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
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0188- 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
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
awesome-zig一个关于 Zig 优秀库及资源的协作列表。Makefile00
热门内容推荐
最新内容推荐
Python数学算法实战:从原理到应用的7个实战突破Bruin:高效数据处理的一站式数据管道工具MiroFish群体智能引擎通信机制深度解析:从问题到实践的全链路方案Sunshine游戏串流服务器:从评估到进阶的全流程性能优化指南SD-PPP:打破AI绘画与专业修图壁垒的创新协作方案SadTalker技术解构:静态图像动画化的3D动态生成解决方案3大技术突破:OpCore-Simplify如何重构黑苹果EFI配置效率解决魔兽争霸III现代兼容性问题的插件化增强方案Coolapk-UWP开源客户端:重新定义Windows平台社区互动体验3个维度释放游戏本潜能:OmenSuperHub硬件控制工具全解析
项目优选
收起
deepin linux kernel
C
27
12
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
598
4.03 K
Ascend Extension for PyTorch
Python
440
531
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++
920
768
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
368
247
🎉 (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
1.46 K
822
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
112
168
暂无简介
Dart
844
204
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
昇腾LLM分布式训练框架
Python
130
156