Problemen met CPU-druk in AKS-clusters oplossen met behulp van PSI-metrische gegevens

CPU-druk is een nauwkeurigere indicator van resourceconflicten dan traditionele metrische gegevens over CPU-gebruik. Hoewel hoog CPU-gebruik het resourceverbruik weergeeft, duidt dit niet noodzakelijkerwijs op prestatieproblemen. In een AKS-cluster (Azure Kubernetes Service) kunt u inzicht krijgen in cpu-druk via PSI-metrische gegevens (Pressure Stall Information) om echte problemen met resourceconflicten te identificeren.

Wanneer een knooppunt in een AKS-cluster CPU-druk ondervindt, kunnen toepassingen slechte prestaties ondervinden, zelfs als het CPU-gebruik gemiddeld lijkt. Metrische PSI-gegevens bieden inzicht in werkelijke resourceconflicten door taakvertragingen te meten in plaats van alleen resourceverbruik.

Dit artikel helpt u bij het bewaken van CPU-druk met behulp van PSI-metrische gegevens en biedt aanbevolen procedures voor het oplossen van problemen met resourceconflicten.

Symptomen

De volgende tabel bevat een overzicht van de veelvoorkomende symptomen van CPU-druk:

Symptoom	Beschrijving
Verhoogde toepassingslatentie	Services reageren langzamer, zelfs wanneer het CPU-gebruik gemiddeld lijkt.
Beperkte containers	Containers ondervinden vertragingen in de verwerking ondanks dat CPU-resources beschikbaar zijn op het knooppunt.
Verminderde prestaties	Toepassingen ervaren onvoorspelbare prestatievariaties die niet correleren met CPU-gebruikspercentages.

Controlelijst voor probleemoplossing

Volg deze stappen om problemen met CPU-druk te identificeren en op te lossen:

Stap 1: PSI-metrische gegevens inschakelen en bewaken

Gebruik een van de volgende methoden om toegang te krijgen tot psi-metrische gegevens:

• Gebruik azure Monitoring Managed Prometheus of een andere bewakingsoplossing in een webbrowser om query's uit te voeren op psi-metrische gegevens.
• Gebruik in een console het opdrachtregelprogramma van Kubernetes (kubectl).

Browser

Azure Monitoring Managed Prometheus biedt een manier om psi-metrische gegevens te bewaken:

1. Schakel Azure Monitoring Managed Prometheus in voor uw AKS-cluster door de instructies in Prometheus en Grafana in te schakelen.

   Om aangepaste scrape-metrics voor Prometheus in te schakelen, zie Scrape-configuraties. Wij raden aan om minumum ingestion profile in te stellen op false en om node-exporter in te stellen op true.

2. Navigeer vanuit Azure Portal naar de Azure Monitor-werkruimte die is gekoppeld aan het AKS-cluster.

   

3. Selecteer Metrische gegevens onder Bewaking.

4. Selecteer metrische gegevens van Prometheus als de gegevensbron.

   Opmerking

   Als u de metrische gegevens wilt gebruiken, moet u deze inschakelen in Azure Monitoring Managed Prometheus. Deze metrische gegevens worden weergegeven door Node Exporter of cAdvisor.

5. Query's uitvoeren op specifieke PSI-metrische gegevens in Prometheus Explorer:

   • Gebruik de node_pressure_cpu_waiting_seconds_total Prometheus Query Language (PromQL) voor CPU-druk op knooppuntniveau.

     

   • Gebruik de container_cpu_cfs_throttled_seconds_total PromQL voor CPU-druk op podniveau.

6. Bereken het PSI-sommige percentage (percentage van de tijd dat ten minste één taak is vastgelopen op CPU):

   rate(node_pressure_cpu_waiting_seconds_total[5m]) * 100

Opmerking

Sommige metrische gegevens op containerniveau, zoals container_pressure_cpu_waiting_seconds_total en container_pressure_cpu_stalled_seconds_total zijn niet beschikbaar in AKS omdat ze deel uitmaken van de Kubelet PSI-functiepoort die de alfastatus heeft. AKS begint met het ondersteunen van het gebruik van de functie wanneer deze de bètafase bereikt.

Commandoregel

Krijg veilig toegang tot PSI-metrische gegevens met kubectl zonder SSH-toegang (Secure Shell):

1. Gebruik de metrische gegevens van de Kubernetes-proxy en het knooppunt:

   # Start the kubernetes proxy in a separate terminal
   kubectl proxy
   
   # Access node metrics API
   kubectl get --raw /apis/metrics.k8s.io/v1beta1/nodes
   

2. Gebruik de kubectl debug functie voor meer gedetailleerde PSI-metrische gegevens om een tijdelijke foutopsporingspod te maken:

   # Create a debug pod that mounts the host filesystem
   kubectl debug node/<node_name> -it --image=busybox
   
   # Once inside the debug pod, check PSI metrics
   cat /host/proc/pressure/cpu
   

   Hier volgt een voorbeeld van de uitvoer van de opdracht:

   some avg10=0.00 avg60=0.00 avg300=0.00 total=0
   full avg10=0.00 avg60=0.00 avg300=0.00 total=0
   

   • De some lijn geeft het percentage tijd aan dat ten minste één taak is vastgelopen op CPU.
   • De full lijn geeft het percentage tijd aan dat alle taken zijn vastgelopen op CPU.

Stap 2: Best practices bekijken om CPU-druk te voorkomen

Bekijk de volgende tabel voor meer informatie over het implementeren van aanbevolen procedures voor het voorkomen van CPU-druk:

Best practice	Beschrijving
Focus op PSI-metrics in plaats van gebruiksstatistieken	Gebruik PSI-metrische gegevens als primaire indicator van resourceconflicten in plaats van cpu-gebruikspercentages. Zie PSI - Pressure Stall Information voor meer informatie.
Pods identificeren die de meeste CPU gebruiken	Isoleer de pods die gebruikmaken van de meeste CPU en identificeer oplossingen om de druk te verminderen. Zie Problemen met hoog CPU-gebruik in AKS-clusters oplossen voor meer informatie.
CPU-limieten minimaliseren	Overweeg CPU-limieten te verwijderen en te vertrouwen op de Completely Fair Scheduler van Linux met CPU-aandelen op basis van aanvragen. Zie Resourcebeheer voor pods en containers voor meer informatie.
De juiste QoS-klassen (Quality of Service) gebruiken	Stel de juiste QoS-klasse in voor elke pod op basis van het belang en de gevoeligheid voor conflicten. Voor meer informatie, zie Quality of Service voor Pods configureren.
Podplaatsing optimaliseren	Gebruik antiaffiniteitsregels voor pods om cpu-intensieve workloads op dezelfde knooppunten te voorkomen. Zie Pods toewijzen aan knooppunten voor meer informatie.
Monitor voor korte drukpieken	Korte drukpieken kunnen problemen aangeven, zelfs wanneer het gemiddelde gebruik acceptabel lijkt. Voor meer informatie, zie De pijplijn voor metrische resourcegegevens.

Belangrijke PSI-metrische gegevens die moeten worden bewaakt

Opmerking

Als het CPU-gebruik van een knooppunt gemiddeld is, maar de containers op het knooppunt CFS-beperking ondervinden, verhoog de resourcelimieten of verwijder ze en volg het CFS-algoritme (Completely Fair Scheduler) van Linux.

PSI-metrische gegevens op knooppuntniveau

• node_pressure_cpu_waiting_seconds_total: Cumulatieve tijdtaken wachten op CPU.
• node_cpu_seconds_total: Traditioneel CPU-gebruik voor vergelijking.

PSI-indicatoren op containerniveau

• container_cpu_cfs_throttled_periods_total: Het aantal perioden dat een container wordt geknepen.
• container_cpu_cfs_throttled_seconds_total: Totale tijd dat een container wordt opgeschroefd.
• Beperkingspercentage: rate(container_cpu_cfs_throttled_periods_total[5m]) / rate(container_cpu_cfs_periods_total[5m]) * 100

Waarom metrische PSI-gegevens gebruiken?

AKS gebruikt PSI-metrische gegevens als indicator voor CPU-druk in plaats van het belastingsmiddelde om verschillende redenen:

• Bij grote en multi-core knooppunten wordt de load average vaak onderschat wat betreft cpu-verzadiging.
• Op spraakzamere en containerknooppunten kan het belastingsgemiddelde te vaak signaleren, wat leidt tot waarschuwingsmoeheid.
• Omdat het systeemlastgemiddelde per cgroup geen inzicht biedt, kunnen lawaaierige pods zich verbergen achter een laag systeemgemiddelde.

Referenties

• Documentatie voor Linux PSI
• Kubernetes-resourcebeheer
• Best practices voor AKS-prestaties
• Prometheus en Grafana inschakelen
• Quality of Service in Kubernetes
• Linux Completely Fair Scheduler

Contacteer ons voor hulp

Als u vragen hebt of hulp nodig hebt, maak een ondersteuningsaanvraag of vraag de Azure-communityondersteuning. U kunt ook productfeedback verzenden naar de Azure-feedbackcommunity.