您现在的位置是：首页 > APP

当前栏目

卧榻之侧可容他人鼾睡一 EKS多租户管理浅谈之计算资源篇

应用

2023-02-26 12:32:27 时间

1.前言

现如今，随着用户对于容器化技术掌握的越来越成熟，相应的越来越多的应用被进行了基于容器的现代化构建，其中Amazon EKS又是其中的首选支撑平台。在实际走访中发现，对于Infra或者容器平台的责任人来说，有一类问题经常会被反复探讨：为了保障各个应用都能够稳定的运行，该应用什么样的隔离保障措施，都有什么样的资源需要进行隔离，相应的优劣势是什么？从整体上来说，EKS/Kubernetes本身不存在多租户相关的内置资源对象，不过其生态中存在着两大类可以采用的隔离措施，借助这些隔离措施可以实现多租户的效果, 其简单的示意图如下所示：

“软”隔离（上图左）：即多个应用运行在同一个集群，利用namespace及相关策略进行资源隔离
- 优点：
  - EKS单集群可支撑上千节点的工作负载，单集群可减少多控制平面的花费
  - 资源利用率相对较高
  - 省去了多集群管理的复杂工作
- 缺点：
  - 需要考虑集群内各种资源隔离的配置
  - 需要考虑单集群运维对各个应用团队的影响
“硬”隔离（上图右）：即不同的应用运行在不同的集群之中，甚至不同的vpc之中，实现“物理”意义上的隔离
- 优点：
  - 没有吵闹的邻居影响
  - 不需要配置复杂的集群内策略
- 缺点：
  - 控制平面会产生额外的花费
  - 需要设计集群切分的粒度
  - 资源利用率相对较低
  - 跨集群访问和相应的监控较为复杂

对于“硬”隔离来说，其在网络层面，计算资源等层面都是默认“物理”隔离，因此在kubernetes层面并不需要太多关注。对于“软”隔离来说，应用处于同一集群之中，计算资源，网络资源，存储资源等默认都是可通可达，那么如何利用云原生和AWS服务处理“软”隔离便是本系列的探讨重点。对于“软”隔离策略来说，其主要的关注点如下

计算资源隔离
网络隔离
存储隔离
服务等级（SLA）
租户计费
租户连通性
其他

在本文中主要集中对于“软”隔离策略下计算资源隔离的讨论，其他内容会在后续的文章进行展开。

2. 方案概述

考虑计算资源隔离，其主要涉及的内容为：Namespace隔离，底层计算资源的隔离及对应资源的隔离。对应于以上考量点，我们主要分为如下两个场景进行展开讨论。

场景1: 负载稳定，不涉及到工作节点的自动伸缩
场景2: 负载不稳定，涉及到工作节点的自动伸缩

2.1 场景1：负载稳定，不涉及到工作节点的自动伸缩

对于企业内部应用或者负载较为平稳的应用来说，对隔离程度的需求不同，通常情况下我们采用的策略也分为两种：

namespace级别的资源限制
指定工作节点+namespace级别的资源限制

方案1

可以根据各个应用部门申请的资源额度，设置对应namespace的资源限额（Quota）。然后统计出集群中整体对于资源的申请情况，从而确定集群工作节点所需要的数量。配置如下：

apiVersion: v1
kind: ResourceQuota
metadata:
  name: mem-cpu-quota
spec:
  hard:
    requests.cpu: "1"
    requests.memory: 1Gi
    limits.cpu: "2"
    limits.memory: 2Gi

如果需要把对应的Quota应用到指定的Namespace只需要

kubectl xx.yaml --namespace = target-namespace

即可。在示例中，大家可以看到limit的值是request的值的两倍，这样设置是为了让集群内的资源利用更高，客户可以根据自身的波动情况进行对应改造。

方案2

相对于方案1来说，我们需要为不同的业务应用做资源隔离，也就是创建不同的nodegroup。实际应用中，只需要将不同namespace的Quota和对应nodegroup的资源匹配，即可满足不同应用的计算资源需求。比如，application-a 需要 8core16g的资源，application-b 需要 8core32g的资源那么对应的ResourceQuota 可以分别配置如下。

# for application a
kubectl create ns namespace-a
cat <<EOF | kubectl apply -n namespace-a -f -
apiVersion: v1
kind: ResourceQuota
metadata:
  name: mem-cpu-quota
spec:
  hard:
    requests.cpu: "8"
    requests.memory: 16Gi
    limits.cpu: "8"
    limits.memory: 16Gi
EOF

# for application b
kubectl create ns namespace-b
cat <<EOF | kubectl apply -n namespace-b -f -
apiVersion: v1
kind: ResourceQuota
metadata:
  name: mem-cpu-quota
spec:
  hard:
    requests.cpu: "8"
    requests.memory: 32Gi
    limits.cpu: "8"
    limits.memory: 32Gi
EOF

配置完quota后，还需要在应用和 nodegroup 上做相应的配置。其中， nodegroup上需要添加对应的标签。

apiVersion: eksctl.io/v1alpha5
kind: ClusterConfig
metadata:
  name: managed-cluster
  region: us-west-2
managedNodeGroups:
  - name: application-a-ng
    type: m5.2xlarge
    tags:
     app/team: application-b

对于应用b的deployment需要添加相应的节点选择器来选中上述节点组中的节点。

  namespace: namespace-b
  nodeSelector:
    app/team: application-b

对于应用a来说，配置类似，在此就不展开赘述。如果希望在node侧做进一步限制的话，可以额外添加如下配置：

# 在node上的配置
$ kubectl taint nodes node1 app/team=application-a:NoSchedule

# 需要添加在pod上的配置
apiVersion: v1
kind: Pod
```
spec:
  containers:
 ```
  tolerations:
  - key: "app/team"
    operator: "Equal"
    value: "application-a"
    effect: "NoSchedule"

在eksctl中也有通过脚本统一为nodegroup中节点打标签的配置，可参考。

2.2 场景2: 负载不稳定，涉及到节点的自动伸缩

在场景2中，由于负载的不稳定，导致集群中工作负载（Pod）和底层的工作节点（EC2）会出现波动，如何使得业务容器的扩缩容和其底层工作节点得到匹配便是最主要的挑战。场景2本质上是场景1方案2的一个扩展，我们不仅需要为不同的应用配置不同nodegroup，还需节点扩展工具能够支持基于namespace/业务应用进行扩容。虽然在kubernetes中并没有一个工具直接支持namespace级别的扩容，但是基于目前主流工具对标签的支持，我们可以实现类似的功能。具体来讲

基于Cluster AutoScaler实现租户资源的定向扩展
- 创建多个nodegroup，每个nodegroup具有指定的标签
  - 比如如下两个nodegroup，分别对应app/team: application-x的标签

apiVersion: eksctl.io/v1alpha5
kind: ClusterConfig
metadata:
  name: managed-cluster
  region: us-west-2
managedNodeGroups:
  - name: application-a-ng
    labels: {app/team: application-a}
  - name: application-b-ng
    labels: {app/team: application-b}

- 对于应用来说，创建对应业务应用的deployment文件，设定node selector到上述对应的节点上。

apiVersion: apps/v1
kind: Deployment
metadata:
  name: nginx-deployment
spec
```
  nodeSelector:
        app/team: application-a

- 当对应的应用扩容，但是底层没有节点的时候，CA会依据策略调用nodegroup进行扩容

CA 遵循 nodeSelector 和requiredDuringSchedulingIgnoredDuringExecution，不遵循软限制如：preferredDuringSchedulingIgnoredDuringExecution

基于Karpenter实现租户资源的定向扩展
- 因为Karpenter为groupless模式，所以其不需要预先配置nodegroup
- Karpenter支持两种模式的定向扩展
  - 多provisioner模式
    - 其本质跟基于CA的定向扩展原理相同，不同的provisioner对应不同的资源池，应用通过亲和性标签从而触发对应资源池的扩展。
  - 单provisioner模式 (https://karpenter.sh/v0.16.3/tasks/scheduling/)
    - 只需要在provioner配置类似如下的标签

...
requirements:
- key: company.com/team
operator: Exists
...

那么当应用的节点选择器中包含如下标签的时候，对应启动的EC2节点都会被打上 team-a相关的标签，后续对应的应用也只会落在存在team-a相关标签的EC2-资源池中

  nodeSelector:
    company.com/team: team-a

如果应用不添加对应标签，那么会给该类应用对应的工作节点随机打一标签

3. 实验

本环节会针对于场景2的描述进行展开试验，其大致步骤如下

创建namespace-a,namespace-b，namespace-c
基于yaml文件生成带有app/team=application-b，app/team=application-a的工作节点
部署nginx应用，并且指定部署在namespace-c，namespace-a，namespace-b以及对应namespace所匹配的工作节点，观察是否能够部署成功，以及相应启动速度
使用OPA/Gatekeepr等mutation webhooks工具自动化完成租户匹配和相关策略限制

3.1基于CA的定向扩展

前提条件

安装eksctl，kubectl
配置好对应的IAM权限
基于官方文档进行CA在EKS上的安装，详情见最后参考章节

配置除了集群名称，都保持默认即可

创建三个namespace

执行如下语句，创建三个租户a，b，c所使用的namespace

kubectl create ns namespace-b
kubectl create ns namespace-a 
kubectl create ns namespace-c

下载Github repo

git clone jansony1/container-lab

通过下面的指令，修改模版中${Cluster-name}为当前集群名称，然后添加namespace-a和namespace-b所对应的工作节点组

$ eksctl create ng -f multi-tenant/yaml/cluster/cluster.yaml 
[ec2-user@ip-10-1-1-239 ~]$ kubectl get nodes --show-labels
NAME                                       STATUS   ROLES    AGE   VERSION               LABELS
ip-10-1-4-230.us-west-2.compute.internal   Ready    <none>   46m   v1.23.9-eks-ba74326   alpha.eksctl.io/cluster-name=test-eks,alpha.eksctl.io/nodegroup-name=application-b-ng,app/team=application-b
ip-10-1-4-89.us-west-2.compute.internal    Ready    <none>   46m   v1.23.9-eks-ba74326   alpha.eksctl.io/cluster-name=test-eks,alpha.eksctl.io/nodegroup-name=application-a-ng,app/team=application-a

本步骤中如果不采用现有模版，也可自行通过kubectl label相关的指令给每个节点打上对应的标签。

实验部分

首先查看示例代码

[ec2-user@ip-10-1-1-239 blog]$ cat multi-tenant/yaml/nginx/nginx-dp.yaml 
apiVersion: apps/v1
kind: Deployment
metadata:
  name: nginx-deployment
  labels:
    app/team: application-c
  namespace: namespace-c
spec:
  replicas: 
  selector:
    matchLabels:
      app: nginx
  template:
    metadata:
      labels:
        app: nginx
    spec:
      affinity:
       nodeAffinity:
        requiredDuringSchedulingIgnoredDuringExecution:
          nodeSelectorTerms:
          - matchExpressions:
            - key: app/team
              operator: In
              values:
              - application-c      
      containers:
      - name: nginx
        image: nginx:1.14.2
        ports:
        - containerPort: 80

其中上图中的requiredDuringSchedulingIgnoredDuringExecution，强制性指定需要匹配带有label含有app/team=application-c的节点。通过观察，我们发现pod一直处于pending状态，进而查看pod状态

[ec2-user@ip-10-1-1-239 blog]$ kubectl describe pods nginx-deployment-5b8c88f7dc-2s9tn -nnamespace-c

Name:           nginx-deployment-5b8c88f7dc-2s9tn
Namespace:      namespace-c
  Warning  FailedScheduling   51s   default-scheduler   0/4 nodes are available: 4 node(s) didn't match Pod's node affinity/selector.

可以看到，因为集群中并没有application-c label的节点，故一直无法启动。那么接下来我们实验把上面nginx-dp的匹配选项改为app/team=application-b，namespace也改为application-b，并且把节点数量扩展到5个，如下图所示

apiVersion: apps/v1
kind: Deployment
metadata:
  name: nginx-deployment
  labels:
    app/team: application-b
namespace: application-b
spec:
  replicas: 10
  ···
    spec:
      ···
              - key: app/team
                operator: Exist
                values:
                - application-b

需要注意的是，默认情况下基于nodegroup自动发现的逻辑，CA只会调整ASG中desired的机器数量，会遵循nodegroup配置的min和max；所以如果我们没有在创建nodegroup显示配置的话，那这这一步pod的启动会被卡住。

查看对应的pod状况

[ec2-user@ip-10-1-1-239 blog]$ kubectl get pods -nnamespace-b -w
NAME                                READY   STATUS    RESTARTS   AGE
nginx-deployment-5dc75cb7c4-2m9ph   1/1     Running   0          27s
nginx-deployment-5dc75cb7c4-8nx2g   1/1     Running   0          26s
nginx-deployment-5dc75cb7c4-9tb4d   1/1     Running   0          117s
nginx-deployment-5dc75cb7c4-jrs8b   1/1     Running   0          119s
nginx-deployment-5dc75cb7c4-x4mv2   1/1     Running   0          120s

排除两个已有的节点，可以看到大概花费了120秒的时间，能够实现额外三个节点加入集群，以及基础的nginx应用的部署。另外通过查看CA的日志，可以发现CA遵循了对应的亲和性，可以达到定向扩展的需求

$ kubectl log -nkube-system cluster-autoscaler-787b49979f-zfllk -f

I1003 14:25:59.757031       1 filter_out_schedulable.go:157] Pod namespace-b.nginx-deployment-7b599f7555-f9wf2 marked as unschedulable can be scheduled on node ip-10-1-4-97.us-west-2.compute.internal. Ignoring in scale up.
I1003 14:25:59.757076       1 filter_out_schedulable.go:157] Pod namespace-b.nginx-deployment-7b599f7555-ndvgq marked as unschedulable can be scheduled on node template-node-for-eks-application-b-ng-fac1cc71-cf13-3164-1368-9f9140e422e8-7129107115182662064-upcoming-1. Ignoring in scale up.
I1003 14:25:59.757103       1 filter_out_schedulable.go:157] Pod namespace-b.nginx-deployment-7b599f7555-jbsqh marked as unschedulable can be scheduled on node ip-10-1-4-53.us-west-2.compute.internal. Ignoring in scale up.
I1003 14:25:59.757125       1 filter_out_schedulable.go:171] 3 pods marked as unschedulable can be scheduled.
I1003 14:25:59.757135       1 filter_out_schedulable.go:79] Schedulable pods present
I1003 14:26:09.774263       1 static_autoscaler.go:230] Starting main loop
I1003 14:26:09.774713       1 clusterstate.go:248] Scale up in group eks-application-b-ng-fac1cc71-cf13-3164-1368-9f9140e422e8 finished successfully in 1m30.437631771s

清理

为了避免CA和karpenter互相干扰，在下一实验开始前，请卸载CA，以及通过如下指令清除deployment

kubectl delete deployment nginx-deployment -nnamespace-b

3.2 基于Karpenter的定向扩展

前提条件

部署Kapenter在集群中, 详见最后的参考部分

实验部分

制作provisioner，本环节将会分别生成application-a-provisioner和application-b-provisioner，分别负责应用a和应用b的计算资源需求。执行下述操作生成provisioner，注意在执行前把${CLUSTER_NAME}换成自己的

kubectl apply -f multi-tenant/yaml/provisioner/

我们可以看到对应的两个provisioner已经生成

[ec2-user@ip-10-1-1-239 blog]$ kubectl get provisioners
NAME                        AGE
application-a-provisioner   38s
application-b-provisioner   17s

两个provisioner的主要区别，主要为下面的taint对应的应用部门不同，即工作节点不同

kind: Provisioner
metadata:
  name: application-x-provisioner
spec:
  requirements:
   - key: node.kubernetes.io/instance-type
     operator: In
     values: ["m5.large", "m5.2xlarge"]
  taints:
    - key: app/team
      value: application-x
      effect: NoSchedule
  labels：
    app/team: application-a

该provisioner生成的节点都具有app/team=application-x label和污点，应用如果想落在对应的机器，需要有对应的toleration和nodeselector才可。继续查看nginx的代码，我们可以看到其对应的toleration和资源的配置。

$ cat nginx-dp-kpt.yaml
apiVersion: apps/v1
kind: Deployment
metadata:
  name: nginx-deployment-kpt
  labels:
    app/team: application-a
  namespace: namespace-a
spec:
  replicas: 5
   ...
    spec:
      nodeSelector:
        app/team: application-a
      tolerations:
        - key: app/team
          operator: "Equal"
          value: "application-a"
          effect: "NoSchedule"
      containers:
        ...
        resources:
          requests:
            memory: "2048Mi"
            cpu: "1500m"
          limits:
            memory: "2048Mi"
            cpu: "1500m"

执行部署

kubectl apply -f multi-tenant/yaml/nginx/nginx-dp-kpt.yaml

观察执行结果

[ec2-user@ip-10-1-1-239 blog]$ kubectl get pods 
NAME                                READY   STATUS    RESTARTS   AGE
nginx-deployment-kpt-585c679d5d-5kc8r   1/1     Running   0          96s
nginx-deployment-kpt-585c679d5d-j9g6t   1/1     Running   0          96s
nginx-deployment-kpt-585c679d5d-jgkvh   1/1     Running   0          96s
nginx-deployment-kpt-585c679d5d-lhx6s   1/1     Running   0          96s
nginx-deployment-kpt-585c679d5d-p54h5   1/1     Running   0          96s

可以看到，所有pod在100s内完成了就绪.查看karpenter的日志，我们发现其遍历了多个provisioner，并从中选择了匹配的provisioner-a，且自动合并了我们多个pod请求，从而在列表中选择了较大的机型进行启动，避免了多次调用AWS API，以及相应时间的消耗。

2022-10-04T07:12:17.207Z INFO controller.provisioning Found 3 provisionable pod(s) {"commit": "5d4ae35-dirty"}
2022-10-04T07:12:17.207Z INFO controller.provisioning Computed 1 new node(s) will fit 3 pod(s) {"commit": "5d4ae35-dirty"}
2022-10-04T07:12:17.207Z INFO controller.provisioning Launching node with 3 pods requesting {"cpu":"4594m","memory":"6Gi","pods":"6"} from types m5.2xlarge {"commit": "5d4ae35-dirty", "provisioner": "application-a-provisioner"}
2022-10-04T07:12:17.389Z DEBUG controller.provisioning.cloudprovider Discovered security groups: [sg-049758300817976ce] {"commit": "5d4ae35-dirty", "provisioner": "application-a-provisioner"}
2022-10-04T07:12:17.393Z DEBUG controller.provisioning.cloudprovider Discovered kubernetes version 1.23 {"commit": "5d4ae35-dirty", "provisioner": "application-a-provisioner"}
2022-10-04T07:12:17.428Z DEBUG controller.provisioning.cloudprovider Discovered ami-050d93f2ea83da19d for query "/aws/service/eks/optimized-ami/1.23/amazon-linux-2/recommended/image_id" {"commit": "5d4ae35-dirty", "provisioner": "application-a-provisioner"}
2022-10-04T07:12:17.588Z DEBUG controller.provisioning.cloudprovider Created launch template, Karpenter-test-eks-1-4579713353214019755 {"commit": "5d4ae35-dirty", "provisioner": "application-a-provisioner"}
2022-10-04T07:12:20.650Z INFO controller.provisioning.cloudprovider Launched instance: i-035a7efc520610dc7, hostname: ip-10-1-4-148.us-west-2.compute.internal, type: m5.2xlarge, zone: us-west-2a, capacityType: on-demand {"commit": "5d4ae35-dirty", "provisioner": "application-a-provisioner"}

3.3 利用Gatekeeper实现namespace级别的管控和注入

无论在3.1和3.2的实验中，实验中都是手动修改应用的namespace归属，以及对应的亲和性设置。那么从安全性和便利的角度来说，都不是一个好的实践，这时候可以引入Gatekeeper等mutation webhook工具，来使得部署在指定namespaces的容器必须具备特定的亲和性设置，从而完成自动匹配。此外，基于namespace级别设置了对应的request和limit限制，还需要对于未设置request和limit值的容器给予禁止部署。其具体的设置如下所示：

前提条件

安装Gatekeeper

helm repo add gatekeeper https://open-policy-agent.github.io/gatekeeper/charts
helm install gatekeeper/gatekeeper --name-template=gatekeeper --namespace gatekeeper-system --create-namespace

注意使用前记得更新helm的版本，否则会出现兼容性bug

查看状态

[ec2-user@ip-10-1-1-239 blog]$ kubectl get pods --all-namespaces
NAMESPACE           NAME                                            READY   STATUS    RESTARTS   AGE
gatekeeper-system   gatekeeper-audit-66c58476d7-swq9q               1/1     Running   0          29m
gatekeeper-system   gatekeeper-controller-manager-dcb9c7fff-nxmn6   1/1     Running   0          29m

配置限制性webhook，设定必须填写Request值才可进行部署

安装插件

kubectl apply -f https://raw.githubusercontent.com/open-policy-agent/gatekeeper-library/master/library/general/containerrequests/template.yaml

部署策略

cat <<EOF | kubectl apply -f -
apiVersion: constraints.gatekeeper.sh/v1beta1
kind: K8sContainerRequests
metadata:
  name: container-must-have-request
spec:
  match:
    kinds:
      - apiGroups: [""]
        kinds: ["Pod"]
  parameters:
    cpu: "2000m"
    memory: "2Gi"
EOF

其中限制了部署应用必须显示指定request值以及相应的最大值，否则部署出错。接下来部署测试应用

kubectl apply -f multi-tenant/yaml/nginx/nginx-dp-no-request.yaml

查看状态

## 观察对应的ns无返回
$ kubectl get pods -n namespace-a

## 查看日志，发现请求被deny
$ kubectl logs gatekeeper-controller-manager-dcb9c7fff-nxmn6 -ngatekeeper-system
{"level":"info","ts":1664888600.9350498,"logger":"controller","msg":"constraint added to OPA","process":"constraint_controller","event_type":"constraint_added","constraint_group":"constraints.gatekeeper.sh","constraint_api_version":"v1beta1","constraint_kind":"K8sContainerRequests","constraint_name":"container-must-have-request","constraint_action":"deny","constraint_status":"enforced"}

修改应用为有request值，在multi-tenant/yaml/nginx/nginx-dp-no-request.yaml 最下方加入如下字段

resources:
  requests:
   memory: "2048Mi"
   cpu: "1500m"
  limits:
   memory: "2048Mi"
   cpu: "1500m"

重新部署，发现容器启动正常

[ec2-user@ip-10-1-1-239 blog]$ kubectl get pods -nnamespace-a
NAME                                READY   STATUS    RESTARTS   AGE
nginx-deployment-no-request-6f7fdfd875-2f6kv   1/1     Running   0          14s

设定pod自动注入亲和性设置的相关webhook

部署webhook

cat <<EOF | kubectl apply -f -
apiVersion: mutations.gatekeeper.sh/v1beta1
kind: Assign
metadata:
  name: namespace-a-selector
  namespace: gatekeeper-system
spec:
  applyTo:
    - groups: [""]
      kinds: ["Pod"]
      versions: ["v1"]
  match:
    scope: Namespaced
    kinds:
      - apiGroups: ["*"]
        kinds: ["Pod"]
    namespaces: ["namespace-a"]
  location: "spec.nodeSelector"
  parameters:
    assign:
      value:
        app/team: "application-a"
EOF

其中写明了，如果是部署在namespace-a的应用，那么会通过webhook注入如下的标签, 当然也可以注入其他选项，如toleration等。

nodeSelector
 app/team: "application-a"

部署应用

## 发现除了三个跑在已有application-a-ng上的pod启动外，其他pod因为注入了selector无法调度
[ec2-user@ip-10-1-1-239 ~]$ kubectl get pods -nnamespace-a -owide
NAME                                            READY   STATUS    RESTARTS   AGE     IP        
namespace-a         nginx-deployment-no-selector-6f7fdfd875-2n8hd   1/1     Running   0          
namespace-a         nginx-deployment-no-selector-6f7fdfd875-8fp5l   0/1     Pending   0          
namespace-a         nginx-deployment-no-selector-6f7fdfd875-8qv5g   1/1     Running   0          
namespace-a         nginx-deployment-no-selector-6f7fdfd875-b2xbm   0/1     Pending   0          
namespace-a         nginx-deployment-no-selector-6f7fdfd875-zk9hd   0/1     Pending   0

查看pod，发现selector已经注入成功

[ec2-user@ip-10-1-1-239 ~]$ kubectl describe pods nginx-deployment-no-selector-6f7fdfd875-2n8hd -nnamespace-a
...
Node-Selectors:              app/team=application-a
...

稍等片刻，发现pod已经全部ready，并且全部落在了provioner-a生成的新节点上。

## 前两个属于application-b-ng, 
[ec2-user@ip-10-1-1-239 ~]$ kubectl get nodes
NAME                                       STATUS   ROLES    AGE   VERSION
ip-10-1-4-197.us-west-2.compute.internal   Ready    <none>   10h   v1.23.9-eks-ba74326
ip-10-1-4-59.us-west-2.compute.internal    Ready    <none>   86s   v1.23.9-eks-ba74326
ip-10-1-4-6.us-west-2.compute.internal     Ready    <none>   10h   v1.23.9-eks-ba74326
ip-10-1-6-111.us-west-2.compute.internal   Ready    <none>   10h   v1.23.9-eks-ba74326
ip-10-1-6-58.us-west-2.compute.internal    Ready    <none>   10h   v1.23.9-eks-ba74326

[ec2-user@ip-10-1-1-239 ~]$ kubectl get pods -nnamespace-a -owide
NAME                                            READY   STATUS    RESTARTS   AGE     IP           NODE                                       NOMINATED NODE   READINESS GATES
nginx-deployment-no-selector-6f7fdfd875-2n8hd   1/1     Running   0          5m10s   10.1.4.4     ip-10-1-4-197.us-west-2.compute.internal   <none>           <none>
nginx-deployment-no-selector-6f7fdfd875-8fp5l   1/1     Running   0          5m10s   10.1.4.114   ip-10-1-4-59.us-west-2.compute.internal    <none>           <none>
nginx-deployment-no-selector-6f7fdfd875-8qv5g   1/1     Running   0          5m10s   10.1.6.51    ip-10-1-6-58.us-west-2.compute.internal    <none>           <none>
nginx-deployment-no-selector-6f7fdfd875-b2xbm   1/1     Running   0          5m10s   10.1.4.228   ip-10-1-4-59.us-west-2.compute.internal    <none>           <none>
nginx-deployment-no-selector-6f7fdfd875-zk9hd   1/1     Running   0          5m10s   10.1.4.113   ip-10-1-4-59.us-west-2.compute.internal    <none>           <none>

4. 总结

通过以上的方案的展开，我们了解到了在单集群多namespace环境下实现租户之间资源的隔离的几种常见划分和对应手段，其可以为客户在制定对应策略时提供基本的参考。

同时我们在与各位客户交流的过程中感受到并没有一概而论的方案去应对多租户场景下，应用到底应该是按集群级别进行隔离，还是namespace级别进行隔离。在过往的经历中，我们看到很多进入多租户深水区的客户往往采用了上述两种方式的结合，即他们通常会对SLA要求等级比较高的应用进行单集群的部署，SLA相对较低的应用进行单集群namespace级别的隔离。所以采用哪种方式取决于客户当前所属的阶段，应用的大小和多少，以及相关应用SLA的要求等。我们通常建议客户刚起步时，可以基于单集群多namespace的形态进行划分，然后再进行逐步的演进。

最后，附上相关内容的简要总结：

上图缩写说明

NS: namespace
NG: nodegroup
KPT: karpenter
CA: cluster autoscaler

在后续的文章中，我们将会从网络，存储，以及框架等方面展开近一步的探讨。

参考文档

EKS enhancement: https://aws.amazon.com/cn/blogs/containers/amazon-eks-control-plane-auto-scaling-enhancements-improve-speed-by-4x/

Cluster Autoscaler: https://github.com/kubernetes/autoscaler/blob/master/cluster-autoscaler/FAQ.md#what-are-expanders

Karpenter： https://karpenter.sh/v0.16.3/tasks/scheduling/

Gatekeeper：https://github.com/open-policy-agent/gatekeeper

本篇作者

猜你喜欢

27、Eclipse 重构菜单
微博发布10月社区管理工作公告：暴投诉量逐步降低
26、Eclipse 浏览(Navigate)菜单
二手房交易越来越冷，自如向业主抛出橄榄枝
24、Eclipse 悬浮提示
华为奔赴“空间智能”，全屋智能的逻辑变了吗？
25、Eclipse 查找
元宇宙婚礼“出圈”失利，这个噱头来得有点早
腾讯云直播,快速搭建直播平台
23、Eclipse 快速修复
开通5G网络服务三个月，中国广电交出了什么样的答卷？
第四范式下的科教研：算力困局怎么解？
22、Eclipse 内容辅助
自动驾驶江湖重新排位：毫末智行“重感知、轻地图”优势初现
21、Eclipse 首选项(Preferences)
20、Eclipse Debug 调试
网易云音乐“上车”，车载场景会是新故事线吗？
Hbuilder用自有证书打包 ios App上架AppStore流程
19、Eclipse Debug 配置
互联网上市企业的“期中考”：有人躺平式过冬，有人多元化深耕

zl程序教程

当前栏目

卧榻之侧可容他人鼾睡一 EKS多租户管理浅谈之计算资源篇

1.前言

2. 方案概述

2.1 场景1：负载稳定，不涉及到工作节点的自动伸缩

方案1

方案2

2.2 场景2: 负载不稳定，涉及到节点的自动伸缩

3. 实验

3.1基于CA的定向扩展

前提条件

实验部分

清理

3.2 基于Karpenter的定向扩展

前提条件

实验部分

3.3 利用Gatekeeper实现namespace级别的管控和注入

前提条件

配置限制性webhook，设定必须填写Request值才可进行部署

设定pod自动注入亲和性设置的相关webhook

4. 总结

参考文档

本篇作者

相关文章

当前栏目

卧榻之侧可容他人鼾睡 一 EKS多租户管理浅谈之计算资源篇

1.前言

2. 方案概述

2.1 场景1：负载稳定，不涉及到工作节点的自动伸缩

方案1

方案2

2.2 场景2: 负载不稳定，涉及到节点的自动伸缩

3. 实验

3.1基于CA的定向扩展

前提条件

实验部分

清理

3.2 基于Karpenter的定向扩展

前提条件

实验部分

3.3 利用Gatekeeper实现namespace级别的管控和注入

前提条件

配置限制性webhook，设定必须填写Request值才可进行部署

设定pod自动注入亲和性设置的相关webhook

4. 总结

参考文档

本篇作者

相关文章

卧榻之侧可容他人鼾睡一 EKS多租户管理浅谈之计算资源篇