两招搞定K8s改造？全球领先数据云Snowflake这样做

Snowflake 的 IT 云运营团队迎来了云基础设施演进的关键转折点。随着 Amazon EKS 上容器化工作负载规模不断扩大，他们亟需一个更现代、安全且高效的操作系统。

经过全面评估，AWS 专为容器优化设计的操作系统 Bottlerocket 成为解决这些问题的理想选择。

01/

Bottlerocket 是什么？

Bottlerocket 是 AWS 专为容器优化场景设计的开源操作系统。

与传统通用型操作系统不同，Bottlerocket 采用了最小化设计，去除了不必要的软件包，仅包含运行容器所需的核心组件。

它具有 API 化配置管理、系统更新快速可靠、提高容器安全防护等特点，大幅提升了集群节点的安全性、可维护性与启动速度。

Github 地址：https://github.com/bottlerocket-os/bottlerocket#bottlerocket-os

02/

迁移策略：

从 AL2 到 Bottlerocket 的演进

从 AL2 转向 Bottlerocket，不只是一次简单的技术升级，更是一次为 Kubernetes 基础设施构建未来竞争力的战略决策。

考虑到工作负载的规模与复杂性，迁移方案设计遵循零宕机、最小化中断和弹性扩缩原则。

Snowflake 最终选择开源 Kubernetes 集群自动扩缩工具 Karpenter，配合 NodePool 和 NodeClass 实现动态节点调度。整个迁移采用渐进式实施策略，以降低风险并保持稳定。

03/

迁移步骤

• 修改 NodePool 和 NodeClass 的配置，将 Bottlerocket AMI 集成到 EKS 环境中，并将其设定为默认的 AMI 类型

• 遵循最小权限原则，调整 AWS 身份访问管理策略以适配 Bottlerocket 安全模型，确保所有权限设置符合基础设施安全要求

以下架构图展示了迁移策略：

在架构设计层面，Karpenter 的引入取代了传统的静态节点预配置方式，实现了节点的“按需实时调度”，极大提升了集群的弹性和响应能力。

• Staging 环境测试：完成配置后，在 Staging 环境中验证 Bottlerocket 节点的工作负载性能和兼容性，达标后逐步推广到生产环境

• 构建监控体系：借助 Fluentd 和 Datadog 实现实时指标与跟踪分析

• 安全合规测试：确保 Bottlerocket 的不可变基础设施符合 Snowflake 内部的安全策略和标准

• 从无状态应用开始，利用节点亲和性（Node Affinity）、Pod 反亲和性（Pod Anti-Affinity）及节点分类等机制，确保工作负载合理分布

• 逐步引入 Bottlerocket 节点，与现有的 AL2 实例共存运行，保证迁移过程中业务运行的连续性与稳定性

• 逐步替换，通过标记不可调度（Cordon）和排空节点（Drain）有序下线 AL2 实例，实现平滑过渡

• 利用 Karpenter 弹性伸缩策略，动态调整节点池，按需供给资源，避免过度配置

• 基于真实工作负载进行性能调优

• 增强可观测性，实时监控系统健康状态，提前预警潜在问题

定义 NodeClass（Bottlerocket 节点模板）：

apiVersion: karpenter.k8s.aws/v1alpha5kind: NodeClassmetadata:  name: bottlerocket-nodeclassspec:  amiFamily: Bottlerocket  instanceProfile: "KarpenterNodeInstanceProfile"  securityGroupSelector:    aws-ids: ["sg-0123456789"]

定义 NodePool 并关联上述 NodeClass：

apiVersion: karpenter.k8s.aws/v1alpha5kind: NodePoolmetadata:  name: bottlerocket-nodepoolspec:  template:    spec:      nodeClassRef:        name: bottlerocket-nodeclass  limits:    resources:      cpu: 1000  ttlSecondsAfterEmpty: 30

利用节点亲和性调度工作负载至 Bottlerocket 节点：

apiVersion: apps/v1kind: Deploymentmetadata:  name: bottlerocket-appspec:  replicas: 3  selector:    matchLabels:      app: bottlerocket-app  template:    metadata:      labels:        app: bottlerocket-app    spec:      affinity:        nodeAffinity:          requiredDuringSchedulingIgnoredDuringExecution:            nodeSelectorTerms:            - matchExpressions:              - key: karpenter.k8s.aws/node-pool                operator: In                values:                - bottlerocket-nodepool      containers:      - name: app        image: my-app-image:latest

利用 Pod 反亲和性跨节点分散工作负载的示例：

apiVersion: apps/v1kind: Deploymentmetadata:  name: workload-deploymentspec:  replicas: 3  selector:    matchLabels:      app: critical-app  template:    metadata:      labels:        app: critical-app    spec:      affinity:        podAntiAffinity:          requiredDuringSchedulingIgnoredDuringExecution:          - labelSelector:              matchExpressions:              - key: app                operator: In                values:                - critical-app            topologyKey: "kubernetes.io/hostname"      containers:      - name: workload        image: workload-image:latest

04/

挑战与解决方案

尽管 Bottlerocket 带来了诸多优势，但在迁移过程中我们仍然遇到了一些挑战。

部分工作负载在最初配置时，与 Bottlerocket 的不可变文件系统（immutable filesystem）存在兼容性问题。

针对这一情况，我们通过修改应用镜像，使其完全兼容容器化，并在适用场景下采用只读配置（read-only configurations），最终顺利解决了兼容性障碍。

此外，Bottlerocket 需要重新配置 IAM 角色以匹配其安全模型。

为此，我们引入了细粒度访问控制（Fine-grained access control），并充分利用了 Karpenter 的 IAM 集成能力，确保访问控制既安全又高效。

为了最大程度降低风险，我们采取了渐进式迁移的方式，确保应用性能稳定后再完全下线 AL2 节点。

05/

核心优势

此次迁移在安全性、性能和运维效率方面实现了显著提升：

• 采用不可变节点，杜绝未经授权的更改，彻底消除了配置漂移（Configuration Drift）的风险；

• 移除包管理器、Shell 访问和 SSH 登录，进一步缩小攻击面，显著降低了潜在的安全漏洞；

• 自动化原子更新，确保节点补丁安装零宕机；

• 优化节点启动速度，大幅缩短了新节点加入集群的时间

• 改进自动扩缩效率，保障工作负载快速重新调度

• 借助 Karpenter 实现动态扩缩容，确保资源按需分配，避免了过度配置

• 结合 Bottlerocket 轻量级操作系统和 Karpenter 的智能化资源调度，显著提高成本节约

06/

总结

这次迁移过程带来了许多宝贵的经验教训：

• 安全性与效率相辅相成：Bottlerocket 的不可变设计大幅强化了 Snowflake 的整体安全防护体系。

  
  

• 自动化简化复杂度：通过 Karpenter 实现实时扩缩容，消除了大量手动干预，提高了集群运维效率。

  
  

• 渐进式迁移降低风险：采用分阶段、增量式迁移策略，使我们能够在不影响生产环境的前提下，逐步调优配置、平滑过渡。

Snowflake 将其 Kubernetes 基础设施成功迁移至 Bottlerocket 和 Karpenter 的实践，为行业树立了新的标杆。

这一案例证实，在安全性、配置速度和运维效率等方面取得的成果，完全可复用于其他需要大规模管理 Kubernetes 的企业。

通过采用这两项技术，Snowflake 不仅显著强化了自身的安全防护，还通过弹性扩缩实现了性能优化，充分体现了现代云原生解决方案在打造高性能、弹性 Kubernetes 环境的巨大潜力。

欢迎点击下方卡片，关注⌈ CloudPilot AI ⌋，带您了解更多企业的弹性扩缩容实践案例。

推荐阅读

云成本直降60%！Karpenter+Spot实例在QA环境的实战优化

Karpenter生态持续扩展：TKE Provider发布，多云支持再升级

多邻国打卡打到 AWS 发烧？小绿鸟年省 20% 实录