Kubernetes使用时需要注意的坑点

在Kubernetes实践的过程中，积累了一些填坑经验，小做总结，拿来分享一下。

希望能对准备或正在使用Kubernetes的小伙伴提供帮助。

滚动升级之更新太慢

默认情况下，滚动升级是逐个更新的，当有几十上百个Pod需要更新时，再加上就绪检测，整个过程将会更慢。 如果你想和更多Kubernetes技术专家交流，可以加我微信liyingjiese，备注『加群』。群里每周都有全球各大公司的最佳实践以及行业最新动态

解决方法：

rollingUpdate:
    maxSurge: 20% #每个滚动更新的实例数量
    maxUnavailable: 10% #允许更新过程中有多少实例不可用

就绪检测之无损更新

通常，服务重启的时候会有一小段时间是无法正常提供服务的。

为了避免这个过程中有请求的流量进来，我们可以使用就绪检测来检测服务是否就绪可正常接收并处理请求。

......
        readinessProbe:
          httpGet:
            host: api.xxx.com
            path: /
            port: 80
          initialDelaySeconds: 3 # 容器启动3秒后开始第一次检测
          periodSeconds: 60 # 每隔60s检测一次
          timeoutSeconds: 3 # http检测请求的超时时间
          successThreshold: 1 # 检测到有1次成功则认为服务是`就绪`
          failureThreshold: 1 # 检测到有1次失败则认为服务是`未就绪`
......

就绪检测之全面瘫痪

就绪检测是把双利剑，用不好，反而容易出大问题，比如服务全面瘫痪。

我们可以看到上面就绪检测的配置，漏洞百出。

比如：超时，高并发情况下，请求处理不过来，个别服务很容易导致检测请求的超时（504），立马被认为未就绪，于是流量被转移到其它服务，进而让本来就高负荷的其它服务出现同样情况，恶性循环，很快，所有服务都被认为是未就绪，结果产生全面瘫痪现象。

解决方法：设置更长的超时时间，以及更高的失败次数。

重新部署，这种情况可能是误操作，也可能是其它异常导致服务挂了。总之，你需要在用户还在不断尝试请求你服务的时候重启。你会惊讶的发现，一直无法正常启动为就绪状态，所有服务都是未就绪。同样的原因，服务启动过程不是一次全部起来，而是逐批启动，这样每批服务启动后都无法hold住流量，于是还是恶性循环，全面瘫痪。

解决方法：先去掉就绪检测再重新部署。

自动扩展之瞬时高峰

自动扩展POD虽然好用，但如果扩展的指标（CPU、内存等）设置的过高，如：50%以上，那么，当突然有翻倍的流量过来时，根本来不及扩展Pod，服务直接就超时或挂掉。

解决方法：尽可能的把指标设置在一个较小的值，对以往流量做参考评估，确保了当有2倍、3倍甚至5倍的流量突袭时不至于hold不住。

自动伸缩之提前扩容

通常，节点的自动伸缩依赖于Pod的自动扩展时资源是否充足。然而在面对定时突然流量高峰的业务时，这种伸缩显然来不及，甚至常常出现高峰10分钟后才扩容的机器，流量已经回到低谷，完全启不到作用。并且，流量到底是因为业务属性很快回落，还是因为扩容不及时导致的流失？

解决方法：根据自身业务，参考以住流量数量及推广时间，找到规律，提前或定时触发自动扩容。

容器运行之僵尸进程

这是一个 Docker 旧版（<1.13）已知问题，有些容器启动后会出现defunct进程（ps aux | grep defunct），而且会越来越多，称为僵尸进程，可能导致内存泄漏，而且kill不掉，除非重启容器。

解决方法： tini

集群节点之移除节点

如何安全地移出节点？这个节点上面部署了你的业务，甚至包括kube-system的东西。

解决方法：kubectl drain，可以先把节点上的Pod驱逐到其它节点，然后再移出该节点。

原文链接： https://cloud.tencent.com/developer/article/1146977