Kubernetes 1.28: SIG-Node (kubelet) 変更内容 #kubernetes

本記事は、Kubernetes 変更内容共有会(v1.28) の SIG-Node(kubelet)に関する資料として準備されました。
Kubernetes 1.28の CHANGELOG から、SIG-Nodeに関するところを抜粋して紹介します。

は筆者(@y1r96)による補足です。

所感

今回の Kubernetes 1.28 リリースでは、SIG-Node (Kubelet) 系での大きな変更・機能追加がありました。特に気になったものを抜粋して紹介します。

大きな変更としては、Swap のサポートが追加されました。 Limited swap と Unlimited swap の2つのモードが実装されています。 Limited swap は、Burstable pod の場合は memory request の割合で swap 領域を分け合う、という直感的な振る舞いをします。メモリ領域が厳しい環境で Kubernetes を利用されている方には有効な機能かもしれません。

また、cgroup v2 の memory.oom.group で pod 内のプロセスをまとめて扱って OOM させる機能が実装されました。こちらもメモリ領域が厳しい環境では、中途半端にプロセス単位で evict されるのではなく、pod 単位で evict されたりしなかったりするので、限りあるメモリを有効に使ってギリギリまで pod を実行させることができそうです。

User namespace 対応も続けられています。Kubernetes 1.28 では idmapped mount を使うことで、これまで stateless な pod (emptyDir や configMap のみ使っていて、hostPath や PVC は使用していなかった）に限定されていた User namespace 利用が、stateful な pod にも広げられました。 user namespace は、uid/gid の空間を別個に用意する namespace 機能で、コンテナ内では特権 (uid=0, gid=0) ですが、ホストではそうではない、というような mapping を設定できます。

Changes by Kind

Deprecation

Kubelet: --azure-container-registry-config フラグが廃止予定になりました。代わりに --image-credential-provider-config と --image-credential-provider-bin-dir フラグを使って、Azure Container Registry の credential provider を設定してください。(#118596, @SataQiu) [SIG Node] [sig/node]

API Change

CDIDevice フィールドが、Device Plugin の ContainerAllocateResponse に含まれるようになりました。このフィールドは、CRIプロトコルのCDIDeviceにマップされます。 (#118254, @elezar) [SIG Node and Testing] [sig/node,sig/testing]
- - CDI (Container Device Interface) は、コンテナランタイムがサードパーティのデバイスをサポートするためのインターフェイスです。デバイスは、 vendor.com/class=unique_name で表現されるそうです。これにより、1つのデバイスが複数のファイルに対応したり、なんらかのチェックを行ったり、ランタイムごとに特殊な処理を行ったりするような、ベンダ特有の複雑性を隠蔽するためにあるそうです。
  - デバイスプラグインが allocate の結果として Kubelet に設定するべきデバイスの名前 (CDIDevice) を返し、Kubelet がコンテナランタイムにその名前を転送して、コンテナランタイムが名前に対応したコンテナの設定を行います。これまではアノテーションを利用していたそうです。
正しく localhostProfile を設定しないような seccomp localhost configuration についてのエラーハンドリングを追加しました。 (#117020, @cji) [sig/node,sig/api-machinery]
cgroup v2を使う場合に、memory.oom.group を使って container cgroup aware な OOM killer が有効になるようにします。これにより、同じ cgroup に属するプロセスが単一のものとして扱われるようになり、cgroup 内の任意のプロセスが OOM kill されたときに、同時にグループ内のプロセスが kill されるようになります。 (#117793, @tzneal) [SIG Apps, Node and Testing] [sig/node,sig/apps,sig/testing]
- - これにより、cgroup 内のプロセスが中途半端に kill されることがなく、一貫して kill されたりされなかったりするので、よりマルチプロセスのワークロードを安定的に実行できるようになります。
WindowsHostProcessContainers feature gate が削除されました。 (#117570, @marosset) [SIG API Machinery, Apps, Auth, Node and Windows] [sig/node,sig/api-machinery,sig/auth,sig/apps,sig/windows]

Feature

kubelet によって preempt された pod について DistruptionTarget condition が設定されるようになりました。これにより、重要な pod のためのスペースを作ることができます。 (#117586, @mimowo) [sig/node,sig/testing]
- - KEP-3329: Retriable and non-retriable Pod failures for Jobs で、Pod障害をハンドルする方法をカスタマイズできるようになりました。これにより、Job をリトライするようなPod障害と、エラーとカウントするようなPod障害を区別できるようになります。この変更は、kubelet による preemption の場合でも、この KEP の対象として扱えるようにするためのものです。
cgroup v2 での Limited と Unlimited swap をサポートしました。 (#118764, @iholder101) [sig/node,sig/testing]
- Limited Swap は、Burstable QoS な Pod に対して自動的に設定されます。利用可能な Swap 量は、(<memory-request>/<node-memory-capacity>)*<node-swap-capacity> で計算されます。
- Burstable QoS ではない Pod (Best-Effort もしくは Guaranteed) では、Swap は無効化されています。
- cgroup v1 はサポートされなくなりました。
- - KubeletConfiguration で、 Limited swap を利用するか、 Unlimited swap を利用するかを設定することができます。 Limited の場合は、メモリリクエスト量の割合で swap 量が制約されます。 Unlimited の場合は、swap 量の制約はありません。デフォルトは Limited swap です。
hostNetwork field selector がサポートされました。 (#110477, @halfcrazy) [SIG Apps and Node] [sig/node,sig/apps]
Swap に関するメトリクスが、 Summary API (stats/summary) と、Prometheus endpoint (/metrics/resource) に追加されました。 (#118865, @iholder101) [sig/node,sig/testing]
CRI: Windows 限定のコンテナの commit memory bytes が container stats に出力されるようになりました。 (#119238, @kiashok) [sig/node,sig/windows]
Dynamic resource allocation: wait for first consumer (default) が claim で使用されているとき、pod が利用し終わったときに deallocate されるようになりました。これにより、その後の pod について、以前のスケジューリング結果に影響されなくなったり、不必要な時にリソースが確保され続けられることがないようになりました。もし、リソースを確保し続けたい場合には、immediate を使用する必要があります。 (#118936, @pohly) [sig/node,sig/apps,sig/testing]
Volume と user namespace を同時に使えるようになりました。以前の UserNamespacesStatelessPodsSupport feature gate が UserNamespacesSupport にリネームされました。 (#118691, @giuseppe) [sig/node,sig/apps,sig/testing]
- - このPRでは、単純に user namespace を使っている時に、volume を検査して stateful なものがあったら弾く、という UserNamespacesStatelessPodsSupport を実装した時に追加されたバリデーションを削除しているだけのようです。
  - idmapped mount が実現したことによって、KEPの範囲を stateless pod only から stateful pod も含めるように広げるPRがマージされたので、バリデーションを削除したようです。
  - idmapped mount は、ファイルのuid/gidを読み替える機能です。通常1つのファイルには1つのuid/gidしか所有者として設定できませんが、idmapped mountを使うことでマウント単位でuid/gidの読み替えを行えるため、ファイルの所有者を複数のuidにしたり、コンテナ内からはuid=0に見えるがホストではそうではない、といったことが実現できます。
Kubelet が呼び出した external credential provider plugin の stderr がロギングされるようになりました。 (#117448, @cartermckinnon) [sig/node]
ResourceClaims が関わるスケジューリングが高速になりました。 (#119078, @pohly) [sig/scheduling,sig/node]
ProbeTerminationGracePeriod が GA しました。 (#114307, @rphillips) [sig/node,sig/apps]
- - ProbeTerminationGracePeriod は、Probe の terminationGracePeriodSeconds で設定できるものです。Pod の終了時間は PodSpec 内の terminationGracePeriodSeconds で設定できますが、probe が fail した場合の grace period を probe ごとに override することができます。
drop-in kubelet configuration directory のアルファサポートが実装されました。 (#119390, @sohankunkerkar) [sig/node]
- - 特定のディレクトリにおいた設定ファイルで、kubeletConfigurationを override することができます。
Kubelet: dynamic resource allocation の plugin が、v1alpha2 API の代わりに v1alpha3 API を利用することで、prepare/unprepare をバッチで行うことができるようになります。 (#119012, @pohly) [sig/node,sig/testing]
Kubelet: dynamic resource allocation に関する object が、当該ノードからしか操作できないようにすることで、セキュリティを向上します。 (#116254, @pohly) [SIG Auth and Testing] [sig/auth,sig/testing]
Kubelet: --provider-id フラグを deprecated ではなくしました。 (#116530, @pacoxu) [sig/node]
PodHasNetwork feature gate を PodReadyToStartContainers にリネームしました。 (#117702, @kannon92) [SIG Node and Testing] [sig/node,sig/testing]
ExpandedDNSConfig feature が GA しました。この機能はデフォルトで有効で、v1.30で feature gate が削除されるので、明示的に設定している場合は削除してください。 (#116741, @gjkim42) [SIG Apps, Network and Node] [sig/network,sig/node,sig/apps]
cAdvisor が v0.47.2 に更新され、コンテナがリスタートしたときに cri-o のメトリクスがおかしかった問題が解決しました。 (#118774, @harche) [sig/node]
pod が完了したかもう起動しないときには、ResourceClaims を他の pod から再利用するか、削除できるようにします。 (#118817, @pohly) [sig/node,sig/api-machinery,sig/auth,sig/apps,sig/testing]
KubeletCgroupDriverFromCRI feature gate が有効になっていて、container runtime が十分に新しい場合、kubelet が自動で container runtime から受け取ったcgroup driver configを検出して、cgroupDriver configuration を指定する必要がなくなりました。 (#118770, @marquiz) [sig/node]
TopologyManagerPolicyOptions feature flag がベータに昇格して、デフォルトで有効になりました。 (#118816, @PiotrProkop) [sig/node]
- - TopologyManagerPolicyOptions は、Topology Manager のポリシー（どのようにNUMAを使うか）にオプションを与えて振る舞いを変更するための機能です。

Bug or Regression

新しいイベント FailedToRetrieveImagePullSecret が、pod が参照する ImagePullSecret が存在していない時に発報されるようになりました。 (#117927, @kaisoz) [SIG Node] [sig/node]
Kubernetes v1.26 と v1.27 で、resource claim が不要な場合に prepare されていた問題を修正します。 (#118786, @pohly) [sig/node,sig/testing]
cAdvisor のバージョンを v0.47.3 に更新します。 (#119225, @iholder101) [sig/node,sig/testing]
CVE-2023-27561 CVE-2023-25809 CVE-2023-28642: runc を v1.1.4 から v1.1.5 に更新します。 (#117095, @PushkarJ) [SIG Architecture, Node and Security] [sig/node,sig/architecture,sig/security]
device plugin の allocation で、 pod によってリクエストされたリソースが、その device plugin によって kubelet に登録されているかつ allocate されるデバイスがノードに存在するときのみ allocate することができます。これが満たされていない場合は UnexpectedAdmissionError で pod が失敗します。 (#116376, @swatisehgal) [SIG Node and Testing] [sig/node,sig/testing]
Dynamic Resource Allocation: dynamic resource の prepare に失敗した場合に、ロギングとエラーイベントの発報を行います。 (#118578, @bart0sh) [sig/node]
修正: ノードがダウンして、復活するまでいくらかの時間がかかるとき、evict された pod のマウントポイントが正しくクリーンナップされませんでした。(#111933) そのとき、kubelet が2秒ごとに Orphaned pod "xxx" found, but error not a directory occurred when trying to remove the volumes dir と出力していました。 (#105536) (#116134, @cvvz) [SIG Node and Storage] [sig/storage,sig/storage,sig/storage,sig/node]
http (live-/readiness) プローブのカスタムの Accept header が小文字の場合に、意図せずオーバーライドしてしまっていたバグを修正しました。 (#114606, @tuunit) [sig/network,sig/node]
リモートの CRI ランタイムについて、正しく ErrRegistryUnavailable を報告するようにバグを修正しました。 (#117612, @saschagrunert) [SIG Node] [sig/node]
Kubelet が再起動される間に、non-admissible な pod が削除される問題を修正しました。 (#118497, @mimowo) [sig/node,sig/testing]
Kubelet の起動が NewVolumeManagerReconstruction が有効で、CSI volume が /var/lib/kubelet/pods に存在する場合に、Kubelet の起動がスタックする問題を修正しました。 (#117804, @jsafrane) [SIG Node and Storage] [sig/storage,sig/node]
preStop フックを修正しました。現在は、pod termination grace period をブロックします。 (#115835, @HirazawaUi) [sig/node,sig/testing]
Kubelet が pod を停止するときに、Kubelet が再起動されると、pod が正しく停止しませんでした。これを修正し、Kubelet が再起動されても正しく pod を停止できるようになりました。 (#117019, @bobbypage) [SIG Node and Testing] [sig/node,sig/testing]
Volume 参照がない場合の pod termination が高速化されました。 (#117412, @smarterclayton) [SIG Node and Testing] [sig/node,sig/testing]
mirror pod の phase を Succeeded か Failed に設定すると、Kubelet cache の変更による対応する static pod の再起動を防ぐことができます。 (#116482, @smarterclayton) [SIG Node] [sig/node]
Static pod が更新後に再起動されるのに余計な時間がかかっていました。Static pod が再起動されるのを待っている時間が正しく kubelet_working_pods に反映されていませんでした。 (#116995, @smarterclayton) [SIG Node] [sig/node]
DaemonSet のコントローラが、VM の preemption や pod finalizer を利用しているような終了Podの替えを作成します。 #118716, @alculquicondor) [sig/node,sig/apps,sig/testing]
順番のバグ（正しいが最適ではない）を修正することで、Static Pod が 2秒早く再起動します。 (#116690, @smarterclayton) [SIG Node] [sig/node]
[Dual-stack] kubelet の generateAPIPodStatus() がセカンダリIPを正しくハンドルします。hostIPs の順序が一貫していませんでした。もし、セカンダリIPがプライマリのものよりも前の場合、今のロジックでは PodIPs にプライマリIPを2回追加してしまい、"may specify no more than one IP for each IP family" のエラーになっていました。 (#116879, @lzhecheng) [sig/node]
Kubelet が umask によらず 0644 のモードになるようにします。 (#113209, @luozhiwenn) [sig/node]
kubelet: イベントの volume メッセージがソートされます。 (#117079, @qingwave) [sig/node]

Other (Cleanup or Flake)

コンテナランタイムが ErrSigunatureValidationFailed を使用できるようになりました。 (#117717, @saschagrunert) [sig/node]
node-local kubelet podresources API が UNIX だけではなく Windows でも利用できるようになりました。 (#115133, @ffromani) [sig/node,sig/windows,sig/testing,sig/cloud-provider]
non-amd64 のアーキテクチャで、DRAの e2e イメージのビルドを直しました。 (#117912, @bart0sh) [SIG Node and Testing] [sig/node,sig/testing]
feature gate ExperimentalHostUserNamespaceDefaulting が廃止予定とされました。これを有効にしても効果がなく、将来的に feature gate が削除されます。 (#116723, @SergeyKanzhelev) [SIG Node] [sig/node]
k8s.io/kubernetes/pkg/kubelet/cri/streaming package が k8s.io/kubelet/pkg/cri/streaming.に移動しました。 (#118253, @saschagrunert) [SIG Node, Release and Security] [sig/node,sig/release,sig/security]
GA 済みの feature gate DevicePlugins が削除されました。 (#117656, @carlory) [sig/node]
GA 済みの feature gate KubeletCredentialProviders が削除されました。 (#116901, @pacoxu) [sig/node,sig/testing,sig/cloud-provider]
in-tree storage plugin の廃止予定 azureFile が削除されました。 (#118236, @andyzhangx) [sig/storage,sig/node,sig/api-machinery,sig/cloud-provider]
GetAllocatableResources podresources API エンドポイントが GA しました。 (#118973, @ffromani) [sig/node,sig/testing]
feature gate CSIMigrationGCE が GA して、無条件に有効化されました。gcepd パッケージが削除されました。 (#117055, @cyclinder) [sig/scheduling,sig/storage,sig/node,sig/api-machinery]
feature gate DisableAcceleratorUsageMetrics と PodSecurity が GAして、無条件に有効化されました。 (#114068, @cyclinder) [SIG API Machinery, Node, Scheduling and Storage] [sig/scheduling,sig/storage,sig/node,sig/api-machinery]
kubelet podresources エンドポイントがGAして有効化されました。 (#116525, @ffromani) [SIG Node] [sig/node]
cri-tools が v1.27.0 に更新されました。 (#117545, @saschagrunert) [sig/node,sig/cloud-provider]