记录k8s驱逐告警过程
1.故障背景
上述图片是我司阿里云K8S环境的事件告警。
- FreeDiskSpaceFailed 磁盘空间不足。（实际剩下还有百分之20可用）
2.故障原因
前提环境：由于历史遗留问题,整个线上k8s环境的node所有机器磁盘仅有60G,这在生产上是明显不符合环境使用规范的,线上磁盘空间规划极小;且由于该机器操作更新较多，镜像下载频繁,所以磁盘很快就到告警阈值。
3.故障处理
1.磁盘告警处理
由于第一天仅有一个告警FreeDiskSpaceFailed 显示磁盘不足,面临周五下班,根据多年来的运维经验，周五左右不做扩容缩容等操作（非紧急情况下）,决定去修改阿里云ack 节点池的kubelet操作,把告警阈值临时调整至90。
以上操作后，故障消失。
4.故障升级
周六凌晨夜间4点左右,收到除白天磁盘空间不足外,还多出2个告警，见下图：
告警显示某些容器的探针失败了，并且表明Kubernetes集群中有一个或多个节点存在不可容忍的污点（Taint）。污点是节点的一个属性，用来阻止一些Pod被调度到这个节点上。当Pod没有对应的容忍度（tolerations）来处理污点时，它就不会被调度到这些节点上。
上述一共3个事件告警，（实际只有一个），另外2个告警是因为第一个磁盘不足事件而衍生出来的告警，根据排错思路一步一步进行拆解。
5.故障原因
重新开工单联系阿里云售后,售后小哥告知周五调整的阈值是错误的，仔细翻看官网文档后,确实周五调整的是镜像垃圾回收的阈值。
实际要调整以下参数
但是这里并不重要,因为要修复该问题,磁盘扩容即可。
主要是为何出现容器探针失败的问题和pod污点的告警？
这是由于在k8s中有一个特性叫做“节点压力驱逐”，见下图
所以才会多出上面2个新的告警,问题是很多，但是解决起来确实较为简单,将磁盘扩容即可。
6.故障处理
将磁盘空间不足的k8s node节点进行磁盘扩容即可。
6.1 云盘扩容流程
6.2 第一步，在ECS控制台扩容云盘容量
1.登录ECS管理控制台。
2.在左侧导航栏，选择存储与快照 > 块存储（云盘）。
3.在页面左侧顶部，选择目标资源所在的资源组和地域。
4.在云盘页面找到待扩容的目标云盘，进行扩容。
-
- 如果云盘挂载的实例状态为运行中，在云盘操作列单击扩容。
- 如果云盘状态为待挂载或云盘挂载的实例状态为已停止，在云盘操作列选择 > 扩容。
也可以选择多块云盘，在列表下方单击扩容，批量扩容多块云盘。
5.在确定目标盘与须知向导页面，单击已知晓并备份，继续扩容。
6.在配置扩容方式与容量向导页面，设置扩容参数。
7.在确认扩容结果向导页面，待扩容结果列显示为成功时，在页面左下角单击下一步，扩容分区和文件系统。
8.在确认扩容结果向导页面，待扩容结果列显示为成功时，在页面左下角单击下一步，扩容分区和文件系统。（付完钱,磁盘空间才会增加）
6.3 第二步，在操作系统中扩容分区和文件系统
1.扩容分区
本操作以公共镜像Alibaba Cloud Linux 3.2104 LTS 64位操作系统、在ECS实例内部将云盘分区/dev/vdb1由40 GiB扩容至60 GiB（已在控制台扩大容量为60 GiB）为例，请您根据实际环境进行操作。
运行以下命令，扩容指定分区。例如扩容分区名称为/dev/vdb1的分区，则执行如下命令。
注意：
- 命令参数中的/dev/vdb和1之间需要空格分隔，1是分区编号。
- 如果扩容的是系统盘，命令中的/dev/vdb需要替换为/dev/vda。
小于2T MBR分区命令:
type growpart || sudo yum install -y cloud-utils-growpart sudo yum update cloud-utils-growpart sudo LC_ALL=en_US.UTF-8 growpart /dev/vdb 1
如下图所示，输出CHANGED字样时，表示分区扩容成功。
2.扩容文件系统
运行以下命令，获取需要扩容的文件系统的类型和挂载目录。
df -Th
Type值为文件系统类型，Mounted on值为分区的挂载目录。如下图表示/dev/vdb1分区的文件系统类型为ext4，挂载目录为/mnt。
如果Filesystem取值后缀不带数字（例如/dev/vdc），则为裸设备。
扩容文件系统。
扩容云盘分区/dev/vdb1的ext*文件系统为例，则运行如下命令：
sudo resize2fs /dev/vdb1
扩容裸设备/dev/vdb的ext*文件系统为例，则运行如下命令：
sudo resize2fs /dev/vdb
运行以下命令，确认是否扩容成功。
如下图所示，分区/dev/vdb1文件系统容量（59 GiB）和云盘容量（60 GiB）基本一致（因为文件系统本身会占用部分存储空间），表示扩容完成。
7.总结
本次故障总结及其简单,k8s node磁盘空间不足,扩容磁盘即可解决。
但衍生出来的问题需要特别关注,知其所以然,如k8s节点的压力驱逐。
以及前期集群规划时服务器资源是否是在合理范围。
8.参考
https://help.aliyun.com/zh/ecs/user-guide/extend-the-partitions-and-file-systems-of-disks-on-a-linux-instance?spm=a2c4g.11186623.0.i14#50541782adxmp
