Kubernetes v1.34: 面向 Kubernetes 的 PSI 指標進階至 Beta

作者：Haowei Cai (Google) |

隨著 Kubernetes 叢集的規模和複雜性不斷增長，瞭解單個節點的健康狀況和效能變得越來越重要。我們很高興地宣佈，自 Kubernetes v1.34 起，壓力失速資訊（Pressure Stall Information，PSI）指標已晉升為 Beta 版。

什麼是壓力失速資訊（PSI）？

壓力失速資訊（PSI）是 Linux 核心（4.20 及更高版本）的一項功能，它提供了一種規範化的方法來量化基礎設施資源的壓力，即判斷對某一資源的需求是否超過了當前的供應。它超越了簡單的資源利用率指標，轉而衡量任務因資源爭用而停滯的時間。這是一種識別和診斷可能影響應用程式效能的資源瓶頸的強大方法。

PSI 為 CPU、記憶體和 I/O 暴露了指標，分為 some（部分）或 full（完全）壓力。

some（部分）
至少一個任務因資源而停滯的時間百分比。這表明存在一定程度的資源爭用。
full（完全）
所有非空閒任務同時因某資源而停滯的時間百分比。這表明存在更嚴重的資源瓶頸。
Diagram illustrating the difference between 'some' and 'full' PSI pressure.

PSI：“部分”壓力與“完全”壓力

這些指標在 10 秒、1 分鐘和 5 分鐘的滾動視窗內進行聚合，提供了資源壓力隨時間變化的全面檢視。

Kubernetes 中的 PSI 指標

啟用 KubeletPSI 特性門控後，kubelet 現在可以從 Linux 核心收集 PSI 指標，並透過兩個渠道將其暴露出來：Summary API 和 /metrics/cadvisor Prometheus 端點。這使你能夠在節點、Pod 和容器級別監控和告警資源壓力。

透過 /metrics/cadvisor 可以獲取以下新的 Prometheus 暴露格式的指標：

  • container_pressure_cpu_stalled_seconds_total
  • container_pressure_cpu_waiting_seconds_total
  • container_pressure_memory_stalled_seconds_total
  • container_pressure_memory_waiting_seconds_total
  • container_pressure_io_stalled_seconds_total
  • container_pressure_io_waiting_seconds_total

這些指標，連同來自 Summary API 的資料，提供了資源壓力的細粒度檢視，使你能夠精確定位效能問題的根源並採取糾正措施。例如，你可以使用這些指標來：

  • 識別記憶體洩漏： 記憶體的 some 壓力持續增加可能表明應用程式存在記憶體洩漏。
  • 最佳化資源請求和限制： 通過了解工作負載的資源壓力，你可以更準確地調整其資源請求和限制。
  • 自動擴縮工作負載： 你可以使用 PSI 指標來觸發自動擴縮事件，確保你的工作負載擁有實現最佳效能所需的資源。

如何啟用 PSI 指標

要在你的 Kubernetes 叢集中啟用 PSI 指標，你需要：

  1. 確保你的節點執行 Linux 核心版本 4.20 或更高版本，並使用 cgroup v2。
  2. 在 kubelet 上啟用 KubeletPSI 特性門控。

啟用後，你可以開始使用與 Prometheus 相容的監控解決方案抓取 /metrics/cadvisor 端點，或查詢 Summary API 來收集和視覺化新的 PSI 指標。請注意，PSI 是一個 Linux 核心特性，因此這些指標在 Windows 節點上不可用。你的叢集可以包含 Linux 和 Windows 節點的混合，在 Windows 節點上，kubelet 不會暴露 PSI 指標。

接下來是什麼？

我們很高興能將 PSI 指標帶給 Kubernetes 社群，並期待你的反饋。作為一個 Beta 特性，我們正在積極努力改進和擴充套件此功能，以期釋出穩定的 GA 版本。我們鼓勵你試用並與我們分享你的體驗。

要了解有關 PSI 指標的更多資訊，請檢視官方的 Kubernetes 文件。你也可以在 #sig-node Slack 頻道上參與討論。