Kubernetes组件问题排查思路 – 十点运维吧-Linux|Kubernetes|Docker|Prometheus|Python|Golang|云原生|SRE

Kubernetes的基础组件就像一栋房子的地基，它们的重要性不言而喻。作为Kubernetes集群的维护者，经常会遇到组件的问题，那平时是怎么去定位解决的呢？

这里简要分析一下我的排查思路。

• 通过集群的状态，找到故障的节点或者组件
• 分析组件的日志
• 使用pprof分析组件的具体性能

确定范围

Kubernetes的基础组件不多，而且部署也非常简单，所以在定义范围的时候还是很容易的，比如我们在使用 kubectl get nodes的时候，如果某个节点的状态是 NotReady，我们脑海中是不是会出现两种可能？
（1）节点的kubelet组件有问题
（2）节点的网络组件有问题

这样一来，大体方向已经确定了，然后就是做排除法了。

这里为何说是排除法？因为在解决问题的途中，我们通常会采用 先假设再验证的方式进行，先把所以可能的因素列出来，然后一个一个的去验证去排除，直到解决问题。

分析日志

日志分析是故障排查最直接的方式，大部分问题都能从日志里体现出来，Kubernetes的组件日志查看方式通常有两种：

• 通过systemd启动的服务，使用 journalctl -l -u xxxx
• 使用静态pod启动的服务，使用 kubectl logs -n kube-system $PODNAME --tail 100

当然，很多时候不仅仅是分析它本身的问题，我们还会关注周边的问题，比如基础设施的CPU、内存、IO等情况，这样进行综合考虑来找出问题。

性能分析

为什么把性能分析放到最后呢？

对于大部分人来说，并不擅长，也不喜欢分析组件的性能。第一是时间比较长，第二是要对各个性能指标有一定的了解，第三是学习成本比较大。

众所周知，Kubernetes的版本迭代比较快，基本一年会发2-3个版本，如此快的迭代速度，不排除一些版本中存在BUG，存在一些性能问题。所以在实在没招的情况下，可以尝试对其组件的性能进行分析。

Kubernetes是使用Golang开发，而Golang的pprof是性能分析的利器，提供交互式界面和UI图形化，比较直观，可以很方便的找出问题。除此之外，还可以使用go-torch将profile数据生成火焰图，这样会更直观。

Kubernetes的组件都可以使用 pprof进行性能分析，界面在 host:port/debug/pprof/。

pprof的常用方式

使用交互式命令

1. 查看堆栈调用信息

1	go tool pprof http://localhost:8001/debug/pprof/heap

2. 查看 30 秒内的 CPU 信息

1	go tool pprof http://localhost:8001/debug/pprof/profile?seconds=30

3. 查看 goroutine 阻塞

    go tool pprof http://localhost:8001/debug/pprof/block

4. 收集 5 秒内的执行路径

    go tool pprof http://localhost:8001/debug/pprof/trace?seconds=5

5. 争用互斥持有者的堆栈跟踪

    go tool pprof http://localhost:8001/debug/pprof/mutex

通过UI界面

UI分析工具使用起来相对比较麻烦，我们需要先导出文件，然后再使用 go tool工具起服务进行分析。

比如我们导出kube-scheduler的堆栈信息。

    curl -sK -v http://localhost:10251/debug/pprof/heap > heap.out

然后使用go tool工具起一个服务，如下：

    go tool pprof -http=0.0.0.0:8989 heap.out

然后就可以在浏览器上看到具体的堆栈信息图了。

注意，这里需要在服务端安装 graphviz组件，各种操作系统的安装方式见[3]。

UI界面主要的菜单以及其功能简要介绍如下：

• VIEW：查看模式
  • Top：从高到底排序查看
  • Graph：默认的模式，以关系图形式查看
  • Flame Graph：以火焰图形式查看
  • Peek：排序查看，展示的信息更多
  • Source：排序查看，带源码标注
  • Disassemble：现实所有总量
• SAMPLE：为VIEW提供查看模式
  • alloc_objects：已分配的对象总量（不管是否已释放
  • alloc_space：已分配的内存总量（不管是否已释放）
  • inuse_objects： 已分配但尚未释放的对象数量
  • inuse_sapce：已分配但尚未释放的内存数量
• REFINE：提供筛选能力

上面简单介绍了pprof的基本使用方法，下面就Kubernetes的各个组件进行简单的分析，这里只就CPU信息进
行获取以及展示。

注意：由于版本原因，有的版本默认开启了pprof，有的版本则没有，如果没有开启的，需要自行去开启，参数基本都是 profiling: true，具体的信息可以到官网进行查看[4]。

分析kube-apiserver

（1）使用kubectl proxy启动一个代理

1	kubectl proxy

（2）另起一个终端，获取CPU信息

1	curl -sK -v http://localhost:8001/debug/pprof/profile >apiserver-cpu.out

（3）使用go tool工具启动服务

1	go tool pprof -http=0.0.0.0:8989 apiserver-cpu.out

（4）在浏览器上进行查看

分析kube-scheduler

（1）获取CPU的信息

1	curl -sK -v http://localhost:10251/debug/pprof/profile >scheduler-cpu.out

（2）使用go tool工具启动服务

1	go tool pprof -http=0.0.0.0:8989 scheduler-cpu.out

（3）在浏览器进行查看

分析kube-controller-manager

（1）获取CPU的信息

1	curl -sK -v http://localhost:10252/debug/pprof/profile >controller-cpu.out

（2）使用go tool工具启动服务

1	go tool pprof -http=0.0.0.0:8989 controller-cpu.out

（3）在浏览器进行查看

分析kubelet

（1）使用kubectl proxy启动一个代理

1	kubectl proxy

（2）另起一个终端，获取CPU信息

1	curl -sK -v http://127.0.0.1:8001/api/v1/nodes/k8s-node04-138/proxy/debug/pprof/profile >kubelet-cpu.out

（3）使用go tool工具启动服务

1	go tool pprof -http=0.0.0.0:8989 kubelet-cpu.out

（4）在浏览器上进行查看

能够抓到具体的性能数据才是第一步，后续的具体分析才会帮助我们找到问题。

文档

• [1] https://github.com/google/pprof
• [2] https://github.com/uber-archive/go-torch
• [3] http://www.graphviz.org/download/#linux
• [4] https://kubernetes.io/zh/docs/reference/command-line-tools-reference/kube-apiserver/