本文共 2946 字，大约阅读时间需要 9 分钟。

Kubernetes 集群常见问题解析与解决方案

在使用 Kubernetes 集群的过程中，可能会遇到各种各样的技术问题。本文将对几个常见问题进行详细分析，并提供具体的解决方案。以下是各类问题的详细描述及解决方法。

1. Calico 节点启动失败

问题描述：

• 基础信息：Kubernetes v1.29.0，calico v3.27.0，CentOS 7.9，内核版本 6.6.8。
• 问题现象：calico-node 容器启动失败，Pod 状态显示为“Running”，但READY字段显示 0/1，实际未运行。
• 错误日志：涉及 ipset 错误，提示“Kernel 和用户空间不兼容”，具体错误为“settype hash:ip,port 的修订版本 7 不支持用户空间”。

分析：

• 原因：calico 节点在进行数据平面 (dataplane) 同步时，ipset 包的用户空间与内核版本不兼容。默认情况下，Calico 会使用 ipset 库来处理网络IP设置，但如果内核版本较新，而用户空间的 ipset 库版本较旧，则会导致此错误。

解决方案：

• 降低系统内核版本：将内核版本替换为支持旧版的版本，例如将内核升级到 5.4.264。
• 升级 Calico 版本：根据文档建议，更新至支持内核新版本的 Calico 发布版本。

注意事项：

• 内核版本修改：需要正确遵循内核升级文档，避免引入新问题。
• Calico 版本更新：确保更新过程不影响正在运行的核心服务。

2. Calico APIserver 始终处于 Pending 状态

问题描述：

• 现象：calico-apiserver pod 状态始终为“Pending”，无法正常启动。
• 错误信息：类似错误提示“没有可用的节点”或“节点被污染”。

分析：

• 原因：无法将节点调度到任何可用的位置，这可能是因为节点被标记为“不可用”。
• 可能原因：
  • 网络问题：网络配置错误导致节点无法连接到集群。
  • 节点污染：之前存在多次尝试调度失败，导致节点被标记为“不可用”。
  • 集群扩展问题：如果运行环境限制了节点的调度能力（例如网络有限制）。

解决方案：

3. Master 芯璧初始化失败

问题描述：

• 现象：集群初始化过程中主节点无法成功完成。
• 错误提示：需要指定容器运行类型，才能进行重置。

分析：

• 原因：在初始化过程中，容器设置不正确，导致重置失败。
• 可能导致的问题：
  • kubeconfig 文件残留旧配置：重置时未清理 kubeconfig 文件，导致重新初始化时出现问题。
  • kubelet 服务配置错误：kubelet 启动时占用了高端口，阻止了集群重置。

解决方案：

4. Worker 芯件无法加入集群

问题描述：

• 现象：边缘节点无法正常加入 Kubernetes 集群，多次重试失败。
• 错误提示：涉及到 CRI socket 访问权限问题。

分析：

• 原因：CRI socket 地址不匹配或权限不足，导致 Docker-in-Docker 操作失败。
• 可能导致的问题：
  • CRI socket 地址配置错误：例如 socket 文件路径不正确。
  • 权限问题：非 root 用户没有权限访问 CRI socket。
  • 网络问题：CRI socket 连接被拒绝或网络延迟过高。

解决方案：

5. pod 无法拉取镜像

问题描述：

• 现象：部署服务时，pod 无法拉取所需镜像，导致启动失败。
• 错误日志：提示无法连接 Docker 镜像仓库，连接超时或镜像不存在。

分析：

• 可能原因：
  • 镜像仓库地址错误：pod 配置中指定了错误的镜像仓库地址。
  • 网络问题：镜像仓库与集群网络隔离，导致镜像拉取失败。
  • 镜像版本问题：用户指定的镜像版本不存在或镜像被拉取限制。

解决方案：

6. pod 无法正常启动

问题描述：

• 现象：pod 启动失败，因 DNS 或资源不足导致。
• 错误提示：webhook 调用超时，无法完成服务注入或其他动作。

分析：

• 可能原因：
  • DNS 配置问题：集群内部 DNS 配置错误，导致 pod 检索服务信息失败。
  • 资源不足：节点资源（CPU、内存）不足以支持 pod 启动。
  • 服务注入问题：-sidecar(injector) webhook 失败，导致 pod 启动延迟或失败。

解决方案：

总结

以上是 Kubernetes 集群中常见问题的分析及其解决方案。通过合理的故障排查步骤和系统性的解决方法，可以有效解决多种技术难题。建议在遇到问题时，先从简单的操作（如查看日志、检查网络配置）入手，再逐步深入到复杂的故障排查。如果问题依旧无法解决，建议参考官方文档或社区资源，找到更全面的解决方案。