Edit This Page

集群故障排查

本篇文档是介绍集群故障排查的；我们假设对于你碰到的问题，你已经排除了是由应用程序造成的。
对于应用的调试，请参阅应用故障排查指南。 你也可以访问troubleshooting document来获取更多的信息。

显示出集群的节点列表

调试的第一步是查看所有的节点是否都正确的注册。

运行

kubectl get nodes

接下来，验证你的所有节点都能够显示出来，并且都处于Ready状态。

查看logs

现在，挖掘出集群更深层的信息就需要登录到相关的机器上。下面是相关log文件所在的位置。
(注意，对于基于systemd的系统，你可能需要使用journalctl)

Master

• /var/log/kube-apiserver.log - API Server, 提供API服务
• /var/log/kube-scheduler.log - Scheduler, 负责调度决策
• /var/log/kube-controller-manager.log - 管理replication controllers的控制器

Worker Nodes

• /var/log/kubelet.log - Kubelet, 管控节点上运行的容器
• /var/log/kube-proxy.log - Kube Proxy, 负责服务的负载均衡

集群故障模式的概述

下面是一个不完整的列表，列举了一些可能出错的场景，以及通过调整集群配置来解决相关问题的方法。

根本原因：

• VM(s)关机
• 集群之间，或者集群和用户之间网络分裂
• Kubernetes软件本身崩溃了
• 数据丢失或者持久化存储不可用(如:GCE PD 或 AWS EBS卷)
• 操作错误，如：Kubernetes或者应用程序配置错误

具体情况:

• Apiserver所在的VM关机或者apiserver崩溃
  • 结果
    • 不能停止，更新，或者启动新的pods，services，replication controller
    • 现有的pods和services在不依赖Kubernetes API的情况下应该能继续正常工作

• Apiserver 后端存储丢失

  • 结果
    • apiserver应该不能起来
    • kubelets将不能访问它，但是能够继续运行之前的Pods和提供相同的服务代理
    • 在apiserver重启之前，需要手动恢复或者重创apiserver的状态
      

• Kubernetes服务组件(节点控制器，副本控制器，调度器等等)所在的VM关机或者崩溃

  • 当前，这些控制器是和apiserver共存的，它们不可用的现象是与apiserver类似的
  • 将来，这些控制器也会复制为多份，并且可能为非共存的
  • 它们没有自己的持久状态

• 单个节点(VM或者物理机)关机

  • 结果
    • 此节点上的所有Pods都停止运行

• 网络分裂(Network partition)

  • 结果
    • partition A认为partition B中所有的节点都down掉了；partition B认为apiserver是down掉了(假定master所在的VM位于partition A内)。

• Kubelet软件故障

  • 结果
    • 崩溃的kubelet就不能在其所在的节点上启动新的pods
    • kubelet可能删掉pods或者不删
    • 节点被标识为非健康态
    • 副本控制器会在其它的节点上启动新的pods

• 集群操作错误

  • 结果
    • 丢失pods，服务等等
    • 丢失apiserver后端存储
    • 用户无法读取API
    • 等等

缓解措施:

• 措施：对于IaaS上的VMs，使用IaaS的自动VM重启功能

  • 缓解：Apiserver VM关机或apiserver崩溃
  • 缓解：Kubernetes服务组件所在的VM关机或崩溃

• 措施: 对于具有apiserver+etcd的VM，使用IaaS提供的可靠的存储（例如GCE PD或者AWS EBS卷）

  • 缓解：Apiserver后端存储的丢失

• 措施：使用（实验）高可用性的配置

  • 缓解：master VM关机或者master组件(scheduler, API server, controller-managing)崩馈
  • 将容许一个或多个节点或组件同时出现故障
  • 缓解：apiserver后端存储(例如etcd的数据目录)丢失
  • 假定你使用了集群化的etcd。

• 措施：定期的对apiserver的PDs/EBS卷进行快照

  • 缓解：apiserver后端存储丢失
  • 缓解：一些操作错误的场景
  • 缓解：一些Kubernetes软件本身故障的场景

• 措施：在pods的前面使用副本控制器或服务

  • 缓解：节点关机
  • 缓解：Kubelet软件故障

• 措施：应用（容器）设计成容许异常重启

  • 缓解：节点关机
  • 缓解：Kubelet软件故障

• 措施：多个独立的集群(并且避免一次性地对所有的集群进行有风险性的修改)

  • 缓解：以上列出的所有情况