EKS 升级一次只动一层:控制面、插件、节点分轨

EKS 升级一次只动一层:控制面、插件、节点分轨

Hello,我是小兔大白糖。 「集群升一个小版本」——最贵的翻车,往往不是控制面 API 突然变了,而是控制面、托管 add-on(插件)、节点镜像同一天一起滚:出事时分不清是旧疾还是新伤,回滚路径也被自己堵死。写成这篇,给要做托管 Kubernetes / EKS 升级心智模型与选型调研的初中级后端同学——不是某账号、某集群的操作 runbook。

说明:文中「控制面 / add-on / 节点」是通用分层框架;具体小版本号、支持截止日期、插件兼容矩阵以云厂商公开文档为准。示例命令与检查项均为教学脱敏示意,禁止当成你们集群的执行清单。不声称「AWS 内部就是这样」。

估计阅读时间:10 分钟


目录


为什么现在要关心

硬规则一句话:一次只变更一个层次——控制面 →(验证)→ add-on →(验证)→ 节点;禁止三层同滚。

后端同学更容易先感受到「Pod 起不来 / 探针挂了 / 发版卡住」,但根因经常在升级窗口里被揉成一团。可复述的纪律就五条:

  1. 一次只动一层:控制面、add-on、节点分轨推进。
  2. 每阶段四件套:执行前检查、成功条件、停止条件、回退动作——缺一就别开下一层。
  3. 稳定前保留可回滚面:例如新版本控制面尚未证明稳定时,旧版本节点 / 可回退路径仍在(以云厂商公开回滚能力为准,窗口往往有限)。
  4. 不要用 --force 一类开关绕过升级洞察 / 预检:预检红了先修,再升。
  5. 基础设施即代码(IaC)要收回漂移:控制台 / CLI 应急改完,最终仍回到 Terraform / GitOps 为唯一 desired state(期望状态)。

删掉比喻之后,你仍应能对同事说清:分层是为了可定位与可停,不是为了日历好看。


心智模型:电梯检修,一次只停一层

整栋楼(集群)要换部件:先机房(控制面),再电梯电脑(add-on),再轿厢(节点)。三层一起拆,救援通道没了。

楼里的部件集群里的层你在防什么
机房 / 调度中枢托管控制面(API Server 等)弃用 API、准入行为变化
电梯电脑 / 楼内管线CNI、CSI、CoreDNS、kube-proxy 等 add-on插件与控制面版本矩阵不匹配
轿厢 / 楼层门节点 AMI、节点组、Karpenter 等供应面kubelet 与控制面 version skew(版本偏斜)、驱逐风暴

类比局限:电梯故事解释「分层与救援通道」;解释不了目标小版本的弃用 API 清单——那要对照公开 CHANGELOG / deprecation(弃用)说明。

EKS 升级三层:控制面、插件、节点
EKS 升级三层:控制面、插件、节点 · 点击查看 SVG 原图

问题空间:三层不是一件事

升级失败时,先问「动的是哪一层」;把三层当成一次「点 Upgrade」会直接丢掉定位能力。

层常见内容典型翻车形态
控制面托管 API Server 等控制面小版本弃用 API 被拒;准入 / 默认行为变化
Add-onCNI、CSI、CoreDNS、kube-proxy 等托管插件插件与控制面兼容矩阵未对齐
节点AMI / 托管节点组 / Karpenter 等kubelet 与控制面 skew;滚动时驱逐过猛

目标也要先分清——同一套分层纪律,节奏可以不同:

升级目标选型上多问一句
延长支持窗口能否按官方支持路径逐级升;有没有跳版本限制
拿新特性特性开关不要和版本升级同开
修 CVE节点镜像与 add-on 谁先暴露风险面

后端类比:控制面像 JVM 大版本,add-on 像关键 native 依赖,节点像跑进程的机器镜像。 三个一起升,等价于换 JDK、换 JNI、换机器同一天做——出事只能猜。类比局限:管「变更耦合」;解释不了云厂商具体的升级洞察字段名。


业界常见升级模式

调研默认选「分层推进」:日历更长,但可定位、可停;生产极严再评估蓝绿双集群。

模式做法收益代价
A. 周末一把梭控制面 + 插件 + 节点同一窗口日历最短排障最长;旧疾/新伤难分;回滚面易被堵死
B. 分层推进(推荐作默认)每层独立窗口与门禁可定位、可停、可复盘日历更长;需要明确成功/停止条件
C. 蓝绿双集群新集群验证后再切流变更面隔离更好成本与流量切换复杂度高;适合生产严格环境

没有免费午餐:A 买日历,卖定位;B 买定位,卖日历;C 买隔离,卖钱与切流复杂度。

分层门禁漏斗:控制面到 IaC
分层门禁漏斗:控制面到 IaC · 点击查看 SVG 原图
一把梭与分层推进对照
一把梭与分层推进对照 · 点击查看 SVG 原图

可复述节奏:分层门禁

把升级写成「漏斗」:每一层只有过门禁才进下一层;门禁 = 成功条件 + 停止条件 + 回退动作。

教学向伪流程(不是某集群命令墙):

1. 读目标小版本公开文档
   - 弃用 API / 行为变更
   - add-on 兼容矩阵
   - 节点与控制面 skew 规则
2. 只读确认现状
   - 当前版本、节点 Ready、PVC、关键工作负载健康
3. 升控制面 → 门禁
4. 升 add-on(按厂商公开建议顺序)→ 门禁
5. 升节点(分批;稳定前可保留旧节点池)→ 门禁
6. 新特性开关:另开窗口,不与版本升级同开
7. CLI / 控制台应急变更 → 写回 IaC,plan 无意外漂移

每层四件套(缺一勿开下一层):

件套人话示例(教学)
执行前检查这一层该看什么已经绿了?升级洞察 / 预检无阻断;依赖清单已读
成功条件怎样算「可以进入下一层」?API 可用;核心工作负载就绪;关键探针稳定一段时间
停止条件怎样算「先停、别往下滚」?预检失败;NotReady 扩散;存储挂载异常;核心命名空间崩
回退动作停下来之后怎么退 / 怎么止血?以公开回滚能力为准;必要时冻结变更、保留旧节点池接流

停止之后先问一句:旧疾还是新伤? 三层同滚时,这句几乎无法回答。

分享向刻意少贴 kubectl:你真正要带走的是门禁合同,不是某次排障的命令回放。需要补齐「Pod / 节点 / 发版」直觉时,可先看本站入门系列(文末导航)。


反模式

下列写法都能把「可定位」一次性卖掉——日历再漂亮也白搭。

反模式为什么贵
三层同滚旧疾与新伤无法分离;回滚路径互相卡住
--force 一类绕过洞察 / 预检把「已知红灯」变成「生产里现炸」
升级窗口顺便改凭证 / 权限两个变更域耦合;出事先猜身份还是版本
升级同时打开一堆新 GA 特性版本问题与特性问题缠在一起
控制台改完不回收到 IaC下次 plan / apply 漂移;「谁改的」丢失
无成功 / 停止条件就开下一层不是升级,是连续赌博

选型结论

  1. 升级合同是分层门禁,不是「点一下 Upgrade」。
  2. 可定位性优先于日历最短——默认模式 B;生产极严再评估 C。
  3. 回滚面与 IaC 收回是同一套纪律的两面:一边保救援通道,一边保 desired state 唯一。
  4. 版本号与支持截止日期以云厂商公开页为准;本文不钉死某一具体小版本日期。
  5. 新特性另开窗口——和「一次只动一层」是同一条神经。

转发给同事时,可复述版就三句:别三层同滚;每层四件套;预检红了先修。


和本站 K8s 入门系列的关系

本文讲的是托管集群升级节奏;入门系列讲的是后端日常的对象、资源与压测直觉。两者互补,不互相替代:

你卡住的点建议先读
Pod / Node / 集群地图01
副本、滚动、Service02
request / limit、throttle / OOM03
单机资源心算04
压测打满排障05
日常清单与探针06

系列导航:导读 · 01 · 02 · 03 · 04 · 05 · 06