我刚刚将我的集群从 AWS EC2 移至 Google Compute，查看日志发现似乎存在持续的网络问题。
这种情况会在两个特定节点上发生，每天发生几次。
它以错误开始：
master left (reason = failed to ping, tried [3] times, each with maximum [30s] timeout), current nodes: nodes:
检查日志似乎并没有重新启动（使用 docker 运行），只是断开连接并重新连接。
网络选项卡VM instance details并不是那么有用。
答案1
为了防止有人遇到这种情况，我们最终解决了这个问题。
(1) 显然，在 Google Compute 中，连接会在 10 分钟后断开，这个时间相当短（ubuntu 的默认保持 ping 时间为 2 小时）。来源是这里。他们甚至在这个链接中推荐了实际使用的值，这些值低于我们最初尝试的值。
(2) 我们遇到的另一个问题是，docker 需要它自己对 sysctl 的定义，因此更改 ubuntu 的配置实际上没有任何作用。
五天里我们没有出现过一次断线的情况。