Kubernetes pod 不需要重启

Question

我在生产环境中运行 Python 应用程序，但我的 pod 在生产环境中频繁重启。 在暂存环境中，它不会发生。

所以我认为这可能是 CPU & Memory 限制问题。 我也更新了。

进一步调试我得到137退出代码。

更多调试我在 Kubernetes 节点内的 go 并检查容器。

使用的命令： docker inspect < container id >

这是 output：

 {
    "Id": "a0f18cd48fb4bba66ef128581992e919c4ddba5e13d8b6a535a9cff6e1494fa6",
    "Created": "2019-11-04T12:47:14.929891668Z",
    "Path": "/bin/sh",
    "Args": [
        "-c",
        "python3 run.py"
    ],
    "State": {
        "Status": "exited",
        "Running": false,
        "Paused": false,
        "Restarting": false,
        "OOMKilled": false,
        "Dead": false,
        "Pid": 0,
        "ExitCode": 137,
        "Error": "",
        "StartedAt": "2019-11-04T12:47:21.108670992Z",
        "FinishedAt": "2019-11-05T00:01:30.184225387Z"
  },

OOMKilled 是错误的，所以我认为这不是问题。

使用 GKE 主版本： 1.13.10-gke.0

Answer 1

从技术上讲，所有 137 意味着您的进程因 SIGKILL 而终止。 不幸的是，这没有足够的信息来知道它来自哪里。 最重要的是，auditd 或 Falco 等工具可以通过记录这些类型的系统调用来帮助收集数据，或者至少让你更接近。

Answer 2

退出代码 137 是docker 退出代码，它告诉我们容器已被 OOM 杀手杀死。 这并不意味着容器本身达到了 memory 限制，或者它没有足够的 memory 来运行。 由于操作系统级别的 OOM 杀手正在杀死应用程序，因此 pod 和 docker 不会为容器本身注册 OOM，因为它不一定达到 memory 限制。

上面链接的文档详细介绍了如何调试错误 137，但您也可以检查节点指标以了解 memory 的使用情况，或检查节点日志以查看是否曾在操作系统级别注册过 OOM。

如果这是一个常见问题，请确保您的 python 容器包含限制，并确保集群中的其他容器设置了适当的请求和限制。