本文介绍关于Pod异常问题的诊断流程、排查方法、常见问题及解决方案。
本文目录
类别 | 内容 |
诊断流程 | |
常见排查方法 | |
常见问题及解决方案 |
诊断流程
查看Pod是否处于异常状态，具体操作，请参见检查Pod的状态。
如果Pod状态异常，可通过查看Pod的事件、Pod的日志、Pod的配置等信息确定异常原因。具体操作，请参见常见排查方法。关于Pod异常状态及处理方式，请参见常见的Pod异常状态及处理方式。
如果Pod状态为Running但未正常工作，请参见Pod状态为Running但没正常工作。
若确认是Pod OOM异常问题，请参见Pod OOM异常问题处理。
如果问题仍未解决，请提交工单。
常见的Pod异常状态及处理方式
Pod状态 | Pod含义 | 解决方案 |
Pending | Pod未被调度到节点上。 | |
Init:N/M | Pod包含M个Init容器，其中N个已经启动完成。 | |
Init:Error | Init容器已启动失败。 | |
Init:CrashLoopBackOff | Init容器启动失败，反复重启。 | |
Completed | Pod的启动命令已执行完毕。 | |
CrashLoopBackOff | Pod启动失败，反复重启。 | |
ImagePullBackOff | Pod镜像拉取失败。 | |
Running |
| |
Terminating | Pod正在关闭中。 | |
Evicted | Pod被驱逐。 |
常见排查方法
检查Pod的状态
登录容器服务管理控制台。
在控制台左侧导航栏，单击集群。
在集群列表页面，单击目标集群名称或者目标集群右侧操作列下的详情。
在集群管理页左侧导航栏，选择。
在容器组页面左上角选择Pod所在的命名空间，查看Pod状态。
若状态为Running，说明Pod运行正常。
若状态不为Running，说明Pod状态异常，请参见常见的Pod异常状态及处理方式进行处理。
检查Pod的详情
登录容器服务管理控制台。
在控制台左侧导航栏，单击集群。
在集群列表页面中，单击目标集群名称或者目标集群右侧操作列下的详情。
在集群管理页左侧导航栏，选择。
在容器组页面左上角选择Pod所在的命名空间，然后单击目标Pod名称或者目标Pod右侧操作列下的详情，查看Pod的名称、镜像、Pod IP、所在节点等详细信息。
检查Pod的配置
登录容器服务管理控制台。
在控制台左侧导航栏，单击集群。
在集群列表页面，单击目标集群名称或者目标集群右侧操作列下的详情。
在集群管理页左侧导航栏，选择。
在容器组页面左上角选择Pod所在的命名空间，然后单击目标Pod名称或者目标Pod右侧操作列下的详情。
在Pod详情页面右上角单击编辑，查看Pod的YAML文件和详细配置。
检查Pod的事件
登录容器服务管理控制台。
在控制台左侧导航栏，单击集群。
在集群列表页面，单击目标集群名称或者目标集群右侧操作列下的详情。
在集群管理页左侧导航栏，选择。
在容器组页面左上角选择Pod所在的命名空间，然后单击目标Pod名称或者目标Pod右侧操作列下的详情。
在Pod详情页面下方单击事件页签，查看Pod的事件。
说明Kubernetes默认保留最近1小时的事件，若需保存更长时间的事件，请参见创建并使用K8s事件中心。
检查Pod的日志
登录容器服务管理控制台。
在控制台左侧导航栏，单击集群。
在集群列表页面，单击目标集群名称或者目标集群右侧操作列下的详情。
在集群管理页左侧导航栏，选择。
在容器组页面左上角选择Pod所在的命名空间，然后单击目标Pod名称或者目标Pod右侧操作列下的详情。
在Pod详情页面下方单击日志页签，查看Pod的日志。
说明阿里云ACK集群集成了日志服务，您可在创建集群时启用日志服务，快速采集集群的容器日志，包括容器的标准输出及容器内的文本文件。更多信息，请参见通过日志服务采集Kubernetes容器日志。
检查Pod的监控
登录容器服务管理控制台。
在控制台左侧导航栏，单击集群。
在集群列表页面，单击目标集群名称或者目标集群右侧操作列下的详情。
在集群管理页左侧导航栏中，选择 。
在Prometheus监控页面，单击集群监控概览页签，选择查看Pod的CPU、内存、网络I/O等监控大盘。
使用终端进入容器
登录容器服务管理控制台。
在控制台左侧导航栏，单击集群。
在集群列表页面，单击目标集群名称或者目标集群右侧操作列下的详情。
在集群管理页左侧导航栏，选择。
在容器组页面，单击目标容器组右侧操作列下的终端。
可通过终端进入容器，在容器内查看本地文件等信息。
Pod故障诊断
Pod状态为Pending
问题原因
若Pod停留在Pending状态，说明该Pod不能被调度到某一个节点上。通常是由于资源依赖、资源不足、该Pod使用了hostPort、污点和容忍等原因导致集群中缺乏需要的资源。
问题现象
Pod的状态为Pending。
解决方案
查看Pod的事件，根据事件描述，定位Pod不能被调度到节点的原因。主要原因有以下几类：
资源依赖
创建Pod时，需要依赖于集群中ConfigMap、PVC等资源。例如，Pod添加存储卷声明前，存储卷声明需要先与存储卷绑定。
资源不足
在集群信息页面，选择，查看容器组、CPU、内存的使用情况，确定集群的资源使用率。
说明某个节点实际使用的CPU、内存资源非常低，新加入一个Pod时，如果会导致实际使用的资源超过该节点最大可供使用的资源，则调度程序不会将该Pod分配到该节点。这样可避免在日常的流量高峰时段，节点上出现资源短缺的情况。
若集群中的CPU或内存都已经耗尽，可参考如下方法处理。
删除或减少不必要的Pod。具体操作，请参见管理容器组（Pod）。
根据自身业务情况，调整Pod的资源配置。具体操作，请参见设置容器的CPU和内存资源上下限。
在集群中添加新的节点。具体操作，请参见创建节点池。
为节点进行升配。具体操作，请参见升配Worker节点的资源。
该Pod使用了hostPort
如果您使用了hostPort，那么Deployment或ReplicationController中
Replicas值不能超过集群中的节点数，因为每个实例的任意端口只有一个。如果该端口被其他应用占用，将导致Pod调度失败。因此建议您不要使用hostPort，您可以使用Service访问Pod，更多信息，请参见Service。污点和容忍
当您在Pod的事件中看到Taints或Tolerations时，说明是由于污点导致，您可以删除污点或者给Pod设置容忍。更多信息，请参见管理节点污点、创建无状态工作负载Deployment和污点和容忍。
Pod状态为Init:N/M（Init:Error和Init:CrashLoopBackOff）
问题原因
若Pod停留在Init:N/M状态，说明该Pod包含M个Init容器，其中N个已经启动完成，但仍有M-N个Init容器未启动成功。
若Pod停留在Init:Error状态，说明Pod中的Init容器启动失败。
若Pod停留在Init:CrashLoopBackOff状态，说明Pod中的Init容器启动失败并处于反复重启状态。
问题现象
Pod的状态为Init:N/M。
Pod的状态为Init:Error。
Pod的状态为Init:CrashLoopBackOff。
解决方案
Pod状态为ImagePullBackOff
问题原因
若Pod停留在ImagePullBackOff状态，说明此Pod已被调度到某个节点，但拉取镜像失败。
问题现象
Pod的状态为ImagePullBackOff。
解决方案
通过查看该Pod的事件描述，查看具体拉取失败的镜像名称。
确认容器镜像名称是否正确。
登录到Pod所在的节点，执行
docker pull [$Image]命令，查看是否能正常抓取容器镜像。说明[$Image]为容器镜像的名称。若镜像拉取失败，请参见docker pull失败解决。
如果您使用的是私有镜像仓库，请参见使用私有镜像仓库创建应用解决。
Pod状态为CrashLoopBackOff
问题原因
若Pod停留在CrashLoopBackOff状态，说明容器中应用程序有问题。
问题现象
Pod的状态为CrashLoopBackOff。
解决方案
查看Pod的事件，确认当前Pod是否存在异常。具体操作，请参见检查Pod的事件。
查看Pod的日志，通过日志内容排查问题。具体操作，请参见检查Pod的日志。
查看Pod的配置，确认容器中的健康检查配置是否正常。具体操作，请参见检查Pod的配置。关于Pod健康检查的更多信息，请参见配置存活、就绪和启动探测器。
Pod状态为Completed
问题原因
若Pod出现Completed状态，说明容器中的启动命令已执行完毕，容器中的所有进程都已退出。
问题现象
Pod的状态为Completed。
解决方案
Pod状态为Running但没正常工作
问题原因
部署使用的YAML文件有问题。
问题现象
Pod状态为Running但没正常工作。
解决方案
查看Pod的配置，确定Pod中容器的配置是否符合预期。具体操作，请参见检查Pod的配置。
使用以下方法，排查环境变量中的某一个Key是否存在拼写错误。
以command拼写成commnd为例，说明拼写问题排查方法。
说明创建Pod时，环境变量中的某一个Key拼写错误的问题会被集群忽略，如Command拼写为Commnd，您仍能够使用该YAML文件创建资源。但容器运行时，不会执行有拼写问题的YAML文件，而是执行镜像中的默认命令。
在执行
kubectl apply -f命令前为其添加--validate，然后执行kubectl apply --validate -f XXX.yaml命令。如果您将command拼写成commnd，将看到错误信息
XXX] unknown field: commnd XXX] this may be a false alarm, see https://gXXXb.XXX/6842pods/test。执行以下命令，将输出结果的pod.yaml文件与您创建Pod使用的文件进行对比。
kubectl get pods [$Pod] -o yaml > pod.yaml说明[$Pod]为异常Pod的名称，您可以通过kubectl get pods命令查看。pod.yaml文件比您创建Pod所使用的文件多几行，说明已创建的Pod符合预期。
如果您创建Pod所使用文件里的代码行在pod.yaml文件中没有，说明您创建Pod使用的文件存在拼写问题。
查看Pod的日志，通过日志内容排查问题。具体操作，请参见检查Pod的日志。
可通过终端进入容器查看容器内的本地文件是否符合预期。具体操作，请参见使用终端进入容器。
Pod状态为Terminating
问题原因
若Pod的状态为Terminating，说明此Pod正处于关闭状态。
问题现象
Pod状态为Terminating。
解决方案
Pod停留在Terminating状态一段时间后会被自动删除。若Pod一直停留在Terminating状态，可执行如下命令强制删除：
kubectl delete pod [$Pod] -n [$namespace] --grace-period=0 --forcePod状态为Evicted
问题原因
当节点的内存、磁盘空间、文件系统的inode和操作系统可分配的PID等资源中的一个或者多个达到特定的消耗水平，就会引发kubelet主动地驱逐节点上一个或者多个Pod，以回收节点资源。
问题现象
Pod的状态为Evicted。
解决方案
执行以下命令，查看Pod的
status.message字段，来确定Pod被驱逐的原因。kubectl get pod [$Pod] -o yaml -n [$namespace]预期输出：
status: message: 'Pod the node had condition: [DiskPressure].' phase: Failed reason: Evicted通过上述
status.message字段，可以判断当前Pod是因为节点磁盘压力 (DiskPressure) 被驱逐。说明注意这里仅以磁盘压力驱逐为例，其它例如内存压力（MemoryPressure）和PID压力（PIDPressure）等也会以类似的方式展示。
执行以下命令，删除被驱逐的Pod。
kubectl get pods -n [$namespace]| grep Evicted | awk '{print $1}' | xargs kubectl delete pod -n [$namespace]
以下汇总如何避免Pod被驱逐的方法：
内存压力：
根据自身业务情况，调整Pod的资源配置。具体操作，请参见设置容器的CPU和内存资源上下限。
为节点进行升配。具体操作，请参见升配Worker节点的资源。
磁盘压力：
定时清理节点上的业务Pod日志，避免磁盘被日志打满。
为节点进行磁盘扩容。具体操作，请参见步骤一：扩容云盘容量。
PID压力：根据自身业务情况，调整Pod的资源配置，具体操作，请参见进程ID约束与预留。
Pod OOM异常问题处理
问题原因
当集群中的容器使用超过其限制的内存，容器可能会被终止，触发OOM（Out Of Memory）事件，导致容器异常退出。关于OOM事件，请参见为容器和Pod分配内存资源。
问题现象
若被终止的进程为容器的阻塞进程，可能会导致容器异常重启。
若出现OOM异常问题，登录容器服务管理控制台，在Pod详情页面单击事件页签可看到OOM事件pod was OOM killed。具体操作，请参见检查Pod的事件。
若集群配置了集群容器副本异常报警，则OOM事件出现时可收到相关报警。关于配置报警，请参见容器服务报警管理。
解决方案
查看发生OOM异常的Pod所在的节点。
命令行方式查看：执行以下命令，查看容器信息。
kubectl get pod [$Pod] -o wide -n [$namespace]预期输出：
NAME READY STATUS RESTARTS AGE IP NODE pod_name 1/1 Running 0 25h 172.20.6.53 cn-hangzhou.192.168.0.198控制台方式查看：查看Pod详情下的节点信息，请参见检查Pod的详情。
登录Pod所在的Node，查看内核日志
/var/log/message。在日志中查询关键字out of memory，确认具体被OOM终止的进程。如果该进程是容器的阻塞进程，OOM终止后容器会重启。通过Pod内存监控查看内存增长曲线，确定异常出现时间。具体操作，请参见检查Pod的监控。
根据监控、内存增长时间点、日志、进程名等信息，排查Pod内对应进程是否存在内存泄漏。
若OOM是进程内存泄漏导致，请您自行排查泄露原因。
若进程运行状态正常，则根据实际运行需要，适当增大Pod的内存限制，建议Pod的内存实际使用量不超过内存限制值的80%。具体操作，请参见设置容器的CPU和内存资源上下限。
Pod访问数据库概率性网络断联
针对ACK集群中Pod访问数据库有概率性网络断联的问题，可以按照以下排查步骤进行分析和解决：
检查Pod：
检查节点：
查看节点的资源使用情况，确认是否有内存、磁盘等资源不足等情况。操作详情，请参见监控节点。
测试节点到与目标数据库是否出现概率性网络断联。
检查数据库：
检查数据库的状态和性能指标，是否出现重启或性能瓶颈。
查看异常连接数，连接超时设置，并根据业务需要调整。
检查日志数据库可能有相关断开连接的日志。
集群组件状态：
集群组件异常会影响Pod与集群内其他组件的通信。使用如下命令，检查ACK集群组件状态。
kubectl get pod -n kube-system # 查看组件Pod状态。检查网络插件：
coredns组件的状态和日志，确保Pod能正常解析数据库服务的地址。
Flannel插件可查看kube-flannel组件的状态和日志。
Terway插件可查看terway-eniip组件的状态和日志。
网络流量分析：
可以使用
tcpdump来抓包并分析网络流量，以帮助定位问题的原因。使用以下命令确定数据库连接断开问题发生在哪个Pod和哪个节点上。
kubectl get pod -n [namespace] -o wide登录到目标节点。操作步骤详情，请参见通过密码或密钥认证登录Linux实例。
使用以下命令，分别获取不同版本的容器进程PID。
1.22版本以上，使用containerd服务：
执行以下命令查看容器
CONTAINER。crictl ps |grep <Pod名称关键字>预期输出：
CONTAINER IMAGE CREATED STATE a1a214d2***** 35d28df4***** 2 days ago Running使用
CONTAINER ID参数，执行以下命令查看容器PIDcrictl inspect a1a214d2***** |grep -i PID预期输出：
"pid": 2309838, # 目标容器的PID进程号。 "pid": 1 "type": "pid"1.22版本及以下，使用Docker服务：
执行以下命令查看容器
CONTAINER ID。docker ps |grep <pod名称关键字>预期输出：
CONTAINER ID IMAGE COMMAND a1a214d2***** 35d28df4***** "/nginx使用
CONTAINER ID参数，执行以下命令查看容器PID。docker inspect a1a214d2***** |grep -i PID预期输出：
"Pid": 2309838, # 目标容器的PID进程号。 "PidMode": "", "PidsLimit": null,
执行抓包命令。
Pod端与目标数据库端之间抓包。使用获取到的容器PID，执行以下命令。
nsenter -t <容器PID> tcpdump -i any -n -s 0 tcp and host <数据库IP地址>Pod端与宿主机端之间抓包。使用获取到的容器PID，执行以下命令。
nsenter -t <容器PID> tcpdump -i any -n -s 0 tcp and host <节点IP地址>宿主机端与数据库端之间抓包。
tcpdump -i any -n -s 0 tcp and host <数据库IP地址>
优化业务应用程序：
在业务应用程序中实现数据库连接的自动重连机制，确保数据库发生切换或迁移时，应用程序能够无需人工干预自动恢复连接。
使用持久化的长连接而非短连接来与数据库通信。长连接能显著降低性能损耗和资源消耗，提高系统整体效率。