GKE Dataplane v2 网络策略不起作用

Question

我目前正在尝试将基于 calico 的集群迁移到新的 Dataplane V2，它基本上是托管的 Cilium 产品。对于本地测试，我运行安装了开源 cilium 的 k3d，并创建了一组 NetworkPolicies（k8s 原生策略，而不是 CiliumPolicies），它锁定所需的命名空间。

我当前的问题是，在 GKE 集群（启用了 DataPlane）上移植相同的策略时，这些相同的策略不起作用。

作为示例，让我们看一下某个应用程序和数据库之间的连接：

---
kind: NetworkPolicy
apiVersion: networking.k8s.io/v1
metadata:
  name: db-server.db-client
  namespace: BAR
spec:
  podSelector:
    matchLabels:
      policy.ory.sh/db: server
  policyTypes:
    - Ingress
  ingress:
    - ports: []
      from:
        - namespaceSelector:
            matchLabels:
              kubernetes.io/metadata.name: FOO
          podSelector:
            matchLabels:
              policy.ory.sh/db: client
---
kind: NetworkPolicy
apiVersion: networking.k8s.io/v1
metadata:
  name: db-client.db-server
  namespace: FOO
spec:
  podSelector:
    matchLabels:
      policy.ory.sh/db: client
  policyTypes:
    - Egress
  egress:
    - ports:
        - port: 26257
          protocol: TCP
      to:
        - namespaceSelector:
            matchLabels:
              kubernetes.io/metadata.name: BAR
          podSelector:
            matchLabels:
              policy.ory.sh/db: server

此外，使用 GCP 监控工具，我们可以看到政策对连接的预期和实际影响：

预期的：

实际的：

以及来自应用程序尝试连接到数据库并被拒绝的日志：

{
  "insertId": "FOO",
  "jsonPayload": {
    "count": 3,
    "connection": {
      "dest_port": 26257,
      "src_port": 44506,
      "dest_ip": "172.19.0.19",
      "src_ip": "172.19.1.85",
      "protocol": "tcp",
      "direction": "egress"
    },
    "disposition": "deny",
    "node_name": "FOO",
    "src": {
      "pod_name": "backoffice-automigrate-hwmhv",
      "workload_kind": "Job",
      "pod_namespace": "FOO",
      "namespace": "FOO",
      "workload_name": "backoffice-automigrate"
    },
    "dest": {
      "namespace": "FOO",
      "pod_namespace": "FOO",
      "pod_name": "cockroachdb-0"
    }
  },
  "resource": {
    "type": "k8s_node",
    "labels": {
      "project_id": "FOO",
      "node_name": "FOO",
      "location": "FOO",
      "cluster_name": "FOO"
    }
  },
  "timestamp": "FOO",
  "logName": "projects/FOO/logs/policy-action",
  "receiveTimestamp": "FOO"
}

编辑：

我的本地环境是通过以下方式创建的 k3d 集群：

k3d cluster create --image ${K3SIMAGE} --registry-use k3d-localhost -p "9090:30080@server:0" \
            -p "9091:30443@server:0" foobar \
            --k3s-arg=--kube-apiserver-arg="enable-admission-plugins=PodSecurityPolicy,NodeRestriction,ServiceAccount@server:0" \
            --k3s-arg="--disable=traefik@server:0" \
            --k3s-arg="--disable-network-policy@server:0" \
            --k3s-arg="--flannel-backend=none@server:0" \
            --k3s-arg=feature-gates="NamespaceDefaultLabelName=true@server:0"

docker exec k3d-server-0 sh -c "mount bpffs /sys/fs/bpf -t bpf && mount --make-shared /sys/fs/bpf"
kubectl taint nodes k3d-ory-cloud-server-0 node.cilium.io/agent-not-ready=true:NoSchedule --overwrite=true
skaffold run --cache-artifacts=true -p cilium --skip-tests=true --status-check=false
docker exec k3d-server-0 sh -c "mount --make-shared /run/cilium/cgroupv2"

其中 cilium 本身由 skaffold 通过 helm 安装，参数如下：

name: cilium
remoteChart: cilium/cilium
namespace: kube-system
version: 1.11.0
upgradeOnChange: true
wait: false
setValues:
  externalIPs.enabled: true
  nodePort.enabled: true
  hostPort.enabled: true
  hubble.relay.enabled: true
  hubble.ui.enabled: true

更新：我已经设置了第三个环境：使用旧的 calico CNI（旧数据平面）的 GKE 集群并手动安装了 cilium，如下所示。Cilium 工作正常，甚至 hubble 也可以开箱即用（与 dataplane v2 不同......），我发现了一些有趣的东西。这些规则的行为与 GKE 管理的 cilium 相同，但通过 hubble 工作，我能够看到这一点：

由于某种原因，cilium/hubble 无法识别 db pod 并破译其标签。由于标签不起作用，依赖这些标签的政策也不起作用。

另一个证据是哈勃望远镜的跟踪日志：

这里，目标应用程序仅通过 IP 进行标识，而不是通过标签进行标识。

现在的问题是为什么会发生这种情况？

知道如何调试这个问题吗？差异可能来自于什么？这些策略是否需要对托管 Cilium 进行一些调整，或者是 GKE 中的错误？任何帮助/反馈/建议表示赞赏！

Answer 1

更新：我能够解开这个谜团，而且它一直都是ArgoCD。Cilium 正在为命名空间中的每个对象创建一个端点和身份，而 Argo 在部署应用程序后删除它们。

对于任何偶然发现此问题的人，解决方案是将此排除添加到 ArgoCD：

  resource.exclusions: |
    - apiGroups:
      - cilium.io
      kinds:
      - CiliumIdentity
      - CiliumEndpoint
      clusters:
      - "*"