Resilience-Controller

操作步骤

1. 以root用户登录K8s管理节点，并执行以下命令，查看MindCluster Resilience Controller镜像和版本号是否正确。

   docker images | grep resilience-controller

   回显示例如下：

   resilience-controller                      v5.0.1.1              c532e9d0889c        About an hour ago         142MB

   • 是，执行步骤2。
   • 否，请参见准备镜像，完成镜像制作和分发。
2. 将MindCluster Resilience Controller软件包解压目录（以“/home/ascend-resilience-controller”为例）下的yaml文件拷贝到K8s管理节点上任意目录（以“/home/ascend-resilience-controller”为例）。如果MindCluster Resilience Controller软件包在K8s管理节点上解压，可以不用进行拷贝操作。

   cd /home/ascend-resilience-controller
   scp root@{软件包解压节点IP地址}:/home/ascend-resilience-controller/resilience-controller-v{version}.yaml ./

3. 如不修改组件启动参数，可跳过本步骤。否则，请根据实际情况修改yaml文件中MindCluster Resilience Controller的启动参数。启动参数请参见表1，可执行./resilience-controller -h查看参数说明。
4. 在管理节点的yaml所在路径，执行以下命令，启动MindCluster Resilience Controller。
   • 如果没有导入KubeConfig证书，执行如下命令。

     kubectl apply -f resilience-controller-v{version}.yaml

   • 如果导入了KubeConfig证书，执行如下命令。

     kubectl apply -f resilience-controller-without-token-v{version}.yaml

   启动示例如下：

   root@ubuntu:/home/ascend-resilience-controller# kubectl apply -f resilience-controller-v5.0.1.1.yaml 
   serviceaccount/resilience-controller createdclusterrole.rbac.authorization.k8s.io/pods-resilience-controller-role createdclusterrolebinding.rbac.authorization.k8s.io/resilience-controller-rolebinding createddeployment.apps/resilience-controller created
   

   执行kubectl get pod -n mindx-dl命令，出现Running表示组件启动成功。

   NAME                                         READY   STATUS    RESTARTS   AGE
   ...
   resilience-controller-7667495b6b-hwmjw   1/1    Running   0          11s
   ...

• 安装组件后，组件的Pod状态不为Running，可参考组件Pod状态不为Running章节信息。
• 安装组件后，组件的Pod状态为ContainerCreating，可参考集群调度组件Pod处于ContainerCreating状态章节信息。
• 启动组件失败，可参考启动集群调度组件失败，日志打印“get sem errno =13”章节信息。
• 组件启动成功，找不到组件对应的Pod，可参考组件启动yaml执行成功，找不到组件对应的Pod章节信息。

参数说明