Support Node Repair Configuration untuk EKS Managed Nodegroups

EKS Managed Nodegroups mendukung Node Repair, di mana kesehatan node terkelola dipantau, dan node pekerja yang tidak sehat diganti atau di-boot ulang sebagai tanggapan. eksctl sekarang menyediakan opsi konfigurasi komprehensif untuk kontrol halus atas perilaku perbaikan node.

Konfigurasi Perbaikan Node Dasar

Menggunakan bendera CLI

Untuk membuat cluster dengan nodegroup terkelola menggunakan perbaikan simpul dasar, berikan tanda: --enable-node-repair

eksctl create cluster --enable-node-repair

Untuk membuat nodegroup terkelola dengan perbaikan node pada cluster yang ada:

eksctl create nodegroup --cluster=<clusterName> --enable-node-repair

Menggunakan file konfigurasi

# basic-node-repair.yaml
apiVersion: eksctl.io/v1alpha5
kind: ClusterConfig

metadata:
  name: basic-node-repair-cluster
  region: us-west-2

managedNodeGroups:
- name: ng-1
  nodeRepairConfig:
    enabled: true

eksctl create cluster -f basic-node-repair.yaml

Konfigurasi Perbaikan Node yang Ditingkatkan

Konfigurasi Ambang

Anda dapat mengonfigurasi kapan tindakan perbaikan node akan berhenti menggunakan ambang batas berbasis persentase atau hitungan. Catatan: Anda tidak dapat menggunakan ambang batas persentase dan hitungan secara bersamaan.

Bendera CLI untuk ambang batas

# Percentage-based threshold - repair stops when 20% of nodes are unhealthy
eksctl create cluster --enable-node-repair \
  --node-repair-max-unhealthy-percentage=20

# Count-based threshold - repair stops when 5 nodes are unhealthy
eksctl create cluster --enable-node-repair \
  --node-repair-max-unhealthy-count=5

File konfigurasi untuk ambang batas

managedNodeGroups:
- name: threshold-ng
  nodeRepairConfig:
    enabled: true
    # Stop repair actions when 20% of nodes are unhealthy
    maxUnhealthyNodeThresholdPercentage: 20
    # Alternative: stop repair actions when 3 nodes are unhealthy
    # maxUnhealthyNodeThresholdCount: 3
    # Note: Cannot use both percentage and count thresholds simultaneously

Batas Perbaikan Paralel

Kontrol jumlah maksimum node yang dapat diperbaiki secara bersamaan atau paralel. Ini memberi Anda kontrol yang lebih halus atas kecepatan penggantian node. Catatan: Anda tidak dapat menggunakan batas persentase dan hitungan secara bersamaan.

Bendera CLI untuk batas paralel

# Percentage-based parallel limits - repair at most 15% of unhealthy nodes in parallel
eksctl create cluster --enable-node-repair \
  --node-repair-max-parallel-percentage=15

# Count-based parallel limits - repair at most 2 unhealthy nodes in parallel
eksctl create cluster --enable-node-repair \
  --node-repair-max-parallel-count=2

File konfigurasi untuk batas paralel

managedNodeGroups:
- name: parallel-ng
  nodeRepairConfig:
    enabled: true
    # Repair at most 15% of unhealthy nodes in parallel
    maxParallelNodesRepairedPercentage: 15
    # Alternative: repair at most 2 unhealthy nodes in parallel
    # maxParallelNodesRepairedCount: 2
    # Note: Cannot use both percentage and count limits simultaneously

Penggantian Perbaikan Kustom

Tentukan penggantian granular untuk tindakan perbaikan tertentu. Penggantian ini mengontrol tindakan perbaikan dan waktu tunda perbaikan sebelum node dianggap memenuhi syarat untuk diperbaiki. Jika Anda menggunakan ini, Anda harus menentukan semua nilai untuk setiap penggantian.

managedNodeGroups:
- name: custom-repair-ng
  instanceType: g4dn.xlarge  # GPU instances
  nodeRepairConfig:
    enabled: true
    maxUnhealthyNodeThresholdPercentage: 25
    maxParallelNodesRepairedCount: 1
    nodeRepairConfigOverrides:
      # Handle GPU-related failures with immediate termination
      - nodeMonitoringCondition: "AcceleratedInstanceNotReady"
        nodeUnhealthyReason: "NvidiaXID13Error"
        minRepairWaitTimeMins: 10
        repairAction: "Terminate"
      # Handle network issues with restart after waiting
      - nodeMonitoringCondition: "NetworkNotReady"
        nodeUnhealthyReason: "InterfaceNotUp"
        minRepairWaitTimeMins: 20
        repairAction: "Restart"

Contoh Konfigurasi Lengkap

Untuk contoh komprehensif dengan semua opsi konfigurasi, lihat examples/44-node-repair.yaml.

Contoh 1: Perbaikan dasar dengan ambang persentase

apiVersion: eksctl.io/v1alpha5
kind: ClusterConfig

metadata:
  name: basic-repair-cluster
  region: us-west-2

managedNodeGroups:
- name: basic-ng
  instanceType: m5.large
  desiredCapacity: 3
  nodeRepairConfig:
    enabled: true
    maxUnhealthyNodeThresholdPercentage: 20
    maxParallelNodesRepairedPercentage: 15

Contoh 2: Perbaikan konservatif untuk beban kerja kritis

apiVersion: eksctl.io/v1alpha5
kind: ClusterConfig

metadata:
  name: critical-workload-cluster
  region: us-west-2

managedNodeGroups:
- name: critical-ng
  instanceType: c5.2xlarge
  desiredCapacity: 6
  nodeRepairConfig:
    enabled: true
    # Very conservative settings
    maxUnhealthyNodeThresholdPercentage: 10
    maxParallelNodesRepairedCount: 1
    nodeRepairConfigOverrides:
      # Wait longer before taking action on critical workloads
      - nodeMonitoringCondition: "NetworkNotReady"
        nodeUnhealthyReason: "InterfaceNotUp"
        minRepairWaitTimeMins: 45
        repairAction: "Restart"

Contoh 3: Beban kerja GPU dengan perbaikan khusus

apiVersion: eksctl.io/v1alpha5
kind: ClusterConfig

metadata:
  name: gpu-workload-cluster
  region: us-west-2

managedNodeGroups:
- name: gpu-ng
  instanceType: g4dn.xlarge
  desiredCapacity: 4
  nodeRepairConfig:
    enabled: true
    maxUnhealthyNodeThresholdPercentage: 25
    maxParallelNodesRepairedCount: 1
    nodeRepairConfigOverrides:
      # GPU failures require immediate termination
      - nodeMonitoringCondition: "AcceleratedInstanceNotReady"
        nodeUnhealthyReason: "NvidiaXID13Error"
        minRepairWaitTimeMins: 5
        repairAction: "Terminate"

Referensi CLI

Bendera Perbaikan Node

Bendera	Deskripsi	Contoh
--enable-node-repair	Aktifkan perbaikan node otomatis	--enable-node-repair
--node-repair-max-unhealthy-percentage	Persentase maksimum node yang tidak sehat sebelum diperbaiki	--node-repair-max-unhealthy-percentage=20
--node-repair-max-unhealthy-count	Jumlah maksimum node yang tidak sehat sebelum diperbaiki	--node-repair-max-unhealthy-count=5
--node-repair-max-parallel-percentage	Persentase maksimum node untuk diperbaiki secara paralel	--node-repair-max-parallel-percentage=15
--node-repair-max-parallel-count	Jumlah maksimum node untuk diperbaiki secara paralel	--node-repair-max-parallel-count=2

Catatan: Penggantian konfigurasi perbaikan node hanya didukung melalui file konfigurasi YAMB karena kompleksitasnya.

Referensi Konfigurasi

nodeRepairConfig

Bidang	Tipe	Deskripsi	Batasan	Contoh
enabled	boolean	Aktifkan/nonaktifkan perbaikan node	-	true
maxUnhealthyNodeThresholdPercentage	integer	Ambang persentase node yang tidak sehat, di atasnya tindakan perbaikan otomatis node akan berhenti	Tidak dapat digunakan dengan maxUnhealthyNodeThresholdCount	20
maxUnhealthyNodeThresholdCount	integer	Hitung ambang node yang tidak sehat, di atasnya tindakan perbaikan otomatis node akan berhenti	Tidak dapat digunakan dengan maxUnhealthyNodeThresholdPercentage	5
maxParallelNodesRepairedPercentage	integer	Persentase maksimum node tidak sehat yang dapat diperbaiki secara bersamaan atau paralel	Tidak dapat digunakan dengan maxParallelNodesRepairedCount	15
maxParallelNodesRepairedCount	integer	Jumlah maksimum node tidak sehat yang dapat diperbaiki secara bersamaan atau paralel	Tidak dapat digunakan dengan maxParallelNodesRepairedPercentage	2
nodeRepairConfigOverrides	array	Penggantian granular untuk tindakan perbaikan spesifik yang mengendalikan tindakan perbaikan dan waktu tunda	Semua nilai harus ditentukan untuk setiap penggantian	Lihat contoh di atas

nodeRepairConfigMengesampingkan

Bidang	Tipe	Deskripsi	Nilai Valid
nodeMonitoringCondition	string	Kondisi tidak sehat yang dilaporkan oleh agen pemantau simpul yang berlaku untuk penggantian ini	"AcceleratedInstanceNotReady", "NetworkNotReady"
nodeUnhealthyReason	string	Alasan yang dilaporkan oleh agen pemantau simpul bahwa penggantian ini berlaku	"NvidiaXID13Error", "InterfaceNotUp"
minRepairWaitTimeMins	integer	Waktu minimum dalam hitungan menit untuk menunggu sebelum mencoba memperbaiki node dengan kondisi dan alasan yang ditentukan	Setiap bilangan bulat positif
repairAction	string	Tindakan perbaikan yang harus diambil untuk node ketika semua kondisi yang ditentukan terpenuhi	"Terminate", "Restart", "NoAction"

Informasi lebih lanjut

• EKS Managed Nodegroup Node Health