OpenYurt边缘节点心跳丢失场景下的Pod驱逐策略优化方案

在边缘计算场景中，由于网络不稳定等因素导致节点与云端连接中断的情况时有发生。OpenYurt作为Kubernetes的扩展项目，针对边缘场景提供了节点自治能力。本文深入分析当前节点心跳丢失时的Pod处理机制，并提出基于自治时长的精细化驱逐策略优化方案。

现有机制分析

当前OpenYurt通过两个核心控制器管理节点异常时的Pod行为：

1. NodeLifeCycle控制器：负责监控节点状态，当节点失去心跳变为NotReady状态时，会将该节点上的Pod标记为NotReady状态
2. PodBinding控制器：为Pod添加容忍时间配置，控制Pod在节点异常时的保留时长

现有方案通过node.beta.openyurt.io/autonomy注解实现简单的二元控制（开启/关闭自治），缺乏对自治时长的精细控制能力。

优化方案设计

新方案引入node.openyurt.io/autonomy-duration注解，支持配置节点自治时长阈值：

1. 当心跳丢失时长 < 配置的自治时长：

   • NodeLifeCycle控制器不会将Pod标记为NotReady
   • PodBinding控制器根据自治时长设置PodTolerationSeconds

2. 当心跳丢失时长 ≥ 配置的自治时长：

   • 执行标准驱逐流程
   • Pod被标记为NotReady并开始驱逐倒计时

技术实现要点

NodeLifeCycle控制器改造

控制器需要：

• 识别带有自治时长注解的节点
• 计算节点心跳丢失持续时间
• 根据自治时长阈值决定是否标记Pod为NotReady
• 保持与原有autonomy注解的兼容性

PodBinding控制器优化

控制器需要：

• 读取节点自治时长配置
• 动态设置Pod的tolerationSeconds参数
• 确保Pod在自治时长内保持运行
• 超出时长后触发标准驱逐流程

兼容性考虑

为平滑过渡，方案将：

1. 短期内同时支持新旧注解
   • node.beta.openyurt.io/autonomy（即将废弃）
   • node.openyurt.io/autonomy-duration（新标准）
2. 注解冲突时优先采用新注解配置
3. 在后续版本中移除旧注解支持

方案价值

该优化方案为边缘计算场景带来以下提升：

1. 精细化控制：支持按节点配置不同的自治时长
2. 业务连续性：确保网络短暂中断时业务不受影响
3. 故障恢复：长时间断网后自动触发Pod重建
4. 平滑过渡：兼容现有集群配置

此方案将显著提升OpenYurt在边缘不稳定网络环境下的可靠性和灵活性，为边缘应用提供更优的自治保障。