AWS EKS中SPOT实例ASG结合ALB出现502错误的求助

• 利用Spot中断通知提前干预
  部署AWS Node Termination Handler（NTH），配置它监听Spot中断、重平衡通知：

  • 收到通知后立即给节点添加node.kubernetes.io/unschedulable污点，阻止新Pod调度
  • 触发Pod优雅驱逐，同时让NTH在节点上创建标记文件，让Pod的readinessProbe检测到该文件后返回失败，快速标记Pod为NotReady，促使ALB将其从目标组移除

• 优化Pod就绪探针逻辑
  修改readinessProbe，让它不仅检查容器服务可用性，还要关联节点状态：

  • 通过Downward API注入节点名称到Pod环境变量，在探针脚本中调用kubelet本地接口（http://127.0.0.1:10255/nodes/${NODE_NAME}/status）查询节点Ready状态
  • 若节点已进入NotReady状态，探针直接返回失败，Pod会被立刻标记为未就绪，ALB停止转发请求

• 调整Kubernetes节点与Pod驱逐参数

  • 修改kubelet配置，缩短node-status-update-frequency（默认10秒），让节点状态变更更快同步到APIServer
  • 调小pod-eviction-timeout（默认5分钟），节点NotReady后更快触发Pod驱逐流程
  • 配置PodDisruptionBudget（PDB），确保驱逐过程中可用Pod数量满足业务最低需求

• 优化ALB目标组配置

  • 缩短健康检查间隔（如从30秒改为5秒）、降低失败阈值（如从3次改为2次），让ALB更快识别不可用Pod
  • 调小目标组注销延迟（deregistration delay），默认300秒可改为30-60秒（需大于Pod的terminationGracePeriodSeconds，确保剩余请求处理完成），加速ALB从目标组移除失效Pod

内容的提问来源于stack exchange，提问作者Roman Dayneko