kubernetes k8s常用問題排查方法

Pod 的那些狀態

使用 K8s 部署我們的服務之後,為瞭觀察 Pod 是否成功,我們都會使用下面這個命令查詢 Pod 的狀態。

kubectl get pods
NAME                         READY   STATUS              RESTARTS   AGE
my-app-5d7d978fb9-2fj5m      0/1     ContainerCreating   0          10s
my-app-5d7d978fb9-dbt89      0/1     ContainerCreating   0          10s

這裡的 STATUS 代表瞭 Pod 的狀態,可能會遇到的狀態有下面幾個:

  • ContainerCreating:代表容器正在創建,這是一個中間狀態,隨著容器創建成功會切換,但是也有可能一直卡在這裡,具體問題下面會分析。
  • ImagePullBackOff:容器鏡像拉取失敗,具體原因需要結合 describe 命令再去查看。
  • CrashLoopBackOff:容器崩潰,一般容器崩潰,Deployment 會重新創建一個 Pod,維持副本數量,但是大概率新創建的Pod 還是會崩潰,它不會無限嘗試,崩潰超過設置次數就不會再嘗試重建Pod,此時Pod的狀態就維持在瞭 CrashLoopBackOff。
  • Evicted: 因為節點資源不足(CPU/Mem/Storage都有可能),Pod 被驅逐會顯示 Evicted 狀態,K8s 會按照策略選擇認為可驅逐的Pod從節點上 Kill 掉。
  • Running 這個代表 Pod 正常運行。

下面我們來看一下 Pod 的幾個錯誤狀態的原因,以及怎麼排查解決它們。

鏡像拉取失敗

鏡像拉取失敗後 Pod 的狀態字段表示為 ImagePullBackOff,這個發生的情況還是很多的,原因除瞭我們不小心寫錯鏡像名字之外,還有就是常用軟件的一些官方鏡像都在國外,比如在docker.io 或者 quay.io 的鏡像倉庫上,有的時候訪問速度會很慢。

下面我們自己故意制造一個鏡像名字寫錯的場景,看怎麼使用 kubectl 命令進行排查。比如我在 K8s 教程裡一直用的 Deployment 定義:

apiVersion: apps/v1
kind: Deployment
metadata:
  name: my-go-app
spec:
  replicas: 2
  selector:
    matchLabels:
      app: go-app
  template:
    metadata:
      labels:
        app: go-app
    spec:
      containers:
        - name: go-app-container
          image: kevinyan001/kube-go-app:v0.3
          resources:
            limits:
              memory: "200Mi"
              cpu: "50m"
          ports:
            - containerPort: 3000
          volumeMounts:
            - name: app-storage
              mountPath: /tmp
      volumes:
        - name: app-storage
          emptyDir: {}

我們把鏡像的名字故意改錯,改成 v0.5,這個鏡像是我自己打的,確實還沒有 0.5 版本。執行kubectl apply 後,來觀察一下 Pod 的狀態。

➜ kubectl apply -f deployment.yaml
deployment.apps/my-go-app configured
➜ kubectl get pods
NAME                         READY   STATUS              RESTARTS   AGE
my-go-app-5d7d978fb9-2fj5m   1/1     Running             0          3h58m
my-go-app-5d7d978fb9-dbt89   1/1     Running             0          3h58m
my-go-app-6b77dbbcc5-jpgbw   0/1     ContainerCreating   0          7s
➜ kubectl get pods
NAME                         READY   STATUS         RESTARTS   AGE
my-go-app-5d7d978fb9-2fj5m   1/1     Running        0          3h58m
my-go-app-5d7d978fb9-dbt89   1/1     Running        0          3h58m
my-go-app-6b77dbbcc5-jpgbw   0/1     ErrImagePull   0          14s
.....// 停頓1分鐘,再查看Pod 的狀態
➜ kubectl get pods                               
NAME                         READY   STATUS             RESTARTS   AGE
my-go-app-5d7d978fb9-2fj5m   1/1     Running            0          4h1m
my-go-app-5d7d978fb9-dbt89   1/1     Running            0          4h1m
my-go-app-6b77dbbcc5-jpgbw   0/1     ImagePullBackOff   0          3m11s

上面我們更新瞭 deployment 之後,觀察到 Pod 的狀態變化過程是:

ContainerCreating ===> ErrImagePull ===> ImagePullBackOff

首先 deployment 更新 Pod 時是滾動更新,要先把新 Pod 創建出來後能對舊版本 Pod 完成替換。接下來由於鏡像拉取錯誤會反饋一個中間狀態 ErrImagePull,此時會再次嘗試拉取,如果確定鏡像拉取不下來後,最後反饋一個失敗的終態 ImagePullBackOff。

怎麼排查是什麼導致的拉取失敗呢?通過 kubectl describe pod {pod-name} 查看它的事件記錄

➜ kubectl describe pod my-go-app-6b77dbbcc5-jpgbw
Name:         my-go-app-6b77dbbcc5-jpgbw
Namespace:    default
Priority:     0
...
Controlled By:  ReplicaSet/my-go-app-6b77dbbcc5
Containers:
  go-app-container:
    Container ID:   
    Image:          kevinyan001/kube-go-app:v0.5
    Image ID:       
    Port:           3000/TCP
    Host Port:      0/TCP
    State:          Waiting
      Reason:       ErrImagePull
    Ready:          False
...
Node-Selectors:              <none>
Tolerations:                 node.kubernetes.io/not-ready:NoExecute op=Exists for 300s
                             node.kubernetes.io/unreachable:NoExecute op=Exists for 300s
Events:
  Type     Reason     Age                  From               Message
  ----     ------     ----                 ----               -------
  Normal   Scheduled  2m12s                default-scheduler  Successfully assigned default/my-go-app-6b77dbbcc5-jpgbw to docker-desktop
  Normal   Pulling    27s (x4 over 2m12s)  kubelet            Pulling image "kevinyan001/kube-go-app:v0.5"
  Warning  Failed     20s (x4 over 2m4s)   kubelet            Failed to pull image "kevinyan001/kube-go-app:v0.5": rpc error: code = Unknown desc = Error response from daemon: manifest for kevinyan001/kube-go-app:v0.5 not found: manifest unknown: manifest unknown
  Warning  Failed     20s (x4 over 2m4s)   kubelet            Error: ErrImagePull
  Normal   BackOff    4s (x5 over 2m4s)    kubelet            Back-off pulling image "kevinyan001/kube-go-app:v0.5"
  Warning  Failed     4s (x5 over 2m4s)    kubelet            Error: ImagePullBackOff

Pod 事件記錄裡,清楚記錄瞭 Pod 從開始到最後經歷的狀態變化,以及是什麼導致狀態變化的,其中失敗事件裡清楚的給出瞭我們原因,就是鏡像找不到。

Events:
  Type     Reason     Age                  From               Message
  ----     ------     ----                 ----               -------
  Warning  Failed     20s (x4 over 2m4s)   kubelet            Failed to pull image "kevinyan001/kube-go-app:v0.5": rpc error: code = Unknown desc = Error response from daemon: manifest for kevinyan001/kube-go-app:v0.5 not found: manifest unknown: manifest unknown
  Warning  Failed     20s (x4 over 2m4s)   kubelet            Error: ErrImagePull
  Normal   BackOff    4s (x5 over 2m4s)    kubelet            Back-off pulling image "kevinyan001/kube-go-app:v0.5"
  Warning  Failed     4s (x5 over 2m4s)    kubelet            Error: ImagePullBackOff

還有一種是網絡原因,或者鏡像倉庫沒有權限拒絕拉取請求,導致無法拉取成功。因為我這裡網絡環境、加速器之類的好不容易都配好瞭,就不給大傢演示這兩種情況瞭。

不過排查方式也是一樣,使用kubectl describe 命令查看 Pod 的事件,並且使用 docker pull 嘗試主動的拉取一下鏡像試試,如果確實網絡問題拉取不下來的,可以考慮翻墻,或者使用國內的加速節點。

配置加速器,可以考慮使用阿裡雲的免費加速器,配置文檔在下面,需要註冊阿裡雲賬號才能使用加速器

https://help.aliyun.com/product/60716.html

啟動後容器崩潰

再來看這種錯誤,這種一般是容器裡運行的程序內部出問題導致的容器連續崩潰出現的問題。最後反饋到 Pod 狀態上是 CrashLoopBackOff 狀態。

演示容器運行中崩潰的情況有點難,不過好在我之前介紹 Go 服務自動采樣的時候,做過一個鏡像

以下內容引用我之前的文章:Go 服務進行自動采樣性能分析的方案設計與實現

我做瞭個docker 鏡像方便進行試驗,鏡像已經上傳到瞭Docker Hub上,大傢感興趣的可以Down下來自己在電腦上快速試驗一下。

通過以下命令即可快速體驗。

docker run --name go-profile-demo -v /tmp:/tmp -p 10030:80 --rm -d kevinyan001/go-profiling

容器裡Go服務提供的路由如下

所以我們把上面的 deployment Pod 模版裡的鏡像換成這個 kevinyan001/go-profiling,再通過提供的路由手動制造 OOM,來故意制造容器崩潰的情況。

修改Pod 使用的容器鏡像

#執行 kubectl apply -f deployment.yaml
apiVersion: apps/v1
kind: Deployment
metadata:
  name: my-go-app
spec:
  replicas: 2
  selector:
    matchLabels:
      app: go-app
  template:
    metadata:
      labels:
        app: go-app
    spec:
      containers:
        - name: go-app-container
          image: kevinyan001/go-profiling:latest
          resources:
            limits:
              memory: "200Mi"
              cpu: "50m"

創建個 SVC 讓Pod能接受外部流量

#執行 kubectl apply -f service.yaml
apiVersion: v1
kind: Service
metadata:
  name: app-service
spec:
  type: NodePort
  selector:
    app: go-app
  ports:
    - name: http
      protocol: TCP
      nodePort: 30080
      port: 80
      targetPort: 80

程序中提供的路由如下:

訪問 http://127.0.0.1:30080/1gb-slice 讓容器內存溢出,因為 Deployment 會重啟崩潰的 Pod,所以這裡非常考驗手速:) 估計狂點一分鐘,Deployment 就放棄治療休息會兒再重啟 Pod,這時 Pod 的狀態成功變成瞭:

➜ kubectl get pods
NAME                         READY   STATUS             RESTARTS      AGE
my-go-app-598f697676-f5jfp   0/1     CrashLoopBackOff   2 (18s ago)   5m37s
my-go-app-598f697676-tps7n   0/1     CrashLoopBackOff   2 (23s ago)   5m35s

這個時候我們使用 kubectl describe pod 看崩潰 Pod 的詳細信息,會看到容器內程序返回的錯誤碼

➜ kubectl describe pod my-go-app-598f697676-tps7n
Name:         my-go-app-598f697676-tps7n
Namespace:    default
    Port:           3000/TCP
    Host Port:      0/TCP
    State:          Running
      Started:      Sun, 20 Mar 2022 16:09:29 +0800
    Last State:     Terminated
      Reason:       Error
      Exit Code:    137
      Started:      Sun, 20 Mar 2022 16:08:56 +0800
      Finished:     Sun, 20 Mar 2022 16:09:05 +0800

不過要深入排查 Pod 內容器的問題,需要另一個命令 kubectl logs {pod-name} 的協助。

kubectl logs my-go-app-598f697676-tps7n

如果恰巧這個 Pod 被重啟瞭,查不出來任何東西,可以通過增加 — previous 參數選項,查看之前容器的日志。

kubectl logs my-go-app-598f697676-tps7n --previous

容器被驅逐

首先聲明,這個問題研發解決不瞭,但是你發揮一下自己YY的能力:當群裡報警、運維@你趕緊看的時候,你來個反殺,告訴他資源不夠瞭趕緊擴容,是不是能裝到^_^…

扯遠瞭,現在回正題。集群裡資源緊張的時候,K8s 會優先驅逐優先級低的 Pod,被驅逐的 Pod 的狀態會是 Evicted,這個情況沒辦法在本地模擬,貼一個在公司K8s集群遇到這種情況的截圖。

kubectl get pod 查看Pod狀態

上圖可以看到有一個Pod 的狀態變成瞭 Evicted。

再來用describe 看下詳細信息

kubectl describe pod 查看Pod 的詳細信息和事件記錄

不好意思,歷史久遠,上面的圖太模糊瞭,圖中的Message 一欄裡有給出如下信息:

Status: Faild
Reason: Evicted
Message: The node wan low on resource: xxx-storage. Container xxx using xxxKi, 
which exceeds its request of ....

總結

一般來說,大多數常見的部署失敗都可以使用這些命令進行排查和調試:

kubectl get pods

kubectl describe pod <podname>

kubectl logs <podname>

kubectl logs <podname> –previous

當然,有的時候想看 Pod 的配置信息,還可以使用

kubectl get pod <podname> -o=yaml

驗證一下Pod的配置是不是跟我們提交上去的一樣,以及一些其他的額外信息。

get 和 describe 這兩個命令除瞭能看 Pod 的狀態和信息記錄外,也能看其他資源的狀態和信息。

kubectl get pod|svc|deploy|sts|configmap &lt;xxx-name&gt;
kubectl describe pod|svc|deploy|sts|configmap &lt;xxx-name&gt;

這些就留給大傢後面自己體驗吧。為瞭方便大傢在本地試驗,在公眾號「網管叨bi叨」回復【k8s】能找到今天用的各種YAML的模版,感興趣的可以動手實踐起來。

以上就是kubernetes k8s常用問題排查方法的詳細內容,更多關於kubernetes k8s問題排查方法的資料請關註WalkonNet其它相關文章!

推薦閱讀: