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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00