作者ZHDYA，曾运营 “云原生个锤子” 达3000+人，专注免费分享一些DEVOPS/运维/自动化/K8S生态方面的实战技巧，我们一起前行学习！
最近更新：故障经验、Kubernetes架构、持久化存储、Helm、CICD、Ingress-nginx、监控告警、应用可观察性、服务治理等相关文章。
排查 Kubernetes 问题需要有一定的经验和技巧。在实际使用过程中，可以通过学习和实践来积累经验，并结合官方文档和社区资源进行学习和交流。同时，也可以考虑采用监控和日志系统等第三方工具来帮助进行排查和预警。这样可以更好地保障应用程序的稳定性和可靠性，为业务的顺利运行提供有力保障。
一、Pod 相关问题及排查
Pod 无法启动，如何查找原因？
使用
kubectl describe pod [pod_name] -n [namespace_name]
命令查看该 Pod 的状态信息，检查容器的状态和事件信息，判断是否出现问题。使用
kubectl logs [pod_name] -n [namespace_name]
命令查看该 Pod 容器的日志信息，判断是否有错误或异常信息。使用
kubectl get events --field-selector involvedObject.name=[pod_name] -n [namespace_name]
命令查看该 Pod 相关的事件信息，判断是否有异常事件发生。
Pod 无法连接到其他服务，如何排查？
使用
kubectl exec -it [pod_name] -n [namespace_name] -- bin/bash
命令进入该 Pod 所在的容器，尝试使用ping
或telnet
等命令测试与其他服务的网络连接情况。使用
kubectl describe pod [pod_name] -n [namespace_name]
命令检查 Pod 的NetworkPolicy
配置，判断是否阻止了该 Pod 访问其他服务。使用
kubectl describe service [service_name] -n [namespace_name]
命令检查目标服务的配置和状态信息，判断是否存在故障。
Pod 运行缓慢或异常，如何排查？
使用
kubectl top pod [pod_name] -n [namespace_name]
命令查看该 Pod 的 CPU 和内存使用情况，判断是否存在性能瓶颈。使用
kubectl exec -it [pod_name] -n [namespace_name] -- /bin/bash
命令进入该 Pod 所在的容器，使用top
或htop
命令查看容器内部进程的 CPU 和内存使用情况，找出可能存在的瓶颈。使用
kubectl logs [pod_name] -n [namespace_name]
命令查看该 Pod 容器的日志信息，寻找可能的错误或异常信息。
Pod 无法被调度到节点上运行，如何排查？
使用
kubectl describe pod [pod_name] -n [namespace_name]
命令查看 Pod 的调度情况，判断是否存在资源不足、调度策略等问题。使用
kubectl get nodes
和kubectl describe node [node_name]
命令查看所有节点的资源使用情况，判断是否存在节点资源不足或故障的情况。使用
kubectl describe pod [pod_name] -n [namespace_name]
命令检查 Pod 所需的标签和注释，以及节点的标签和注释，判断是否匹配。
Pod 状态一直是
Pending
，怎么办？
查看该 Pod 的事件信息：
kubectl describe pod <pod-name>查看该节点资源利用率是否过高：
kubectl top node如果是调度问题，可以通过以下方式解决：
确保有足够的节点资源满足该 Pod 调度需求
检查该节点的 taints 和 tolerations 是否与 Pod 的 selector 匹配
调整 Pod 的调度策略，如使用 NodeSelector、Affinity 等
Pod 无法访问外部服务，怎么办？
查看 Pod 中的 DNS 配置是否正确
检查 Pod 所在的命名空间中是否存在 Service 服务
确认该 Pod 是否具有网络访问权限
查看 Pod 所在的节点是否有对外的访问权限
检查网络策略是否阻止了 Pod 对外的访问
Pod 启动后立即退出，怎么办？
查看该 Pod 的事件信息：
kubectl describe pod <pod-name>查看该 Pod 的日志：
kubectl logs <pod-name>检查容器镜像是否正确、环境变量是否正确、入口脚本是否正常
尝试在本地使用相同的镜像运行该容器，查看是否有报错信息，如执行
docker run <image-name>
Pod 启动后无法正确运行应用程序，怎么办？
查看 Pod 中的应用程序日志：
kubectl logs <pod-name>查看该 Pod 的事件信息：
kubectl describe pod <pod-name>检查应用程序的配置文件是否正确
检查应用程序的依赖是否正常
尝试在本地使用相同的镜像运行该容器，查看是否有报错信息，如执行
docker run <image-name>确认该应用程序是否与 Pod 的资源限制相符
Kubernetes 集群中的 Service 不可访问，怎么办？
检查 Service 的定义是否正确
检查 endpoint 是否正确生成
检查网络插件配置是否正确
确保防火墙配置允许 Service 对外开放
二、Node 相关问题及排查
Node 状态异常，如何排查？
使用
kubectl get nodes
命令查看集群中所有节点的状态和信息，判断是否存在故障。使用
kubectl describe node [node_name]
命令查看目标节点的详细信息，包括 CPU、内存、磁盘等硬件资源的使用情况，判断是否存在性能瓶颈。使用
kubectl get pods -o wide --all-namespaces
命令查看集群中所有 Pod 的状态信息，判断是否有 Pod 运行在目标节点上导致资源紧张。
Node 上运行的 Pod 无法访问网络，如何排查？
使用
kubectl describe node [node_name]
命令查看目标节点的信息，检查节点是否正常连接到网络。使用
kubectl describe pod [pod_name] -n [namespace_name]
命令查看 Pod 所运行的节点信息，判断是否因为节点状态异常导致网络访问失败。使用
kubectl logs [pod_name] -n [namespace_name]
命令查看 Pod 容器的日志信息，寻找可能的错误或异常信息。
Node 上的 Pod 无法访问存储，如何排查？
使用
kubectl describe pod [pod_name] -n [namespace_name]
命令检查 Pod 的volumes
配置信息，判断是否存在存储挂载失败的情况。使用
kubectl exec -it [pod_name] -n [namespace_name] -- /bin/bash
命令进入 Pod 所在的容器，尝试使用ls
和cat
等命令访问挂载的文件系统，判断是否存在读写错误。使用
kubectl describe persistentvolumeclaim [pvc_name] -n [namespace_name]
命令查看相关 PVC 配置和状态信息，判断是否存在故障。
存储卷挂载失败，如何处理？
使用
kubectl describe pod [pod_name] -n [namespace_name]
命令检查 Pod 的volumes
配置信息，判断是否存在存储卷定义错误。使用
kubectl describe persistentvolumeclaim [pvc_name] -n [namespace_name]
命令检查 PVC 的状态和信息，判断是否存在存储配额不足或存储资源故障等原因。如果是 NFS 或 Ceph 等网络存储，需要确认网络连接是否正常，以及存储服务器的服务是否正常。
Node 节点加入 Kubernetes 集群后无法被调度，怎么办？
检查该节点的 taints 和 tolerations 是否与 Pod 的 selector 匹配
检查该节点的资源使用情况是否满足 Pod 的调度要求
确保该节点与 Kubernetes API server 的连接正常
Kubernetes 集群中的 PersistentVolume 挂载失败，怎么办？
检查 PersistentVolume 和 Pod 之间的匹配关系是否正确
检查 PersistentVolumeClaim 中的 storageClassName 是否与 PersistentVolume 的 storageClassName 匹配
检查节点存储配置和 PersistentVolume 的定义是否正确
自动供给层面的权限是否已经给到位
三、集群层面问题及排查
集群中很多 Pod 运行缓慢，如何排查？
使用
kubectl top pod -n [namespace_name]
命令查看所有 Pod 的 CPU 和内存使用情况，判断是否存在资源瓶颈。使用
kubectl get nodes
和kubectl describe node [node_name]
命令查看所有节点的资源使用情况，判断是否存在单个节点资源紧张的情况。使用
kubectl logs [pod_name] -n [namespace_name]
命令查看 Pod 容器的日志信息，寻找可能的错误或异常信息。
集群中某个服务不可用，如何排查？
使用
kubectl get pods -n [namespace_name]
命令查看相关服务的所有 Pod 的状态信息，判断是否存在故障。使用
kubectl describe pod [pod_name] -n [namespace_name]
命令检查 Pod 的网络连接和存储访问等问题，寻找故障原因。使用
kubectl describe service [service_name] -n [namespace_name]
命令查看服务的配置和状态信息，判断是否存在故障。
集群中的 Node 和 Pod 不平衡，如何排查？
使用
kubectl get nodes
和kubectl get pods -o wide --all-namespaces
命令查看所有 Node 和 Pod 的状态信息，判断是否存在分布不均的情况。使用
kubectl top pod -n [namespace_name]
命令查看所有 Pod 的 CPU 和内存使用情况，判断是否存在资源瓶颈导致 Pod 分布不均。使用
kubectl describe pod [pod_name] -n [namespace_name]
命令查看 Pod 所运行的节点信息，并使用kubectl describe node [node_name]
命令查看相关节点的状态信息，判断是否存在节点不平衡的情况。使用
kubectl describe pod / node [node_name]
查看当前Pod / Node上是否有相关的亲和或反亲和策略导致固定调度。
集群中某个节点宕机，如何处理？
使用
kubectl get nodes
命令检查节点状态，找到异常节点。使用
kubectl drain [node_name] --ignore-daemonsets
命令将节点上的 Pod 驱逐出去，并将其部署到其他节点上。添加--ignore-daemonsets
参数可以忽略 DaemonSet 资源。如果需要对节点进行维护或替换硬件，则使用
kubectl delete node [node_name]
命令删除该节点。此时该节点上运行的 Pod 会自动调度到其他节点上。
Kubernetes API Server 不可用，如何排查？
使用
kubectl cluster-info
命令查看集群状态，判断是否存在 API Server 不可用的情况。使用
kubectl version
命令查看集群版本，确认 Kubernetes API Server 和 kubelet 版本是否匹配。使用
systemctl status kube-apiserver
命令检查 API Server 运行状态，确认是否存在故障或错误。结合apiServer所在的节点查看系统层面的日志，进一步定位问题点。
Kubernetes 命令执行失败，怎么办？
检查 Kubernetes API server 是否可用：
kubectl cluster-info检查当前用户对集群的权限是否足够：
kubectl auth can-i <verb> <resource>检查 kubeconfig 文件中的登录信息是否正确：
kubectl config view
Kubernetes master 节点不可用，怎么办？
检查 kube-apiserver、kube-scheduler、kube-controller-manager 是否都在运行状态
检查 etcd 存储系统是否可用
尝试重新启动 master 节点上的 kubelet 和容器运行时
Kubernetes 集群绕过了 LoadBalancer，直接访问 Pod，怎么办？
检查 Service 和 Pod 的通信是否使用了 ClusterIP 类型的 Service
确认该 Service 的 selector 是否匹配到了正确的 Pod
Kubernetes 集群中的 Deployment 自动更新失败，怎么办？
检查更新策略是否设置正确，如
rollingUpdate
或recreate检查 Kubernetes API server 和 kubelet 之间的连接是否正常
检查 Pod 的定义是否正确
Kubernetes 集群中的状态检查错误，怎么办？
检查节点日志和事件信息，并确认错误类型
确认该状态检查是否与 kubelet 的版本兼容
尝试升级 kubelet 和容器运行时等组件
Kubernetes 集群中的授权配置有误，怎么办？
检查 RoleBinding 和 ClusterRoleBinding 定义是否正确
检查用户或服务账号所绑定的角色是否正确
检查 kubeconfig 文件中的用户和访问权限是否正确
Kubernetes 集群无法连接 etcd 存储系统，怎么办？
检查 etcd 存储系统是否正常运行
检查 kube-apiserver 配置文件中 etcd 的连接信息是否正确
尝试手动连接 etcd 集群，如执行
etcdctl cluster-health
