yun
-
容器服务 基于 Kueue 实现批调度和队列管理
在 Kubernetes 上运行批处理作业时,常面临资源争抢和异构资源管理粗放的痛点。Kueue 作为一个工作负载排队管理器,在 Kubernetes 中负责管理 Job 等批处理任务的排队、准入和资源分配,确保集群资源公平、高效的被利用。它的核心工作原理是:当用户提交作业后,Kueue 会暂存(Suspend)该作业,而非立即创建 Pod。随后,Kueue 会根据预设的配额和调度策略,检查集群中的资源情况。一旦有足。
-
容器服务 共享网卡固定 IP 模式 TKE 集群移除子网
共享网卡固定 IP 模式的集群移除子网需严格遵循本流程,如果 Pod 仍在使用子网时执行移除,将影响后续新增 Pod 的 IP 分配,即使分配其他子网也可能受影响。移除后如发现仍有 Pod 在使用该子网,需尽快将其重建至其他子网。
-
容器服务 共享网卡非固定 IP 模式 TKE 集群移除子网
共享网卡非固定 IP 模式的集群移除子网需严格按此项流程操作,如果 Pod 仍在使用子网就移除了子网,那么会影响后续新增 Pod IP 分配,即便分配其他子网也会受到影响。如果移除后,发现仍有 Pod 在使用,需尽快重建 Pod 到其他子网。
-
容器服务 GPU 故障检测与自愈
在 GPU 集群运行过程中,GPU 硬件可能出现各类故障,如 XID 错误、ECC 内存错误、温度过高、设备丢失等问题。这些故障如果不能及时发现和处理,可能导致训练任务失败、数据损坏甚至集群不稳定。
-
容器服务 Node-Healing 说明
Node-Healing 是 TKE 提供的节点自愈组件,能够自动检测集群中的异常节点,并根据预定义的策略执行自动化修复操作。该组件与 Node Problem Detector(NPD)配合使用,可实现从故障检测到自动修复的完整闭环。Node-Healing 支持 40 种故障类型的自愈策略,涵盖内核/系统类、资源压力类、服务健康类、K8s 组件扩展类及 GPU 监控类故障,能够有效提升集群的稳定性和可用性。
-
容器服务 多 Ingress 复用 CLB
腾讯云容器服务 TKE 现已支持多个 Ingress 复用同一负载均衡器。如需将多个 Ingress 的流量聚合到单一负载均衡器入口,可以以在创建 Ingress 资源时为其添加 ingress.cloud.tencent.com/enable-group: ‘true’ 注解,并使用 kubernetes.io/ingress.existLbId: lb-xxxxxxxx 注解指向相同的 CLB 实例。
-
容器服务 qGPU 多卡互联
TKE qGPU 多卡互联功能支持在单个容器内同时挂载多张 qGPU 虚拟卡,通过将物理 GPU 算力与显存进行均分,满足大模型推理、分布式训练等对多卡算力聚合及显存容量有更高要求的场景。
-
容器服务 配置 Pod 级别的 CLB 后端权重
通过在 Pod 上添加注解,可以以精细控制该 Pod 在 CLB 上作为后端 RS 的流量权重。该功能适用于 Ingress 和 Service 两种场景。
-
容器服务 CLB 回环现象指南
在 TKE 集群中,iptables 或 IPVS 模式下,访问本集群内网 Ingress 会出现4秒延时或不通。IPVS 模式下,集群内访问本集群 LoadBalancer 类型的内网 Service 出现完全不通,或者连通不稳定。
-
容器服务 CoreDNS 说明
CoreDNS 是 Kubernetes 集群的 DNS 服务组件,负责为集群内的 Service 和 Pod 提供 DNS 解析服务。它基于插件链架构,支持灵活的 DNS 配置,包括服务发现、缓存、转发、健康检查等功能。CoreDNS 通过 Corefile 配置文件定义 DNS 服务行为,支持多种插件组合满足不同场景需求。