В продолжение наших статей с практическими инструкциями о том, как облегчить жизнь в повседневной работе с Kubernetes, рассказываем о двух историях из мира эксплуатации: выделении отдельных узлов под конкретные задачи и конфигурации php-fpm (или другого сервера приложений) под большие нагрузки. Как и прежде, описанные здесь решения не претендуют на идеал, а предлагаются как отправная точка для ваших конкретных случаев и почва для размышлений. Вопросы и улучшения в комментариях — приветствуются!

1. Выделение отдельных узлов под конкретные задачи


Мы поднимаем кластер Kubernetes на виртуальных серверах, облаках или серверах bare metal. Если устанавливать всё системное ПО и клиентские приложения на одни и те же узлы, велика вероятность получить проблемы:

  • клиентское приложение вдруг начнёт «утекать» по памяти, хотя его limits сильно завышены;
  • сложные разовые запросы к loghouse, Prometheus или Ingress* приводят к OOM, в результате страдает клиентское приложение;
  • утечка памяти из-за бага в системном ПО убивает клиентское приложение, хотя компоненты могут быть не связаны друг с другом логически.

* Помимо прочего, было актуально для старых версий Ingress, когда из-за большого количества websocket-соединений и постоянных reload'ов nginx'а появлялись «зависшие nginx-процессы», которые исчислялись тысячами и потребляли огромное количество ресурсов.

Реальный случай — с инсталляцией Prometheus с огромным количеством метрик, в которой при просмотре «тяжелых» dashboard, где представлено большое число контейнеров приложений, с каждого из которых рисуются графики, потребление памяти быстро вырастало до ~15 Гб. В результате, мог «прийти» ООМ killer на хост-системе и начать убивать остальные сервисы, что в свою очередь приводило к «непонятному поведению приложений в кластере». А из-за высокой нагрузки на CPU клиентским приложением легко получить нестабильное время обработки запросов Ingress'ом…

Решение быстро напросилось само собой: нужно выделять отдельные машины под разные задачи. У себя мы выделили 3 основных типа групп по задачам:

  1. Фронты, где мы ставим только Ingress'ы, чтобы быть уверенными, что никакие остальные сервисы не могут повлиять на время обработки запросов;
  2. Системные узлы, на которых мы разворачиваем VPN'ы, loghouse, Prometheus, Dashboard, CoreDNS и т.п.;
  3. Узлы под приложения — собственно то, куда выкатываются клиентские приложения. Они могут быть тоже выделены под окружения или функциональность: dev, prod, perf, …

Решение


Как мы это реализуем? Очень просто: двумя родными механизмами Kubernetes. Первый — nodeSelector для выбора нужного узла, куда должно выехать приложение, что осуществляется на основе labels, установленных на каждом узле.

Скажем, у нас есть узел kube-system-1. Мы добавляем на него дополнительный лейбл:

$ kubectl label node kube-system-1 node-role/monitoring=

… а в Deployment, который должен выкатываться на этот узел, пишем:

nodeSelector:
  node-role/monitoring: ""

Второй механизм — taints и tolerations. С его помощью мы явно указываем, что на этих машинах могут запускаться только контейнеры, у которых прописан toleration к данному taint.

Например, есть машина kube-frontend-1, на которую мы будем выкатывать только Ingress. Добавляем taint на данный узел:

$ kubectl taint node kube-frontend-1 node-role/frontend="":NoExecute

… а у Deployment создаем toleration:

tolerations:
- effect: NoExecute
  key: node-role/frontend

В случае kops под те же потребности можно создавать отдельные instance groups:

$ kops create ig --name cluster_name IG_NAME

… и получится примерно такой конфиг instance group в kops:

apiVersion: kops/v1alpha2
kind: InstanceGroup
metadata:
  creationTimestamp: 2017-12-07T09:24:49Z
  labels:
    dedicated: monitoring
    kops.k8s.io/cluster: k-dev.k8s
  name: monitoring
spec:
  image: kope.io/k8s-1.8-debian-jessie-amd64-hvm-ebs-2018-01-14
  machineType: m4.4xlarge
  maxSize: 2
  minSize: 2
  nodeLabels:
    dedicated: monitoring
  role: Node
  subnets:
  - eu-central-1c
  taints:
  - dedicated=monitoring:NoSchedule

Таким образом, на узлы из этой instance group будут автоматически добавляться дополнительный лейбл и taint.

2. Настройка php-fpm под большие нагрузки


Существует большое разнообразие серверов, которые используются для работы веб-приложений: php-fpm, gunicorn и подобных. Их использование в Kubernetes означает, что есть несколько вещей, о которых всегда надо думать:

  • Требуется примерно понимать, сколько воркеров мы готовы выделить в php-fpm в каждом контейнере. Например, мы можем выделить 10 воркеров для обработки входящих запросов, выделить меньше ресурсов на pod и масштабироваться с помощью количества pod'ов — это хорошая практика. Другой пример — выделить 500 воркеров на каждый pod и иметь 2-3 таких pod'а в production… но это довольно плохая идея.
  • Требуются liveness/readiness-пробы для проверки корректности работы каждого pod'а и на случай, когда pod «залип» из-за проблем с сетью или из-за доступов к базе (тут может быть любой ваш вариант и причина). В таких ситуациях необходимо пересоздавать проблемный pod.
  • Важно явно прописывать request и limit ресурсов на каждый контейнер, чтобы приложение не «потекло» и не начало вредить всем сервисам на данном сервере.

Решения


К сожалению, нет серебряной пули, помогающей сразу понять, какое количество ресурсов (CPU, RAM) может понадобиться приложению. Возможный вариант — смотреть потребление ресурсов и с каждым разом подбирать оптимальные величины. Во избежание неоправданных OOM kill'ов и CPU throttling'а, которые сильно сказываются на работе сервиса, можно предложить:

  • добавить корректные liveness/readiness-пробы, чтобы мы могли точно сказать, что данный контейнер работает корректно. Скорее всего это будет служебная страница, которая проверяет доступность всех элементов инфраструктуры (необходимых для работы приложения в pod'е) и возвращает код ответа 200 OK;
  • корректно подобрать количество воркеров, которые будут обрабатывать запросы, и корректно их распределять.

Например, у нас есть 10 pod'ов, которые состоят из двух контейнеров: nginx (для отдачи статики и проксирования запросов на backend) и php-fpm (собственно backend, который обрабатывает динамические страницы). Php-fpm pool настроен на статичное количество воркеров (10). Таким образом, в единицу времени мы можем обрабатывать 100 активных запросов к бэкендам. Пусть каждый запрос обрабатывается PHP за 1 секунду.

Что произойдёт, если в один конкретный pod, в котором сейчас активно обрабатываются 10 запросов, прилетит еще 1 запрос? PHP не сможет его обработать и Ingress отправит его на повторную попытку в следующий pod, если это GET-запрос. Если же был POST-запрос, то вернет ошибку.

А если ещё учесть, что во время обработки всех 10 запросов у нас прилетит проверка от kubelet (liveness-проба), она завершится с ошибкой и Kubernetes начнет думать, что с данным контейнером что-то не так, и убьет его. При этом все запросы, которые обрабатывались в данный момент, завершатся с ошибкой(!) и на момент рестарта контейнера он выпадет из балансировки, что повлечет за собой увеличение запросов на все остальные бэкенды.

Наглядно


Предположим, что у нас есть 2 pod'а, у которых настроено по 10 воркеров php-fpm. Вот график, который отображает информацию во время «простоя», т.е. когда единственный, кто запрашивает php-fpm, — это php-fpm exporter (мы имеем по одному активному воркеру):



Теперь запустим загрузку с concurrency 19:



А теперь попробуем сделать concurrency выше, чем мы можем обработать (20)… допустим, 23. Тогда все воркеры php-fpm заняты обработкой клиентских запросов:



Воркеров перестаёт хватать для обработки liveness-пробы, поэтому мы наблюдаем такую картину в Kubernetes dashboard (или describe pod):



Теперь, когда один из pod'ов перезагружается, случается лавинный эффект: запросы начинают попадать на второй pod, который тоже не способен их обрабатывать, из-за чего мы получаем большое количество ошибок у клиентов. После того, как пулы всех контейнеров переполнятся, поднять сервис проблематично — это возможно только резким увеличением количества pod'ов или воркеров.

Первый вариант


В контейнере с PHP можно настроить 2 пула fpm: один для обработки клиентских запросов, другой — для проверки «живучести» контейнера. Тогда на контейнере nginx потребуется сделать подобную конфигурацию:

  upstream backend {
    server 127.0.0.1:9000 max_fails=0;
  }
  upstream backend-status {
    server 127.0.0.1:9001 max_fails=0;
  }

Останется лишь направить liveness-пробу на обработку в upstream под названием backend-status.

Теперь, когда liveness-проба обрабатывается отдельно, ошибки всё ещё будут происходить у некоторых клиентов, но хотя бы нет проблем, связанных с рестартом pod'а и обрывом соединений у остальных клиентов. Таким образом, мы сильно уменьшим количество ошибок, даже если наши бэкенды не справляются с текущей нагрузкой.

Этот вариант, безусловно, лучше, чем ничего, однако он плох ещё и тем, что может что-то произойти с основным пулом, о чём мы не узнаем с помощью liveness-пробы.

Второй вариант


Ещё можно воспользоваться не очень популярным модулем к nginx под названием nginx-limit-upstream. Тогда в PHP мы укажем 11 воркеров, а в контейнере с nginx — сделаем подобный конфиг:

  limit_upstream_zone limit 32m;
  upstream backend {
    server 127.0.0.1:9000 max_fails=0;
    limit_upstream_conn limit=10 zone=limit backlog=10 timeout=5s;
  }
  upstream backend-status {
    server 127.0.0.1:9000 max_fails=0;
  }

На уровне frontend'а nginx будет ограничено количество запросов, которые будут переданы на backend (10). Интересный же момент заключается в том, что создаётся специальный отложенный буфер (backlog): если от клиента приходит 11-й запрос на nginx, а nginx видит, что пул php-fpm занят работой, то данный запрос помещается в backlog на 5 секунд. Если же в течение этого времени php-fpm не освободился, то только тогда в дело вступит Ingress, который выполнит retry запроса на другой pod. Это сглаживает картину, так как у нас всегда будет 1 свободный PHP-воркер для обработки liveness-пробы — лавинного эффекта удастся избежать.

Другие мысли


Для более универсальных и красивых вариантов решения этой проблемы стоит посмотреть в сторону Envoy и его аналогов.

Вообще же, для того, чтобы в Prometheus была наглядной занятость воркеров, что в свою очередь поможет быстро находить проблему (и уведомлять о ней), очень рекомендую обзавестись готовыми экспортерами, позволяющими преобразовывать данные из ПО в формат Prometheus.

P.S.


Другое из цикла K8s tips & tricks:


Читайте также в нашем блоге:

Комментарии (2)


  1. gecube
    14.12.2018 10:17

    Не думаете, что разделение приложений по нодам — это противоречит самой идее общего пула ресурсов? Такой вот «bring your own node» в общий котел. Таким образом, наверняка, проще нарезать маленькие кубернетисики под каждую отдельную задачу. Да и обновление кластеров тогда можно делать максимально безболезненно.


    1. Wimbo Автор
      14.12.2018 14:33

      Общие пулы могут быть под конкретные задачи и это нормально. Общий пул не значит, что он под абсолютно все задачи. Нам не имеет смысла гонять простые приложения, на GPU нодах — верно?
      С одной стороны да, маленькие отдельные кластера под задачи — это удобно. с полной изоляцией, но с другой стороны приводит к лишней работе. Тут нужно иметь некий баланс адекватности и необходимости.
      У нас есть и те и другие варианты в обслуживании.