Kubernetes：故障排查(Trouble Shooting)方法总结
本文部分内容源自网络，侵删。
概述
为了跟踪和发现在Kubernetes集群中运行的容器应用出现的问题，我们常用如下排查方法：
- 查看Kubernetes对象的当前运行时信息，特别是与对象关联的
Event事件。这些事件记录了相关主题、发生时间、最近发生时间、发生次数及事件原因等，对排查故障非常有价值。此外，通过查看对象的运行时数据，我们还可以发现参数错误、关联错误、状态异常等明显问题。由于在Kubernetes中多种对象相互关联，因此这一步可能会涉及多个相关对象的排查问题。 - 对于服务、容器方面的问题，可能需要深入容器内部进行故障诊断，此时可以通过查看容器的运行日志来定位具体问题。
- 对于某些复杂问题，例如
Pod调度这种全局性的问题，可能需要结合集群中每个节点上的Kubernetes服务日志来排查。比如搜集Master上的kube-apiserver、kube-schedule、kube-controler-manager服务日志，以及各个Node上的kubelet、kube-proxy服务日志，通过综合判断各种信息，就能找到问题的成因并解决问题。
查看系统Event
Kubernetes提供了以下命令来查看一个Pod的详细信息：
kubectl describe pod -n <namespace>
通过以上命令可以显示Pod创建时的配置定义、状态等信息，还可以显示与该Pod相关的最近的Event事件，事件信息对于查错非常有用。
从Event事件中获知Pod失败的原因可能有以下几种：
- 没有可用的
Node以供调度。 - 开启了资源配额管理，但在当前调度的目标节点上资源不足。
- 镜像下载失败，镜像下载失败通常为网络问题。
同理，通过kubectl describe命令，还可以查看其他Kubernetes对象，包括Node、RC、Service、Namespace、Secrets等，对每种对象都会显示相关的其他信息。
查看容器日志
在需要排查容器内部应用程序生成的日志时，我们可以使用以下命令：
kubectl logs <pod_name> -n <namespace>
如果在某个Pod中包含多个容器，就需要通过-c参数指定容器的名称来查看
kubectl logs <pod_name> -c <container_name> -n <namespace>
容器中应用程序生成的日志与容器的生命周期是一致的，所以在容器被销毁之后，容器内部的文件也会被丢弃，包括日志等。如果需要保留容器内应用程序生成的日志，则可以使用挂载的Volume将容器内应用程序生成的日志保存到宿主机，还可以通过一些工具如Fluentd、Elasticsearch等对日志进行采集。
查看Kubernetes服务日志
如果在Linux系统上安装Kubernetes，并且使用systemd系统管理Kubernetes服务，那么systemd的journal系统会接管服务程序的输出日志。在这种环境中，可以通过使用systemd status或journalctl工具来查看系统服务的日志。
例如查看kube-controller-manager服务的日志：
systemctl status kube-controller-manager
使用journalctl命令查看：
journalctl -u kube-controller-manager
如果不使用systemd系统接管Kubernetes服务的标准输出，则也可以通过日志相关的启动参数来指定日志的存放目录。
--logtostderr=false：不输出到stderr。--log-dir=/var/log/kubernetes：日志的存放目录。--alsologtostderr=false：将其设置为true时，表示将日志同时输出到文件和stderr。--v=0：glog的日志级别。--vmodule=gfs*=2,test*=4：glog基于模块的详细日志级别。
在大多数情况下，我们从WARNING和ERROR级别的日志中就能找到问题的成因，但有时还需要排查INFO级别的日志甚至DEBUG级别的详细日志。此外，etcd服务也属于Kubernetes集群的重要组成部分，所以不能忽略它的日志。
如果某个Kubernetes对象存在问题，则可以用这个对象的名字作为关键字搜索Kubernetes的日志来发现和解决问题。在大多数情况下，我们遇到的主要是与Pod对象相关的问题，比如无法创建Pod、Pod启动后就停止或者Pod副本无法增加，等等。此时，可以先确定Pod在哪个节点上，然后登录这个节点，从kubelet的日志中查询该Pod的完整日志，然后进行问题排查。对于与Pod扩容相关或者与RC相关的问题，则很可能在kube-controller-manager及kube-scheduler的日志中找出问题的关键点。
另外，kube-proxy经常被我们忽视，因为即使它意外停止，Pod的状态也是正常的，但会导致某些服务访问异常。这些错误通常与每个节点上的kube-proxy服务有着密切的关系。遇到这些问题时，首先要排查kube-proxy服务的日志，同时排查防火墙服务，要特别留意在防火墙中是否有人为添加的可疑规则。
常见问题
由于无法下载pause镜像导致Pod一直处于Pending状态
现象：无法下载pause镜像导致Pod一直处于Pending状态。
解决方法如下：
- 如果服务器可以访问Internet，并且不希望使用HTTPS的安全机制来访问
gcr.io，则可以在Docker Daemon的启动参数中加上--insecure-registry gcr.io，来表示可以匿名下载。 - 如果Kubernetes集群在内网环境中无法访问
gcr.io网站，则可以先通过一台能够访问gcr.io的机器下载pause镜像，将pause镜像导出后，再导入内网的Docker私有镜像库，并在kubelet的启动参数中加上--pod_infra_container_image。
除了pause镜像，其他Docker镜像也可能存在无法下载的情况，与上述情况类似，很可能也是网络配置使得镜像无法下载，解决方法同上。
Pod创建成功，但RESTARTS数量持续增加
现象：创建一个RC之后，Pod一会儿是Running状态，一会儿是ExitCode:0状态，在READY列中始终无法变成1/1，而且RESTARTS（重启的数量）的数量不断增加。
原因：在Kubernetes中根据RC定义创建Pod，之后启动容器。在容器的启动命令执行完成时，认为该容器的运行已经结束，并且是成功结束（ExitCode=0）的。根据Pod的默认重启策略定义（RestartPolicy=Always），RC将启动这个容器。
解决：新的容器在执行启动命令后仍然会成功结束，之后RC会再次重启该容器，如此往复。其解决方法为将Docker镜像的启动命令设置为一个前台运行的命令。
通过服务名无法访问服务
在Kubernetes集群中应尽量使用服务名访问正在运行的微服务，但有时会访问失败。由于服务涉及服务名的DNS域名解析、kube-proxy组件的负载分发、后端Pod列表的状态等，所以可通过以下几方面排查问题。
1.查看Service的后端Endpoint是否正常
可以通过kubectl get endpoints <service_name>命令查看某个服务的后端Endpoint列表，如果列表为空，则可能因为：
- Service的Label Selector与Pod的Label不匹配；
- 后端Pod一直没有达到Ready状态（通过kubectl get pods进一步查看Pod的状态）；
- Service的targetPort端口号与Pod的containerPort不一致等。
2．查看Service的名称能否被正确解析为ClusterIP地址
可以通过在客户端容器中ping <service_name>.<namespace>.svc进行检查，如果能够得到Service的ClusterIP地址，则说明DNS服务能够正确解析Service的名称；如果不能得到Service的ClusterIP地址，则可能是因为Kubernetes集群的DNS服务工作异常。
3．查看kube-proxy的转发规则是否正确
我们可以将kube-proxy服务设置为IPVS或iptables负载分发模式。
对于IPVS负载分发模式，可以通过ipvsadm工具查看Node上的IPVS规则，查看是否正确设置Service ClusterIP的相关规则。
对于iptables负载分发模式，可以通过查看Node上的iptables规则，查看是否正确设置ServiceClusterIP的相关规则。
