paskalmaksim/aks-node-termination-handler

AKS节点终止处理程序

概述

AKS节点终止处理程序（aks-node-termination-handler）是一个专为Azure Kubernetes Service (AKS) 设计的工具，用于监控和响应虚拟机规模集(VMSS)事件。该工具能够在节点被终止前自动执行必要的维护操作，确保工作负载安全迁移，从而提高集群的稳定性和可用性。

核心功能与特性

• 监控并响应VMSS事件（删除、重启、重新部署等）
• 支持Kubernetes PodDisruptionBudget (PDB)
• 自动排空(drain)节点并标记为不可调度
• 可配置的排空超时和重试机制
• 支持Dry Run模式进行测试
• 提供详细的事件日志和指标
• 与Azure资源健康状况集成
• 轻量级设计，资源占用低

使用场景与适用范围

• 运行在AKS上的生产环境集群
• 使用VMSS作为节点池的AKS集群
• 需要处理节点自动扩展事件的场景
• 对工作负载可用性有较高要求的应用
• 需要遵守PodDisruptionBudget的生产环境

安装与使用

前提条件

• Kubernetes集群版本1.16+
• AKS集群使用VMSS节点池
• 适当的RBAC权限

使用Helm安装

bash
helm repo add maksim-paskal https://maksim-paskal.github.io/helm-charts/
helm repo update
helm install aks-node-termination-handler maksim-paskal/aks-node-termination-handler

使用kubectl安装

bash
kubectl apply -f https://raw.githubusercontent.com/maksim-paskal/aks-node-termination-handler/main/deploy/yaml/aks-node-termination-handler.yaml

Docker部署示例

bash
docker run -d \
  --name aks-node-termination-handler \
  -e AZURE_TENANT_ID=<your-tenant-id> \
  -e AZURE_SUBSCRIPTION_ID=<your-subscription-id> \
  -e AZURE_RESOURCE_GROUP=<your-resource-group> \
  -e AKS_CLUSTER_NAME=<your-cluster-name> \
  -e NODE_NAME=<node-name> \
  -v /var/run/kubernetes/admin.kubeconfig:/kubeconfig \
  maksim-paskal/aks-node-termination-handler:latest

配置参数

环境变量

命令行参数

--dry-run           启用Dry Run模式 (环境变量: DRY_RUN)
--drain-timeout     排空超时时间(秒) (环境变量: DRAIN_TIMEOUT)
--drain-grace-period 排空宽限期(秒) (环境变量: DRAIN_GRACE_PERIOD)
--metrics-port      指标服务端口 (环境变量: METRICS_PORT)
--log-level         日志级别 (环境变量: LOG_LEVEL)

集成与扩展

Prometheus指标

该处理程序暴露以下Prometheus指标：

• aks_node_termination_handler_events_total - 处理的事件总数
• aks_node_termination_handler_drains_total - 执行的排空操作总数
• aks_node_termination_handler_drain_errors_total - 排空操作错误总数
• aks_node_termination_handler_last_event_timestamp - 最后一次事件的时间戳

Azure权限要求

处理程序需要以下Azure RBAC权限：

• Microsoft.Compute/virtualMachineScaleSets/read
• Microsoft.Compute/virtualMachineScaleSets/virtualMachines/read
• Microsoft.Insights/eventtypes/events/read

故障排除

常见问题

1. 处理程序未检测到VMSS事件

   • 确保AKS集群和VMSS位于同一资源组
   • 验证Azure权限是否正确配置

2. 排空操作失败

   • 检查是否有PodDisruptionBudget阻止排空
   • 增加排空超时时间
   • 检查节点上是否有不可终止的Pod

3. 日志中出现认证错误

   • 验证Azure服务主体凭据
   • 检查环境变量配置

查看日志

bash
kubectl logs -l app=aks-node-termination-handler

许可证

本项目采用MIT许可证 - 详情参见LICENSE文件。