Kubernetes API 和流量控制：管理请求数量和排队进程

本文描述了我们最近遇到的一个真实案例：Kubernetes API 因其中一个集群中的大量请求而瘫痪。今天，我们将讨论我们如何处理这个问题，并提供一些关于如何预防它的提示。

高并发搞崩 Kubernetes API

一个非常普通的早晨，我们开始了对 Kubernetes API 的漫长研究，并确定了对它的请求的优先级。我们接到一位技术支持工程师的电话，他报告说客户的集群实际上无法运行（包括生产环境），并说必须采取一些措施。

我们连接到失败的集群，看到 Kube API 服务器已经耗尽了所有内存。它们会崩溃，重新启动，再次崩溃，然后一遍又一遍地重新启动。这最终导致 Kubernetes API 无法访问且完全无法运行。

由于这是一个生产集群，我们通过向控制平面节点添加处理器和内存来实施临时修复。我们一开始添加的资源不足。幸运的是，在下一批资源之后，API 稳定了下来。

寻找问题的根源

首先，我们评估了我们最终必须做出的改变的程度。最初，控制平面节点有 8 个 CPU 和 16 GB RAM。在我们的干预下，它们的大小增加到 16 个 CPU 和 64 GB RAM。

以下是问题发生时的内存消耗图：

内存消耗高达 50 GB。后来，我们发现，由于某些因素，Cilium pod 正在向 API 大量发送 LIST 请求。由于集群很大，并且有大量的节点（超过 200 个），同时请求会大大增加使用的内存量。

我们与客户达成一致，操作一个测试窗口，重新启动了 Cilium 代理，我们发现以下情况：

其中一个 API 服务器上的负载正在增长。
它消耗内存。
它耗尽了节点上的所有内存。
然后崩溃了。
请求已重定向到另一台服务器。
然后，同样的事情再次发生。

我们认为限制对 API 的并发 cilium-agent 请求的数量是个好主意。在这种情况下，稍微慢一点的 LIST 请求执行不会影响 Cilium 的性能。

解决方案

我们创建了以下内容和清单：FlowSchema PriorityLevelConfiguration

---
apiVersion: flowcontrol.apiserver.k8s.io/v1beta1
kind: FlowSchema
metadata:
 name: cilium-pods
spec:
 distinguisherMethod:
   type: ByUser
 matchingPrecedence: 1000
 priorityLevelConfiguration:
   name: cilium-pods
 rules:
   - resourceRules:
       - apiGroups:
           - 'cilium.io'
         clusterScope: true
         namespaces:
           - '*'
         resources:
           - '*'
         verbs:
           - 'list'
     subjects:
       - group:
           name: system:serviceaccounts:d8-cni-cilium
         kind: Group
---
apiVersion: flowcontrol.apiserver.k8s.io/v1beta1
kind: PriorityLevelConfiguration
metadata:
 name: cilium-pods
spec:
 type: Limited
 limited:
   assuredConcurrencyShares: 5
   limitResponse:
     queuing:
       handSize: 4
       queueLengthLimit: 50
       queues: 16
     type: Queue

...并将它们部署到集群中。

重新启动 cilium-agent 不再导致显著的内存消耗变化。因此，我们能够将节点资源削减到原始资源。

我们做了什么，这些操作如何帮助消除多个 Kubernetes API 请求时的问题？阅读下面的细分。

在 Kubernetes API 中管理请求

在 Kubernetes 中，请求队列管理由 API 优先级和公平性（APF）处理。默认情况下，它在 Kubernetes 1.20 及更高版本中处于启用状态。API 服务器还提供了两个参数，（默认为 400）和（默认为 200），用于限制请求数量。如果启用了 APF，则将这两个参数相加，这就是 API 服务器的总并发限制的定义方式。--max-requests-inflight --max-mutating-requests-inflight

也就是说，还有一些更精细的细节需要考虑：

长时间运行的 API 请求（例如，在 Pod 中查看日志或执行命令）不受 APF 限制的约束，WATCH 请求也不受限制。
还有一个特殊的预定义优先级，称为。来自此级别的请求将立即得到处理。exempt

APF 确保 Cilium 代理请求不会“限制”用户 API 请求。APF 还允许您设置限制，以确保无论 K8s API 服务器负载如何，重要请求始终得到处理。

您可以使用以下两个资源配置 APF：

PriorityLevelConfiguration这定义了一个可用的优先级。
FlowSchema将每个传入请求映射到单个 .PriorityLevelConfiguration

优先级配置

每个都有自己的并发限制（份额）。总并发限制按其份额的比例分配给现有用户。PiorityLevelConfiguration PriorityLevelConfigurations

让我们按照以下示例计算该限制：

~# kubectl get prioritylevelconfigurations.flowcontrol.apiserver.k8s.io
NAME                 TYPE      ASSUREDCONCURRENCYSHARES   QUEUES   HANDSIZE   QUEUELENGTHLIMIT   AGE
catch-all            Limited   5                          <none>   <none>     <none>             193d
d8-serviceaccounts   Limited   5                          32       8          50                 53d
deckhouse-pod        Limited   10                         128      6          50                 90d
exempt               Exempt    <none>                     <none>   <none>     <none>             193d
global-default       Limited   20                         128      6          50                 193d
leader-election      Limited   10                         16       4          50                 193d
node-high            Limited   40                         64       6          50                 183d
system               Limited   30                         64       6          50                 193d
workload-high        Limited   40                         128      6          50                 193d
workload-low         Limited   100                        128      6          50                 193d

首先，将所有（260）相加。AssuredConcurrencyShares
现在，计算请求限制，例如，优先级：（400+200）/260*100 = 每秒 230 个请求。workload-low

让我们更改其中一个值，看看会发生什么。例如，让我们从 10 增加到 100。请求限制将降至（400+200）/350*100 = 每秒 171 个请求。AssuredConcurrencyShares deckhouse-pod

通过增加 AssuredConcurrencyShares 数量，我们增加了特定级别的查询限制，但降低了所有其他级别的查询限制。

如果优先级中的请求数大于允许的限制，则请求将排队。您可以选择自定义队列参数。您还可以将 APF 配置为立即丢弃超出特定优先级限制的请求。

让我们看一下下面的例子：

---
apiVersion: flowcontrol.apiserver.k8s.io/v1beta1
kind: PriorityLevelConfiguration
metadata:
 name: cilium-pods
spec:
 type: Limited
 limited:
   assuredConcurrencyShares: 5
   limitResponse:
     queuing:
       handSize: 4
       queueLengthLimit: 50
       queues: 16
     type: Queue

在这里，优先级配置为具有 .如果没有其他自定义优先级，则每秒会产生 12 个请求。请求队列设置为 200 个请求（），并创建 16 个内部队列，以便更均匀地分配来自不同代理的请求。AssuredConcurrencyShares = 5 handSize * queueLengthLimit

关于 K8s 流量控制中优先级配置的一些重要细节：

拥有更多队列可减少流之间的冲突次数，但会增加内存使用量。将其设置为禁用公平性逻辑，但仍允许对请求进行排队。1
增加渲染，可以在不忽略单个请求的情况下处理高流量突发。但是，查询的处理速度较慢，并且需要更多的内存。queueLengthLimit
通过更改，可以调整流之间发生冲突的可能性，以及在高负载情况下单个流可用的整体并发性。handSize

这些参数是通过实验选择的：

一方面，我们需要确保此优先级的请求不会处理得太慢。
另一方面，我们需要确保 API 服务器不会因突然的流量峰值而过载。

流架构

现在让我们继续讨论资源。它的作用是将请求映射到相应的 .FlowSchemaPriorityLevel

其主要参数有：

matchingPrecedence：定义应用顺序。数字越小，优先级越高。这样，您就可以从更具体的案例到更一般的案例编写重叠。FlowSchemaFlowSchemas
rules：定义请求过滤规则;格式与 Kubernetes RBAC 中的格式相同。
distinguisherMethod：指定一个参数（用户或命名空间），用于在将请求转发到优先级时将请求分成流。如果省略该参数，则所有请求都将分配给同一流。

例：

---
apiVersion: flowcontrol.apiserver.k8s.io/v1beta1
kind: FlowSchema
metadata:
 name: cilium-pods
spec:
 distinguisherMethod:
   type: ByUser
 matchingPrecedence: 1000
 priorityLevelConfiguration:
   name: cilium-pods
 rules:
   - resourceRules:
       - apiGroups:
           - 'cilium.io'
         clusterScope: true
         namespaces:
           - '*'
         resources:
           - '*'
         verbs:
           - 'list'
     subjects:
       - group:
           name: system:serviceaccounts:d8-cni-cilium
         kind: Group

在上面的示例中，我们选取了所有 LIST 请求，包括集群范围的请求以及从所有命名空间发送到所有资源的请求。主题包括来自服务帐户的所有请求。apiGroup: cilium.io d8-cni-cilium

我如何找出请求所在的位置和请求？FlowSchema PriorityLevelConfiguration

响应时，API 服务器会提供特殊标头 X-Kubernetes-PF-FlowSchema-UID 和 X-Kubernetes-PF-PriorityLevel-UID。您可以使用它们来查看请求的去向。

例如，让我们从 Cilium 代理的服务帐户向 API 发出请求：

TOKEN=$(kubectl -n d8-cni-cilium get secrets agent-token-45s7n -o json | jq -r .data.token | base64 -d)

curl https://127.0.0.1:6445/apis/cilium.io/v2/ciliumclusterwidenetworkpolicies?limit=500  -X GET --header "Authorization: Bearer $TOKEN" -k -I
HTTP/2 200
audit-id: 4f647505-8581-4a99-8e4c-f3f4322f79fe
cache-control: no-cache, private
content-type: application/json
x-kubernetes-pf-flowschema-uid: 7f0afa35-07c3-4601-b92c-dfe7e74780f8
x-kubernetes-pf-prioritylevel-uid: df8f409a-ebe7-4d54-9f21-1f2a6bee2e81
content-length: 173
date: Sun, 26 Mar 2023 17:45:02 GMT

kubectl get flowschemas -o custom-columns="uid:{metadata.uid},name:{metadata.name}" | grep 7f0afa35-07c3-4601-b92c-dfe7e74780f8
7f0afa35-07c3-4601-b92c-dfe7e74780f8   d8-serviceaccounts

kubectl get prioritylevelconfiguration -o custom-columns="uid:{metadata.uid},name:{metadata.name}" | grep df8f409a-ebe7-4d54-9f21-1f2a6bee2e81
df8f409a-ebe7-4d54-9f21-1f2a6bee2e81   d8-serviceaccounts

输出显示请求属于 d8-serviceaccounts 和 d8-serviceaccounts 。FlowSchema PriorityLevelConfiguration

需要关注的指标

Kubernetes API 提供了几个有用的指标来关注：

Apiserver_flowcontrol_rejected_requests_total：被拒绝的请求总数。
Apiserver_current_inqueue_requests：队列中当前的请求数量。
Apiserver_flowcontrol_request_execution_seconds：请求执行时间。

一些调试终结点也可能有助于获取有用的信息：

kubectl get --raw /debug/api_priority_and_fairness/dump_priority_levels
PriorityLevelName,  ActiveQueues, IsIdle, IsQuiescing, WaitingRequests, ExecutingRequests
system,             0,            true,   false,       0,               0
workload-high,      0,            true,   false,       0,               0
catch-all,          0,            true,   false,       0,               0
exempt,             <none>,       <none>, <none>,      <none>,          <none>
d8-serviceaccounts, 0,            true,   false,       0,               0
deckhouse-pod,      0,            true,   false,       0,               0
node-high,          0,            true,   false,       0,               0
global-default,     0,            true,   false,       0,               0
leader-election,    0,            true,   false,       0,               0
workload-low,       0,            true,   false,       0,               0


kubectl get --raw /debug/api_priority_and_fairness/dump_queues
PriorityLevelName,  Index,  PendingRequests, ExecutingRequests, SeatsInUse, NextDispatchR,    InitialSeatsSum, MaxSeatsSum, TotalWorkSum
exempt,             <none>, <none>,          <none>,            <none>,     <none>,           <none>,          <none>,      <none>
d8-serviceaccounts, 0,      0,               0,                 0,          71194.55330547ss, 0,               0,           0.00000000ss
d8-serviceaccounts, 1,      0,               0,                 0,          71195.15951496ss, 0,               0,           0.00000000ss
...
global-default,     125,    0,               0,                 0,          0.00000000ss,     0,               0,           0.00000000ss
global-default,     126,    0,               0,                 0,          0.00000000ss,     0,               0,           0.00000000ss
global-default,     127,    0,               0,                 0,          0.00000000ss,     0,               0,           0.00000000ss

结论

我们最终通过设置请求队列管理解决了我们的问题。需要注意的是，这并不是我们在实践中遇到的唯一这种情况。在多次需要限制 API 请求之后，我们将 APF 配置作为 Kubernetes 平台的重要组成部分。利用它可以帮助我们和我们的客户减少大型、高负载 Kubernetes 集群中的 API 拥塞问题的数量。