Amazon EKS AMI 版本升级导致节点无法加入集群的问题分析

问题背景

近期在使用最新版Amazon EKS AMI（amazon-eks-node-1.26-v20240202）时，部分用户发现工作节点无法正常加入Kubernetes集群。这一问题主要出现在节点启动过程中，sandbox-image服务启动失败，导致整个节点初始化流程中断。

根本原因分析

经过深入调查，发现问题的核心在于AWS CLI版本兼容性：

1. 最新版EKS AMI中内置了AWS CLI v2，并依赖其自动从IMDS获取区域信息的功能
2. 部分用户环境中由于安装awslogs等组件，会附带安装AWS CLI v1作为依赖
3. AWS CLI v1不具备自动获取区域信息的能力，导致pull-sandbox-image.sh脚本执行失败

技术细节

在最新版EKS AMI中，引入了sandbox容器镜像的自动拉取功能。这一功能通过systemd服务sandbox-image.service实现，该服务会调用pull-sandbox-image.sh脚本。脚本中原本设计依赖AWS CLI v2的自动区域检测功能，当环境中存在AWS CLI v1时，由于缺少区域参数，导致ECR镜像拉取失败。

解决方案

对于遇到此问题的用户，建议采取以下措施：

1. 检查并移除用户数据中显式安装AWS CLI的部分
2. 如果确实需要安装awslogs等组件，考虑使用不依赖AWS CLI v1的安装方式
3. 确认环境中实际运行的AWS CLI版本，确保使用v2版本

最佳实践

为避免类似问题，建议：

1. 充分利用EKS AMI内置的工具链，避免重复安装系统组件
2. 在升级AMI版本前，充分测试用户数据脚本的兼容性
3. 定期检查系统服务日志，及时发现潜在问题

总结

这次事件提醒我们，在云原生环境中，组件的版本兼容性至关重要。特别是在使用托管服务时，应充分理解平台提供的默认配置，避免不必要的自定义安装导致系统不稳定。对于EKS用户而言，遵循官方推荐的最佳实践，可以最大程度减少升级过程中的风险。