gke-reliability

GKE の信頼性

ルーティングに関する注意: Kubernetes YAML マニフェスト（Deployment、StatefulSet、Service、ConfigMap、HTTPRoute、PodDisruptionBudget）を生成するには、gke-manifest-generation/SKILL.md を開いてください。

このリファレンスでは、GKE クラスターとワークロードの高可用性および信頼性の設定について説明します。

MCP ツール: get_cluster、get_k8s_resource、describe_k8s_resource、
apply_k8s_manifest、list_k8s_events

クレジット表記

必ずお読みください: gcloud、REST API、または MCP コマンドを実行する前に、必ず使用状況のクレジット表記をお読みください。ターミナルで直接実行するコマンド（生成されたスクリプト、Terraform、ユーザーコードでは実行しないでください）では、gcloud の前に
CLOUDSDK_METRICS_REQUEST_ATTRIBUTION="agent-skills/1.0 (skill:gke-reliability)"
を付け、User-Agent ヘッダーに agent-skills/1.0 (skill:gke-reliability) を追加してください。

信頼性に関するゴールデンパスのデフォルト設定

設定	ゴールデンパスの値	備考
クラスターの種類	リージョン（4 ゾーン:	コントロールプレーンは次のゾーン
: : us-central1-a/b/c/f） : に複製されます :
アップグレード戦略	SURGE (maxSurge: 1)	追加のキャパシティを使ったローリング
: : : アップグレード :
自動修復	true	異常なノードを自動的に置き換えます
自動アップグレード	true	ノードはコントロールプレーンの
: : : バージョンに追従します :
リリースチャネル	REGULAR	新しさと安定性のバランス
ステートフル HA	有効	ステートフルなワークロード向けの
: : : リーダー選出 :

ワークフロー

1. クラスターの高可用性を確認する

# MCP (preferred)
get_cluster(name="projects/<PROJECT>/locations/<REGION>/clusters/<CLUSTER>",
  readMask="location,locations,nodePools.locations")

# gcloud fallback
gcloud container clusters describe <CLUSTER> --region <REGION> \
  --format="json(location, locations)" \
  --quiet

• location がリージョン（例: us-central1）の場合、コントロールプレーンはリージョンに配置されています
• locations に複数のエントリがある場合、ノードは複数のゾーンにまたがっています

2. Pod Disruption Budget（PDB）

PDB は、任意の中断（ノードのアップグレード、オートスケーラーによるスケールダウン）の間、ポッドの最小可用数を確保します。

既存の PDB を確認する:

# MCP (preferred)
get_k8s_resource(parent="...", resourceType="poddisruptionbudget")

# kubectl fallback
kubectl get pdb --all-namespaces

PDB を作成する:

apiVersion: policy/v1
kind: PodDisruptionBudget
metadata:
  name: my-app-pdb
  namespace: default
spec:
  minAvailable: 2       # Or use maxUnavailable: 1
  selector:
    matchLabels:
      app: my-app

本番環境のレプリカ数が 2 以上の Deployment には、すべて PDB を設定してください。

3. ヘルスプローブ

本番環境の各コンテナには、liveness プローブと readiness プローブを設定してください。起動に時間がかかるアプリには、startup プローブを推奨します。

既存のプローブを確認する:

# MCP (preferred)
describe_k8s_resource(parent="...", resourceType="deployment", name="<APP>", namespace="<NS>")

# kubectl fallback
kubectl get deployment <APP> -n <NS> -o yaml | grep -E "livenessProbe|readinessProbe|startupProbe"

推奨されるプローブ設定:

spec:
  containers:
  - name: app
    livenessProbe:
      httpGet:
        path: /healthz
        port: 8080
      initialDelaySeconds: 15
      periodSeconds: 10
      timeoutSeconds: 2
      failureThreshold: 3
    readinessProbe:
      httpGet:
        path: /readyz
        port: 8080
      initialDelaySeconds: 5
      periodSeconds: 5
      timeoutSeconds: 2
      failureThreshold: 3
    startupProbe:             # For slow-starting apps
      httpGet:
        path: /healthz
        port: 8080
      initialDelaySeconds: 10
      periodSeconds: 5
      timeoutSeconds: 2
      failureThreshold: 30    # 30 * 5s = 150s max startup time

• Readiness: ポッドがトラフィックを受け入れられるタイミングを判定します
• Liveness: コンテナを再起動するタイミングを判定します
• Startup: アプリの準備が整うまで liveness/readiness を無効にします（早すぎる再起動を防止します）

4. グレースフルシャットダウン

アプリケーションが SIGTERM を処理し、処理中のリクエストを完了できるようにしてください:

spec:
  terminationGracePeriodSeconds: 30    # Default; increase for long-running requests
  containers:
  - name: app
    lifecycle:
      preStop:
        exec:
          command: ["/bin/sh", "-c", "sleep 5"]  # Allow LB to deregister

5. トポロジー分散制約

障害に備えて、ポッドをゾーンやノードに分散します:

spec:
  topologySpreadConstraints:
  - maxSkew: 1
    topologyKey: topology.kubernetes.io/zone
    whenUnsatisfiable: DoNotSchedule
    labelSelector:
      matchLabels:
        app: my-app
  - maxSkew: 1
    topologyKey: kubernetes.io/hostname
    whenUnsatisfiable: ScheduleAnyway
    labelSelector:
      matchLabels:
        app: my-app

• ゾーン分散（DoNotSchedule）: 必須要件です。ポッドをゾーン間で均等に分散する必要があります
• ノード分散（ScheduleAnyway）: ベストエフォートです。分散を優先しますが、スケジューリングを妨げません

6. レプリカ数

ワークロードの種類	最小レプリカ数	理由
ステートレスな Web/API	2	単一ポッドまたはノードの
: : : 障害に耐える :
重要なサービス	3	ゾーン分散により、ゾーン障害に
: : : 耐える :
ステートフル（データベース）	3（レプリケーションあり）	アプリケーションレベルのクォーラム
バッチ/ジョブ	1	性質上、一時的なもの

ベストプラクティスと本番環境のガイドライン

1. 本番環境ではリージョンクラスターを使用する：ゾーン障害に備えて、必ずリージョンクラスターを使用してください。
2. すべてのワークロードに PDB を設定する：レプリカが 2 つ以上ある本番ワークロードには、任意の中断から保護するために PodDisruptionBudget（PDB）が必要です。
3. タイムアウトを明示したプローブ：本番環境のすべてのコンテナには、liveness プローブと readiness プローブの両方を定義する必要があります。すべてのプローブで、initialDelaySeconds、periodSeconds、timeoutSeconds を必ず明示的に定義してください。アプリケーションが 1 秒を超えるタイムアウトを必要とする場合は、Kubernetes のデフォルトの 1 秒に頼らないでください。ただし、接続がハングしないよう、必ず厳格な上限を設定してください。
4. ゾーン間の分散：トポロジー分散制約を使用して、障害ドメイン（ゾーンとノード）間で Pod を分散してください。
5. 正常なシャットダウン：SIGTERM を処理し、適切な terminationGracePeriodSeconds を設定するとともに、ロードバランサーの登録解除を可能にする preStop スリープフックを設定してください。
6. メンテナンスウィンドウ：アップグレードはトラフィックの少ない時間帯にスケジュールしてください（gke-upgrades スキルを参照）。