在Actions Runner Controller中配置Runner Pods的CPU架构
2025-06-08 14:16:31作者:秋阔奎Evelyn
Actions Runner Controller是GitHub Actions的一个开源控制器,用于在Kubernetes集群中管理自托管的运行器。在实际生产环境中,我们经常需要控制运行器Pod的CPU架构类型(如arm64或amd64),特别是当工作流中使用的容器镜像对CPU架构有特定要求时。
架构选择的重要性
现代Kubernetes集群通常包含多种架构的节点,特别是随着ARM架构的普及,集群中可能同时存在amd64和arm64节点。当工作流中使用的容器镜像(如数据库镜像)对CPU架构有特定要求时,运行器Pod必须调度到相应架构的节点上才能正常工作。
解决方案
通过配置Runner Scale Set的Helm chart,我们可以精确控制运行器Pod的调度行为。具体方法是在values.yaml文件中添加nodeSelector配置:
template:
spec:
nodeSelector:
"kubernetes.io/arch": arm64
这个配置利用了Kubernetes的标准节点标签kubernetes.io/arch,确保运行器Pod只会被调度到指定架构的节点上。
完整配置示例
以下是一个完整的Helm values.yaml配置示例,展示了如何同时配置Docker-in-Docker模式和CPU架构选择:
containerMode:
type: "dind"
template:
spec:
nodeSelector:
"kubernetes.io/arch": arm64
实现原理
- 节点选择器(NodeSelector): Kubernetes提供的基本调度功能,通过匹配节点标签确保Pod调度到符合条件的节点上
- 标准架构标签:
kubernetes.io/arch是Kubernetes为所有节点自动添加的标准标签,标识节点的CPU架构 - Helm模板机制: Actions Runner Controller的Helm chart将values.yaml中的配置转换为Pod模板规范
最佳实践
- 集群规划: 确保集群中有足够数量的目标架构节点,避免因资源不足导致Pod无法调度
- 混合架构支持: 可以为不同架构创建工作流,分别配置对应的Runner Scale Set
- 资源预留: 为特定架构的运行器预留资源,保证关键工作流的执行
- 监控告警: 监控各架构节点的资源使用情况,及时扩容
总结
通过合理配置Actions Runner Controller,我们可以精确控制运行器Pod的CPU架构,满足特定工作流的需求。这种方法不仅适用于ARM架构,也可以用于其他需要特定节点属性的场景,是生产环境中Runner管理的必备技能。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
892
667
Ascend Extension for PyTorch
Python
376
445
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (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
1.37 K
777
暂无简介
Dart
797
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271