Google Distributed Cloud limita el alcance de las fallas de los clústeres priorizando la funcionalidad crítica para la continuidad empresarial. Comprender cómo las interrupciones afectan la ejecución de las cargas de trabajo, la administración de las cargas de trabajo y las operaciones del ciclo de vida te ayuda a priorizar la solución de problemas y minimizar el tiempo de inactividad durante un incidente.
Categorías de funcionalidad principal
La funcionalidad principal de Google Distributed Cloud incluye las siguientes categorías:
- Ejecutar cargas de trabajo: Las cargas de trabajo existentes pueden seguir ejecutándose. Esta es la consideración más importante para mantener la continuidad empresarial. Incluso si tu clúster tiene un problema, las cargas de trabajo existentes podrían seguir ejecutándose sin interrupciones.
- Administrar cargas de trabajo: Puedes crear, actualizar y borrar cargas de trabajo. Esta es la segunda consideración más importante para escalar las cargas de trabajo cuando aumenta el tráfico, incluso si el clúster tiene un problema.
- Administra clústeres de usuario: Puedes administrar nodos, actualizar y borrar clústeres de usuario. Esto es menos importante que las consideraciones sobre el ciclo de vida de la aplicación. Si hay capacidad disponible en los nodos existentes, la imposibilidad de modificar los clústeres de usuario no afecta las cargas de trabajo de los usuarios.
- Administra clústeres de administrador: Puedes actualizar el clúster de administrador.
- Para las implementaciones que usan clústeres de administrador y de usuario separados, esta es la consideración menos importante, ya que el clúster de administrador no aloja ninguna carga de trabajo de usuario. Si tu clúster de administrador tiene un problema, las cargas de trabajo de tu aplicación en otros clústeres seguirán ejecutándose sin interrupciones.
- Si usas otros modelos de implementación, como híbridos o independientes, el clúster de administrador ejecuta cargas de trabajo de la aplicación. Si el clúster de administrador tiene un problema y el plano de control está inactivo, tampoco puedes administrar las cargas de trabajo de la aplicación ni los componentes del clúster de usuario.
En las siguientes secciones, se usan estas categorías de funcionalidad principal para describir el impacto de tipos específicos de situaciones de falla. Cuando hay una interrupción como parte de una situación de falla, también se indica la duración (orden) de la interrupción, siempre que sea posible.
Fallas de nodos
Es posible que un nodo de Google Distributed Cloud deje de funcionar o no se pueda acceder a él en la red. Según el grupo de nodos y el clúster del que forma parte la máquina con errores, existen varios modos de falla diferentes.
Nodo del plano de control
En la siguiente tabla, se describe el comportamiento de los nodos que forman parte del plano de control en Google Distributed Cloud:
| Ejecuta cargas de trabajo | Administrar cargas de trabajo | Administra clústeres de usuarios | Administrar clústeres de administrador | |
|---|---|---|---|---|
| Interrupción (duración) | Sin interrupciones | Posible interrupción (desconocida) | Posible interrupción (desconocida) | Posible interrupción (desconocida) |
| Explicación | — | Si la falla del nodo afecta al único nodo del plano de control en un clúster de usuario sin alta disponibilidad (HA) o si afecta a no menos de la mitad de los nodos del plano de control en un clúster de usuario con HA, habrá interrupción. Se pierde el quórum del plano de control del clúster de usuario. | Si la falla del nodo afecta al único nodo del plano de control en un clúster de administrador sin alta disponibilidad, o si afecta al menos a la mitad de los nodos del plano de control en un clúster de administrador con alta disponibilidad, habrá interrupción. Se pierde el quórum del plano de control del clúster de administrador. | Si la falla del nodo afecta al único nodo del plano de control en un clúster de administrador sin alta disponibilidad, o si afecta a no menos de la mitad de los nodos del plano de control en un clúster de administrador con alta disponibilidad, habrá interrupción. Se pierde el quórum del plano de control del clúster de administrador. |
| Recuperación | — | Para obtener más información, consulta cómo recuperarse de la pérdida de quórum. | Para obtener más información, consulta cómo recuperarse de la pérdida de quórum. | Para obtener más información, consulta cómo recuperarse de la pérdida de quórum. |
| Prevención | — | Implementa clústeres de usuario en modo de alta disponibilidad para minimizar la posibilidad de interrupción. | Implementa clústeres de administrador en modo de alta disponibilidad para minimizar las posibilidades de interrupción. | Implementa clústeres de administrador en modo de alta disponibilidad para minimizar las posibilidades de interrupción. |
Nodo del balanceador de cargas
En la siguiente tabla, se describe el comportamiento de los nodos que alojan los balanceadores de cargas en Google Distributed Cloud. Esta guía solo se aplica a los balanceadores de cargas agrupados con el modo de capa 2. Para el balanceo de cargas manual, consulta los modos de falla de tus balanceadores de cargas externos:
| Ejecuta cargas de trabajo | Administrar cargas de trabajo | Administra clústeres de usuarios | Administrar clústeres de administrador | |
|---|---|---|---|---|
| Interrupción (duración) | Posible interrupción (varía) | Posible interrupción (varía) | Posible interrupción (varía) | Posible interrupción (varía) |
| Explicación | Si las cargas de trabajo externas dependen del balanceador de cargas del plano de datos para comunicarse con las cargas de trabajo del clúster y solo tienes un nodo de balanceador de cargas, se produce una interrupción. | La dirección IP virtual del plano de control del clúster de usuario reside en un nodo del balanceador de cargas. Si el grupo de nodos del balanceador de cargas del clúster de usuario no tiene alta disponibilidad, habrá interrupción. | La dirección IP virtual del plano de control del clúster de administrador reside en un nodo del balanceador de cargas. Si el grupo de nodos del balanceador de cargas del clúster de administrador no es de alta disponibilidad, habrá interrupción. | La dirección IP virtual del plano de control del clúster de administrador reside en un nodo del balanceador de cargas. Si el grupo de nodos del balanceador de cargas del clúster de administrador no es de alta disponibilidad, habrá interrupción. |
| Recuperación | Si hay varios nodos de balanceador de cargas, la conmutación por error de MetalLB se produce en unos segundos. Si no es de alta disponibilidad, considera implementar nodos de balanceador de cargas adicionales. |
Si se trata de HA, la conmutación por error es automática y se produce en cuestión de segundos. Si no es de alta disponibilidad, considera implementar nodos de balanceador de cargas adicionales |
Si se trata de HA, la conmutación por error es automática y se produce en cuestión de segundos. Si no es de alta disponibilidad, considera implementar nodos de balanceador de cargas adicionales. |
Si se trata de HA, la conmutación por error es automática y se produce en cuestión de segundos. Si no es de alta disponibilidad, considera implementar nodos de balanceador de cargas adicionales. |
| Prevención | Para minimizar la posibilidad de interrupción, implementa grupos de nodos del balanceador de cargas en modo de alta disponibilidad. | Para minimizar la posibilidad de interrupción, implementa grupos de nodos del balanceador de cargas en modo de alta disponibilidad. | Para minimizar la posibilidad de interrupción, implementa grupos de nodos del balanceador de cargas en modo de alta disponibilidad. | Para minimizar la posibilidad de interrupción, implementa grupos de nodos del balanceador de cargas en modo de alta disponibilidad. |
Nodo trabajador
En la siguiente tabla, se describe el comportamiento de los nodos trabajador en Google Distributed Cloud:
| Ejecuta cargas de trabajo | Administrar cargas de trabajo | Administra clústeres de usuarios | Administrar clústeres de administrador | |
|---|---|---|---|---|
| Interrupción (duración) | Posible interrupción (orden de segundos) | Sin interrupciones | Sin interrupciones | Sin interrupciones |
| Explicación | Los Si las aplicaciones de usuario tienen capacidad de carga de trabajo libre y se distribuyen entre varios nodos, la interrupción no se puede observar para los clientes que implementan reintentos. Los |
— | — | — |
| Recuperación | Si el clúster no tiene capacidad de reserva, debes implementar más nodos distribuidos en varias zonas de fallas y mover las cargas de trabajo con errores a los nodos nuevos. | — | — | — |
| Prevención | Implementa nodos que se distribuyan en varias zonas con fallas. Implementa cargas de trabajo con varias réplicas distribuidas en varias zonas de fallas para minimizar las posibilidades de interrupción. |
— | — | — |
Falla de almacenamiento
Es posible que el almacenamiento en Google Distributed Cloud deje de funcionar o no se pueda acceder a él en la red. Según el almacenamiento que falle, existen varios modos de falla diferentes.
etcd
El contenido de los directorios /var/lib/etcd y /var/lib/etcd-events podría
dañarse si se produce un apagado incorrecto del nodo o una
falla subyacente del almacenamiento. En la siguiente tabla, se describe el comportamiento de la funcionalidad principal debido a fallas de etcd:
| Ejecuta cargas de trabajo | Administrar cargas de trabajo | Administra clústeres de usuarios | Administrar clústeres de administrador | |
|---|---|---|---|---|
| Interrupción (duración) | Sin interrupciones | Posible interrupción (desconocida) | Posible interrupción (desconocida) | Posible interrupción (desconocida) |
| Explicación | Si las cargas de trabajo existentes no dependen del plano de control de Kubernetes, seguirán funcionando sin interrupciones. | Si etcd falla en un clúster de usuario de plano de control único o
en al menos la mitad de los nodos del plano de control en un clúster de usuario con alta disponibilidad,
habrá interrupción. Se pierde el quórum del plano de control del clúster de usuario. |
Si etcd falla en un solo clúster de administrador del plano de control o
falla en al menos la mitad de los nodos del plano de control en un clúster de administrador con alta disponibilidad,
habrá interrupción. Se pierde el quórum del plano de control del clúster de administrador. |
Si etcd falla en un solo clúster de administrador del plano de control o
falla en al menos la mitad de los nodos del plano de control en un clúster de administrador con alta disponibilidad,
habrá interrupción. Se pierde el quórum del plano de control del clúster de administrador. |
| Recuperación | — | Para obtener más información, consulta cómo recuperarse de la pérdida de quórum. | Para obtener más información, consulta cómo recuperarse de la pérdida de quórum. | Para obtener más información, consulta cómo recuperarse de la pérdida de quórum. |
| Prevención | — | Para minimizar la posibilidad de interrupción, implementa clústeres de usuario en modo de alta disponibilidad. | Para minimizar la posibilidad de interrupción, implementa clústeres de administrador en modo de alta disponibilidad. | Para minimizar la posibilidad de interrupción, implementa clústeres de administrador en modo de alta disponibilidad. |
Aplicación del usuario PersistentVolume
En la siguiente tabla, se describe el comportamiento de la funcionalidad principal debido a la falla de un PersistentVolume:
| Ejecuta cargas de trabajo | Administrar cargas de trabajo | Administra clústeres de usuarios | Administrar clústeres de administrador | |
|---|---|---|---|---|
| Interrupción (duración) | Posible interrupción (desconocida) | Sin interrupciones | Sin interrupciones | Sin interrupciones |
| Explicación | Las cargas de trabajo que usan el PersistentVolume con errores |
— | — | — |
| Recuperación | — | — | — | — |
| Prevención | Para minimizar la posibilidad de interrupción, implementa la carga de trabajo del usuario en modo de alta disponibilidad. | — | — | — |
Disco dañado de Fluent Bit
La corrupción de un disco de Fluent Bit no afecta ninguna funcionalidad principal, pero sí afecta la capacidad de recopilar y, también, inspeccionar registros en Google Cloud.
A veces, el evento SIGSEGV se puede observar en los registros de
stackdriver-log-forwarder. Este error puede deberse a los registros almacenados en búfer dañados en el disco.
Fluent Bit tiene un mecanismo para filtrar y descartar los fragmentos dañados. Esta función está disponible en la versión de fluent-bit (v1.8.3) que se usa en Google Distributed Cloud.
IP de LoadBalancer
Si todas las direcciones IP de los grupos asignados están ocupadas, los servicios de LoadBalancer
recién creados no podrán adquirir una dirección IP de LoadBalancer. Esta
situación afecta la capacidad de los clientes del servicio para comunicarse con los
servicios de LoadBalancer.
Para recuperarte de este agotamiento de direcciones IP, asigna más direcciones IP al grupo de direcciones modificando el recurso personalizado del clúster.
Vencimiento del certificado:
Google Distributed Cloud genera una autoridad certificadora (CA) autofirmada durante el proceso de instalación del clúster. La CA tiene un vencimiento de 10 años y es responsable de generar certificados, que vencen después de un año. Rota los certificados con regularidad para evitar el tiempo de inactividad del clúster. Puedes rotar los certificados mediante la actualización del clúster, que es el método recomendado. Si no puedes actualizar el clúster, puedes realizar una rotación de AC a pedido. Para obtener más información sobre los certificados de clúster, consulta Certificados y requisitos de PKI en la documentación de Kubernetes.
Si los certificados del clúster vencieron, se deben renovar de forma manual.
| Ejecuta cargas de trabajo | Administrar cargas de trabajo | Administra clústeres de usuarios | Administrar clústeres de administrador | |
|---|---|---|---|---|
| Interrupción (duración) | Sin interrupciones | Posible interrupción (desconocida) | Posible interrupción (desconocida) | Posible interrupción (desconocida) |
| Explicación | Si las cargas de trabajo del usuario no se comunican con los componentes del plano de control de Kubernetes, no habrá interrupciones. | Si las autoridades certificadoras de los clústeres de usuario vencen, se producirá una interrupción. | Si las autoridades certificadoras de los clústeres de administrador vencen, habrá una interrupción. | Si las autoridades certificadoras de los clústeres de usuario vencen, se produce una interrupción. |
| Recuperación | — | Sigue los pasos para renovar los certificados de forma manual en el clúster de usuario. |
Sigue los pasos para renovar los certificados de forma manual en el clúster de usuario. |
Sigue los pasos para renovar los certificados de forma manual en el clúster de usuario. |
| Prevención | Configurar monitores para el vencimiento de certificados Puedes encontrar un ejemplo de la métrica kubelet_certificate_manager_server_expiration_seconds en la lista de métricas. |
|||
Errores de actualización
| Ejecuta cargas de trabajo | Administrar cargas de trabajo | Administra clústeres de usuarios | Administrar clústeres de administrador | |
|---|---|---|---|---|
| Interrupción (duración) | Sin interrupciones | Sin interrupciones | Posible interrupción (desconocida) | Posible interrupción (desconocida) |
| Explicación | Si la actualización falla en el plano de control del clúster de usuario, NO se interrumpen las cargas de trabajo existentes. Si la actualización falla en un nodo trabajador en particular, las cargas de trabajo de ese nodo se desviarán y se trasladarán a otros nodos en buen estado si hay capacidad adicional en ellos. |
La actualización se detendrá si alguno de los nodos del plano de control no se actualiza. El clúster sigue funcionando si la actualización falla si el clúster de usuario es de alta disponibilidad. | Si la actualización falla en el plano de control del clúster de administrador, habrá interrupción hasta que finalice la actualización. | Si la actualización falla en el plano de control del clúster de administrador, habrá interrupción hasta que finalice la actualización. |
| Recuperación | — | — | La actualización se puede reintentar. Para obtener más información, consulta cómo diagnosticar problemas de actualización y reanudarla. | La actualización se puede reintentar. Para obtener más información, consulta cómo diagnosticar problemas de actualización y reanudarla. |
| Prevención | — | — | Para obtener más información, consulta cómo crear una copia de seguridad antes de la actualización. | Para obtener más información, consulta cómo crear una copia de seguridad antes de la actualización. |
¿Qué sigue?
Para obtener más información sobre los problemas conocidos del producto y las soluciones alternativas, consulta Problemas conocidos de Google Distributed Cloud.
Si necesitas asistencia adicional, comunícate con Atención al cliente de Cloud. También puedes consultar Cómo obtener asistencia para obtener más información sobre los recursos de asistencia, incluidos los siguientes:
- Requisitos para abrir un caso de asistencia.
- Herramientas para ayudarte a solucionar problemas, como la configuración de tu entorno, los registros y las métricas.
- Componentes compatibles.