052.Kubernetes集群管理-故障排错指南

一 故障指南

1.1 常见问题排障

为了跟踪和发现在Kubernetes集群中运行的容器应用出现的问题，常用如下查错方法：

1. 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，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。
2. 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。
3. 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。

二 常见措施

2.1 查看Event

[root@k8smaster01 ~]# kubectl describe pod kibana-logging-7dcbbd96d6-tsr82 -n kube-system

解读：通过kubectl describe pod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。如果某个Pod一直处于Pending状态，可以通过kubectl describe命令了解具体原因。

通常，从Event事件中获知Pod失败的原因可能有以下几种：

1. 没有可用的Node以供调度。
2. 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。
3. 镜像下载失败。

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。

[root@k8smaster01 ~]# kubectl describe service kibana-logging -n kube-system

2.2 查看日志

[root@k8smaster01 ~]# kubectl logs elasticsearch-logging-0 -n kube-system

[root@k8smaster01 ~]# kubectl logs elasticsearch-logging-0 -c elasticsearch-logging -n kube-system

解读：如上查看日志等同于在Pod的宿主机上运行docker logs 。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。

2.3 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。 在此类环境中，可以通过使用systemd status或journalctl工具来查看系统服务的日志。

[root@k8smaster01 ~]# systemctl status kube-controller-manager.service -l

[root@k8smaster01 ~]# journalctl -u kube-controller-manager.service

如果不使用systemd系统接管Kubernetes服务的标准输出（如使用kubeadm部署的Kubernetes），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--log_dir设置的目录下可以查看各服务进程生成的日志文件，日志文件的数量和大小依赖于日志级别的设置。例如，kube-controller manager可能生成的几个日志文件如下：

• kube-controller-manager.ERROR；
• kube-controller-manager.INFO；
• kube-controller-manager.WARNING；
• kube-controller-manager.kubernetesmaster.unknownuser.log.ERROR.20150930-173939.9847；
• kube-controller-manager.kubernetesmaster.unknownuser.log.INFO.20150930-173939.9847；
• kube-controller-manager.kubernetesmaster.unknownuser.log.WARNING.20150930-173939.9847。

2.4 Kubernetes异常排查思路

通常可以从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，etcd的日志同样重要。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。

通常Kubernetes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，若kube-proxy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。

三 常见Kubernetes问题

3.1 无法pull镜像

由于无法下载pause镜像导致Pod一直处于Pending状态，可通过kubectl get pods命令查看。

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，配置为：--pod_infra_container_image=:/pause:3.1，之后重新创建redis-master即可正确启动Pod。

注意：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。

3.2 一直RESTARTS

创建一个RC之后，通过kubectl get pods命令查看Pod，发现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。这通常是因为容器的启动命令不能保持在前台运行。

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。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。

3.3 通过服务名无法访问

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 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LabelSelector与Pod的Label不匹配；
• 后端Pod一直没有达到Ready状态（通过kubectlgetpods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 ..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

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Service ClusterIP的相关规则。