Aufstand! Wie scheitert Kubernetes und was können wir dagegen tun?

In diesem Papier i) analysieren und klassifizieren wir reale Fehler von Kubernetes (dem beliebtesten Container-Orchestrierungssystem), ii) entwickeln wir ein Framework zur Durchführung einer Fehlereinfügungs-Kampagne, die sich auf den Datenspeicher konzentriert und den Clusterzustand bewahrt, und iii) vergleichen die Ergebnisse unserer Fehlereinfügungs-Experimente mit realen Fehlern, wobei wir zeigen, dass unsere Fehlereinfügungen viele reale Fehler-Muster nachbilden können. Das Papier zielt darauf ab, den Mangel an Studien über systematische Analysen von Kubernetes-Fehlern bis heute zu beheben. Unsere Ergebnisse zeigen, dass selbst ein einzelner Fehler (z. B. ein Bit-Flip) in den gespeicherten Daten propagieren und clusterweite Fehler verursachen kann (3 % der Injektionen), Netzwerkprobleme im Dienst (4 %) und Über-/Unterbereitstellung von Diensten (24 %). Fehler in den Feldern, die Abhängigkeiten zwischen Objekten verfolgen, verursachten 51 % solcher clusterweiten Fehler. Wir argumentieren, dass kontrollierte Tests mit Fehlereinfügungen eingesetzt werden sollten, um proaktiv die Resilienz von Kubernetes zu bewerten und die Gestaltung von Strategien zur Fehlervermeidung zu leiten.