Comprende el impacto de las fallas en Google Distributed Cloud

Google Distributed Cloud está diseñado para limitar el alcance de las fallas y priorizar la funcionalidad que es crítica para la continuidad empresarial. En este documento, se explica cómo se ve afectada la funcionalidad de tus clústeres cuando se produce una falla. Esta información puede ayudarte a priorizar las áreas en las que debes solucionar problemas si tienes alguno.

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, es posible que las cargas de trabajo existentes sigan 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 el tráfico aumenta, incluso si el clúster tiene un problema.
  • Administrar clústeres de usuario: Puedes administrar nodos, actualizar, mejorar 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.
  • Administrar clústeres de administrador: Puedes actualizar y mejorar el clúster de administrador.
    • Para las implementaciones que usan clústeres de administrador y de usuario separados, esta es la consideración menos importante porque 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 la aplicación en otros clústeres seguirán ejecutándose sin interrupciones.
    • Si usas otros modelos de implementación, como híbrido o independiente, el clúster de administrador ejecuta cargas de trabajo de aplicaciones. Si el clúster de administrador tiene un problema y el plano de control está inactivo, tampoco podrás administrar las cargas de trabajo de las aplicaciones 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, cuando es posible.

Fallas de nodos

Es posible que un nodo de Google Distributed Cloud deje de funcionar o que no se pueda acceder a él en la red. Según el grupo de nodos y el clúster al que pertenece 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 el 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 alta disponibilidad, habrá interrupción. Se pierde el quórum del plano de control del clúster de usuario. Si la falla del nodo afecta el 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 el 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.
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 HA 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 para minimizar la posibilidad 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 en paquetes 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 del 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 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. 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 del 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 hay alta disponibilidad, la conmutación por error es automática y se realiza en cuestión de segundos.

Si no es de alta disponibilidad, considera implementar nodos de balanceador de cargas adicionales.

Si hay alta disponibilidad, la conmutación por error es automática y se realiza en cuestión de segundos.

Si no es de alta disponibilidad, considera implementar nodos de balanceador de cargas adicionales.

Si hay alta disponibilidad, la conmutación por error es automática y se realiza 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 Pods que se ejecutan en el nodo con errores se interrumpen y se reprograman automáticamente en otros nodos en buen estado con un tiempo de espera de desalojo predeterminado de 5 minutos.

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 Pods se reinician automáticamente en nodos en buen estado.

Si el clúster no tiene capacidad de reserva, la interrupción podría durar hasta que se agreguen nodos nuevos al clúster.

Recuperación Si el clúster no tiene capacidad de reserva, debes implementar más nodos distribuidos en varias zonas de falla y mover las cargas de trabajo con errores a los nodos nuevos.
Prevención

Implementa nodos que se extiendan a varias zonas de falla.

Implementa cargas de trabajo con varias réplicas distribuidas en varias zonas de falla para minimizar la posibilidad de interrupciones.

Falla de almacenamiento

Es posible que el almacenamiento en Google Distributed Cloud deje de funcionar o que 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 apaga el nodo de forma incorrecta o si se produce una falla subyacente en el almacenamiento. En la siguiente tabla, se describe el comportamiento de la funcionalidad principal debido a errores 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 con un solo plano de control 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 en al menos la mitad de los nodos del plano de control en un clúster de administrador de HA, 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 en al menos la mitad de los nodos del plano de control en un clúster de administrador de HA, 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 are affected. 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 la capacidad de recopilar e 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 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 agotada

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. Este escenario 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 una fecha de 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 actualizando tu clúster, que es el método recomendado. Si no puedes actualizar tu clúster, puedes realizar una rotación de la CA a pedido. Para obtener más información sobre los certificados de clúster, consulta Certificados y requisitos de la 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 de usuario no se comunican con los componentes del plano de control de Kubernetes, no habrá interrupciones. Si vencen las autoridades certificadoras de los clústeres de usuario, habrá una interrupción. Si vencen las autoridades certificadoras de los clústeres de administrador, habrá una interrupción. Si vencen las autoridades certificadoras de los clústeres de usuario, 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 Configura monitores para el vencimiento de certificados. Puedes encontrar una métrica de ejemplo 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 falla la actualización en el plano de control del clúster de usuario, NO se interrumpirán 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 falla la actualización de alguno de los nodos del plano de control. El clúster sigue funcionando si falla la actualización, siempre y cuando el clúster de usuario tenga alta disponibilidad. Si falla la actualización en el plano de control del clúster de administrador, habrá interrupciones hasta que finalice la actualización. Si falla la actualización en el plano de control del clúster de administrador, habrá interrupciones hasta que finalice la actualización.
Recuperación Se puede volver a intentar la actualización. Para obtener más información, consulta cómo diagnosticar problemas de actualización y reanudar. Se puede volver a intentar la actualización. Para obtener más información, consulta cómo diagnosticar problemas de actualización y reanudar.
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