配置可移动任务以使helm部署对internet连接问题具有容错性的正确方法是什么？

Question

我正在使用community.kubernetes.helm轻松地部署helm图表，但我遇到了连接被拒绝的情况，并且不清楚如何最好地配置retries/wait/until。我遇到过这样的情况：helm有时无法与集群通信，下面的一个示例（DNS/IP伪造）表明问题很简单，就是无法连接到集群：

致命:[localhost]:失败！=>{“changed”：false,“command”：“/usr/local/bin/helm--kubeconfig/var/opt/kubeconfig--namespace=gpu-operator list--output=yaml--filter gpu-operator”,“msg”：“执行Helm命令时失败。退出1。\nstdout:\nstderr:error：Kubernetes群集不可达：Get”https://ec2-host/k8s/clusters/c-xrsqn/version？timeout=32s“：dial tcp 192.168.1.1:443:connect:连接被拒绝\n”,“stderr”：“error：Kubernetes群集不可达：Get”https：//ec2-host/k8s/clusters“//ec2-host/k8s/clusters/c-xrsqn/version？timeout=32s”：dial tcp 192.168.1.1:443:connection refired\n“,”stderr_lines“：[”错误：Kubernetes群集不可达：Get“https://ec2-host/k8s/clusters/c-xrsqn/version？timeout=32s”：dial tcp 192.168.1.1:443:connection：connection refired“],”stdout“：”“,”stdout_lines“：[]}

在我的经验中，我看到try/retry会起作用。我同意，找出我无法连接到服务的原因将是理想的，但更理想的做法是利用catch all“until”块来解决这一问题，该块尝试该块，直到它工作或在N次尝试后放弃，同时RestN秒。

下面是一个ansible块的示例：

- name: deploy Nvidia GPU Operator
  block:
    - name: deploy gpu operator
      community.kubernetes.helm:
        name: gpu-operator
        chart_ref: "{{ CHARTS_DIR }}/gpu-operator"
        create_namespace: yes
        release_namespace: gpu-operator
        kubeconfig: "{{ STATE_DIR }}/{{ INSTANCE_NAME }}-kubeconfig"
      until: ??? 
      retries: 5
      delay: 3
  when: GPU_NODE is defined

如有任何建议/指示，我将不胜感激。

Answer 1

我发现，注册输出，然后测试，直到它被定义，就可以重新运行。关键是学习什么是成功的输出。对于helm，它说它将定义一个状态，当它工作正确。所以，这是您需要添加的

  register: _gpu_result
  until: _gpu_result.status is defined
  ignore_errors: true
  retries: 5
  delay: 3

重试/延迟由您决定