K8S问题排查

Pod 相关问题及排查

Pod 无法启动，如何查找原因？

• 使用 kubectl describe pod [pod_name] -n [namespace_name] 命令查看该 Pod 的状态信息，检查容器的状态和事件信息，判断是否出现问题。
• 使用 kubectl logs [pod_name] -n [namespace_name] 命令查看该 Pod 容器的日志信息，判断是否有错误或异常信息。
• 使用 kubectl get events --field-selector involvedObject.name=[pod_name] -n [namespace_name] 命令查看该 Pod 相关的事件信息，判断是否有异常事件发生。

Pod 无法连接到其他服务，如何排查？

• 使用 kubectl exec -it [pod_name] -n [namespace_name] -- /bin/bash 命令进入该 Pod 所在的容器，尝试使用 ping 或 telnet 等命令测试与其他服务的网络连接情况。
• 使用 kubectl describe pod [pod_name] -n [namespace_name] 命令检查 Pod 的 NetworkPolicy 配置，判断是否阻止了该 Pod 访问其他服务。
• 使用 kubectl describe service [service_name] -n [namespace_name] 命令检查目标服务的配置和状态信息，判断是否存在故障。

Pod 运行缓慢或异常，如何排查？

• 使用 kubectl top pod [pod_name] -n [namespace_name] 命令查看该 Pod 的 CPU 和内存使用情况，判断是否存在性能瓶颈。
• 使用 kubectl exec -it [pod_name] -n [namespace_name] -- /bin/bash 命令进入该 Pod 所在的容器，使用 top 或 htop 命令查看容器内部进程的 CPU 和内存使用情况，找出可能存在的瓶颈。
• 使用 kubectl logs [pod_name] -n [namespace_name] 命令查看该 Pod 容器的日志信息，寻找可能的错误或异常信息。

Pod 无法被调度到节点上运行，如何排查？

• 使用 kubectl describe pod [pod_name] -n [namespace_name] 命令查看 Pod 的调度情况，判断是否存在资源不足、调度策略等问题。
• 使用 kubectl get nodes 和 kubectl describe node [node_name] 命令查看所有节点的资源使用情况，判断是否存在节点资源不足或故障的情况。
• 使用 kubectl describe pod [pod_name] -n [namespace_name] 命令检查 Pod 所需的标签和注释，以及节点的标签和注释，判断是否匹配。

Pod 状态一直是 Pending ，怎么办？

• 查看该 Pod 的事件信息： kubectl describe pod <pod-name>
• 查看该节点资源利用率是否过高： kubectl top node
• 如果是调度问题，可以通过以下方式解决：
  • 确保有足够的节点资源满足该 Pod 调度需求
  • 检查该节点的 taints 和 tolerations 是否与 Pod 的 selector 匹配
  • 调整 Pod 的调度策略，如使用 NodeSelector、Affinity 等

Pod 无法访问外部服务，怎么办？

• 查看 Pod 中的 DNS 配置是否正确
• 检查 Pod 所在的命名空间中是否存在 Service 服务
• 确认该 Pod 是否具有网络访问权限
• 查看 Pod 所在的节点是否有对外的访问权限
• 检查网络策略是否阻止了 Pod 对外的访问

Pod 启动后立即退出，怎么办？

• 查看该 Pod 的事件信息： kubectl describe pod <pod-name>
• 查看该 Pod 的日志： kubectl logs <pod-name>
• 检查容器镜像是否正确、环境变量是否正确、入口脚本是否正常
• 尝试在本地使用相同的镜像运行该容器，查看是否有报错信息，如执行 docker run <imagename>

Pod 启动后无法正确运行应用程序，怎么办？

• 查看 Pod 中的应用程序日志： kubectl logs <pod-name>
• 查看该 Pod 的事件信息： kubectl describe pod <pod-name>
• 检查应用程序的配置文件是否正确
• 检查应用程序的依赖是否正常
• 尝试在本地使用相同的镜像运行该容器，查看是否有报错信息，如执行 docker run <imagename>
• 确认该应用程序是否与 Pod 的资源限制相符

Kubernetes 集群中的 Service 不可访问，怎么办？

• 检查 Service 的定义是否正确
• 检查 endpoint 是否正确生成
• 检查网络插件配置是否正确
• 确保防火墙配置允许 Service 对外开放

Node 相关问题及排查

Node 状态异常，如何排查？

• 使用 kubectl get nodes 命令查看集群中所有节点的状态和信息，判断是否存在故障。
• 使用 kubectl describe node [node_name] 命令查看目标节点的详细信息，包括 CPU、内存、磁盘等硬件资源的使用情况，判断是否存在性能瓶颈。
• 使用 kubectl get pods -o wide --all-namespaces 命令查看集群中所有 Pod 的状态信息，判断是否有 Pod 运行在目标节点上导致资源紧张。

Node 上运行的 Pod 无法访问网络，如何排查？

• 使用 kubectl describe node [node_name] 命令查看目标节点的信息，检查节点是否正常连接到网络。
• 使用 kubectl describe pod [pod_name] -n [namespace_name] 命令查看 Pod 所运行的节点信息，判断是否因为节点状态异常导致网络访问失败。
• 使用 kubectl logs [pod_name] -n [namespace_name] 命令查看 Pod 容器的日志信息，寻找可能的错误或异常信息。

Node 上的 Pod 无法访问存储，如何排查？

• 使用 kubectl describe pod [pod_name] -n [namespace_name] 命令检查 Pod 的 volumes配置信息，判断是否存在存储挂载失败的情况。
• 使用 kubectl exec -it [pod_name] -n [namespace_name] -- /bin/bash 命令进入 Pod 所在的容器，尝试使用 ls 和 cat 等命令访问挂载的文件系统，判断是否存在读写错误。
• 使用 kubectl describe persistentvolumeclaim [pvc_name] -n [namespace_name] 命令查看相关 PVC 配置和状态信息，判断是否存在故障。

存储卷挂载失败，如何处理？

• 使用 kubectl describe pod [pod_name] -n [namespace_name] 命令检查 Pod 的 volumes配置信息，判断是否存在存储卷定义错误。
• 使用 kubectl describe persistentvolumeclaim [pvc_name] -n [namespace_name] 命令检查 PVC 的状态和信息，判断是否存在存储配额不足或存储资源故障等原因。
• 如果是 NFS 或 Ceph 等网络存储，需要确认网络连接是否正常，以及存储服务器的服务是否正常。

Node 节点加入 Kubernetes 集群后无法被调度，怎么办？

• 检查该节点的 taints 和 tolerations 是否与 Pod 的 selector 匹配
• 检查该节点的资源使用情况是否满足 Pod 的调度要求
• 确保该节点与 Kubernetes API server 的连接正常

Kubernetes 集群中的 PersistentVolume 挂载失败，怎么办？

• 检查 PersistentVolume 和 Pod 之间的匹配关系是否正确
• 检查 PersistentVolumeClaim 中的 storageClassName 是否与 PersistentVolume 的 storageClassName 匹配
• 检查节点存储配置和 PersistentVolume 的定义是否正确
• 自动供给层面的权限是否已经给到位

集群层面问题及排查

集群中很多 Pod 运行缓慢，如何排查？

• 使用 kubectl top pod -n [namespace_name] 命令查看所有 Pod 的 CPU 和内存使用情况，判断是否存在资源瓶颈。
• 使用 kubectl get nodes 和 kubectl describe node [node_name] 命令查看所有节点的资源
• 使用情况，判断是否存在单个节点资源紧张的情况。
• 使用 kubectl logs [pod_name] -n [namespace_name] 命令查看 Pod 容器的日志信息，寻找可能的错误或异常信息。

集群中某个服务不可用，如何排查？

• 使用 kubectl get pods -n [namespace_name] 命令查看相关服务的所有 Pod 的状态信息，判断是否存在故障。
• 使用 kubectl describe pod [pod_name] -n [namespace_name] 命令检查 Pod 的网络连接和存储访问等问题，寻找故障原因。
• 使用 kubectl describe service [service_name] -n [namespace_name] 命令查看服务的配置和状态信息，判断是否存在故障。

集群中的 Node 和 Pod 不平衡，如何排查？

• 使用 kubectl get nodes 和 kubectl get pods -o wide --all-namespaces 命令查看所有Node 和 Pod 的状态信息，判断是否存在分布不均的情况。
• 使用 kubectl top pod -n [namespace_name] 命令查看所有 Pod 的 CPU 和内存使用情况，判断是否存在资源瓶颈导致 Pod 分布不均。
• 使用 kubectl describe pod [pod_name] -n [namespace_name] 命令查看 Pod 所运行的节点信息，并使用 kubectl describe node [node_name] 命令查看相关节点的状态信息，判断是否存在节点不平衡的情况。
• 使用 kubectl describe pod / node [node_name] 查看当前 Pod / Node 上是否有相关的亲和或反亲和策略导致固定调度。

集群中某个节点宕机，如何处理？

• 使用 kubectl get nodes 命令检查节点状态，找到异常节点。
• 使用 kubectl drain [node_name] --ignore-daemonsets 命令将节点上的 Pod 驱逐出去，并将其部署到其他节点上。添加 --ignore-daemonsets 参数可以忽略 DaemonSet 资源。
• 如果需要对节点进行维护或替换硬件：
  • 先将节点设置为不可以调度 kubectl cordon [node_name]
  • 再通过 kubectl drain [node_name] --ignore-daemonsets 命令将节点上的 Pod 驱逐出去，并将其部署到其他节点上。
  • 然后再次 kubectl delete node [node_name] 安全的进行节点下线。

Kubernetes API Server 不可用，如何排查？

• 使用 kubectl cluster-info 命令查看集群状态，判断是否存在 API Server 不可用的情况。
• 使用 kubectl version 命令查看集群版本，确认 Kubernetes API Server 和 kubelet 版本是否匹配。
• 使用 systemctl status kube-apiserver 命令检查 API Server 运行状态，确认是否存在故障或错误。
• 结合 apiServer 所在的节点查看系统层面的日志，进一步定位问题点。

Kubernetes 命令执行失败，怎么办？

• 检查 Kubernetes API server 是否可用： kubectl cluster-info
• 检查当前用户对集群的权限是否足够： kubectl auth can-i <verb> <resource>
• 检查 kubeconfig 文件中的登录信息是否正确： kubectl config view

Kubernetes master 节点不可用，怎么办？

• 检查 kube-apiserver、kube-scheduler、kube-controller-manager 是否都在运行状态
• 检查 etcd 存储系统是否可用
• 尝试重新启动 master 节点上的 kubelet 和容器运行时

Kubernetes 集群绕过了 LoadBalancer，直接访问 Pod，怎么办？

• 检查 Service 和 Pod 的通信是否使用了 ClusterIP 类型的 Service
• 确认该 Service 的 selector 是否匹配到了正确的 Pod

Kubernetes 集群中的 Deployment 自动更新失败，怎么办？

• 检查更新策略是否设置正确，如 rollingUpdate 或 recreate
• 检查 Kubernetes API server 和 kubelet 之间的连接是否正常
• 检查 Pod 的定义是否正确

Kubernetes 集群中的状态检查错误，怎么办？

• 检查节点日志和事件信息，并确认错误类型
• 确认该状态检查是否与 kubelet 的版本兼容
• 尝试升级 kubelet 和容器运行时等组件

Kubernetes 集群中的授权配置有误，怎么办？

• 检查 RoleBinding 和 ClusterRoleBinding 定义是否正确
• 检查用户或服务账号所绑定的角色是否正确
• 检查 kubeconfig 文件中的用户和访问权限是否正确

Kubernetes 集群无法连接 etcd 存储系统，怎么办？

• 检查 etcd 存储系统是否正常运行
• 检查 kube-apiserver 配置文件中 etcd 的连接信息是否正确
• 尝试手动连接 etcd 集群，如执行 etcdctl cluster-health