown状态Pod的支持
在Kubernetes集群运维过程中,Pod可能会因为各种原因进入Unknown状态,这种状态通常表示kubelet无法向API服务器报告Pod的状态。对于运维人员来说,及时清理这些Unknown状态的Pod对于维护集群健康非常重要。
Kubernetes Descheduler作为集群资源调度优化工具,其Pod生命周期插件(podlifetime)在1.29版本中已经支持对Running、Pending、PodInitializing、ContainerCreating和ImagePullBackOff等状态的Pod进行驱逐。然而,对于Unknown状态的Pod,1.29版本尚未提供原生支持。
在即将发布的1.30版本中,Descheduler开发团队已经实现了对Unknown状态Pod的支持。这一改进使得运维人员可以直接在Descheduler的策略配置中指定Unknown状态,从而能够自动清理集群中处于此状态的Pod。这对于那些经常出现Pod进入Unknown状态的集群环境特别有价值。
Unknown状态的Pod通常出现在节点不可达、kubelet崩溃或网络分区等情况下。这些Pod虽然实际上可能已经停止运行,但仍然占用着集群资源配额。通过Descheduler的自动清理功能,可以:
- 及时释放被占用的资源配额
- 避免调度器基于不准确的资源信息做出决策
- 减少运维人员手动干预的工作量
- 提高集群整体资源利用率
对于正在使用Descheduler的运维团队来说,升级到1.30版本后,可以在策略配置中简单添加Unknown状态即可启用这一功能。这一改进体现了Kubernetes生态对实际运维场景需求的快速响应能力,也展示了Descheduler项目持续优化集群资源管理能力的决心。
值得注意的是,在使用此功能时,运维人员应当结合自身集群特点,合理设置驱逐策略,避免因过于激进的清理策略导致服务中断。同时,对于频繁出现Unknown状态Pod的集群,建议进一步排查底层基础设施问题,从根本上减少此类异常状态的出现。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00