摘要：Kubernetes 部署错误常见，多因配置或资源。文章详解 10 常见错误与故障排除，并强调自动化、资源限制及可观测性，旨在预防问题。
Kubernetes 部署错误常见，多因配置或资源。文章详解 10 常见错误与故障排除，并强调自动化、资源限制及可观测性，旨在预防问题。
译自：Top 10 Kubernetes Deployment Errors: Causes and Fixes (And Tips)
当您的 Kubernetes 部署失败时，可能会感觉像大海捞针。一个小小的错误——一个字段缺失、镜像名称拼写错误或内存不足——都可能使一切停滞。您可能会惊讶地发现，配置错误是高达 80% 的 Kubernetes 安全和稳定性问题的根本原因。
了解 Kubernetes 部署错误发生的原因以及如何准确地排除故障。无论您是处理 CrashLoopBackOff、卡住的 Pod 还是 YAML 问题，我们都将深入探讨 10 个常见问题，并提供简单的方法来在未来预防它们。
Kubernetes 帮助您在容器中运行应用程序，但即使是设置中的小错误也可能导致大问题。大多数问题发生是因为配置不正确或您的集群没有足够的资源。让我们看看部署失败的几个常见原因。
Kubernetes 使用 YAML 文件来定义您的应用程序应有的样子。这被称为声明式配置。但如果该文件中有哪怕一个小错误——例如拼写错误、错误的缩进或字段缺失——您的应用程序将无法正确部署。
此外，有时文件是有效的 YAML 但对 Kubernetes 无效。例如，您可能忘记设置副本数量或指向尚不存在的服务。这些小错误可能难以发现，但一旦发现就容易修复。
您的容器镜像就是 Kubernetes 运行的应用程序。如果镜像名称错误或镜像未推送到注册表，Kubernetes 就无法拉取它，您的应用程序也无法启动。另一个常见问题是没有为您的 Pod 设置足够的 CPU 或内存。如果 Pod 请求的资源多于可用资源，Kubernetes 可能会延迟它或使其处于“Pending”状态。
有时问题不在于您的应用程序——而在于集群本身。如果节点已满、离线或出现问题，您的应用程序可能没有地方运行。集群的网络或存储设置也可能存在问题。例如，Pod 可能无法连接到其他服务，或者如果存储不可用，它可能会崩溃。
当 Kubernetes 部署出现问题时，一开始可能会感到困惑。但许多错误是常见的，并且有明确的原因。以下是您可能会遇到的 10 个最常见的错误以及如何修复它们。
此错误意味着 Pod 启动后立即崩溃，然后反复尝试重新启动。这通常发生在容器内的应用程序启动后立即失败时。
故障排除方法：
运行 kubectl logs 查看应用程序崩溃的原因。检查您的启动命令或环境变量。确保任何所需的文件、服务或依赖项都可用。2. ImagePullBackOff / ErrImagePull当 Kubernetes 无法下载您的容器镜像时，会显示这些错误。这可能是因为镜像名称错误、注册表需要登录或镜像不存在。
故障排除方法：
检查 YAML 文件中的镜像名称和标签。确保镜像已推送到容器注册表。如果是私有注册表，请添加有效的镜像拉取密钥。OOM 代表内存不足（out of memory）。此错误意味着您的容器使用的内存超出允许范围，并被系统终止。
故障排除方法：
增加部署文件中的内存限制。优化您的应用程序以减少内存使用。使用 kubectl describe pod 检查内存限制和使用情况。此错误意味着 Pod 设置中的某些内容有误。这可能是一个错误的 Secret、ConfigMap 或 Volume。
故障排除方法：
使用 kubectl describe pod 查看详细错误消息。检查 Secret、ConfigMap 或 Volume 是否在 YAML 中被引用。确保路径和键是正确的。此错误意味着集群中的节点不可用于运行 Pod。它可能已关闭或断开连接。
故障排除方法：
使用 kubectl get nodes 检查节点状态。查看 kubectl describe node 获取更多信息。根据问题重启或修复节点。处于“Pending”状态的 Pod 尚未启动。这通常意味着资源不足（CPU 或内存）或卷不可用。
故障排除方法：
运行 kubectl describe pod 找出它处于 Pending 状态的原因。检查您的集群是否有足够的可用资源。确保存储卷或节点选择器是正确的。此错误意味着 Kubernetes 找不到符合您的 Pod 要求的节点。这通常与资源限制或调度规则有关。
故障排除方法：
使用 kubectl describe pod 查看调度详情。减少 Pod 规格中的 CPU 或内存请求。检查您是否使用了可能阻止调度的任何节点选择器或污点。这意味着容器根本未能启动。这可能是因为入口点命令错误或容器没有所需的权限。
故障排除方法：
使用 kubectl logs 或 describe pod 查看错误。确保 YAML 中的命令和参数是正确的。检查是否存在文件缺失、权限损坏或所需的访问权限。这些退出代码表示您的应用程序在启动后立即失败。代码 1 通常表示一般错误。代码 125 可能意味着容器命令在应用程序运行之前就失败了。
故障排除方法：
使用 kubectl logs 查看错误输出。仔细检查您的入口命令、环境变量和依赖项。尝试使用 docker run 在本地运行镜像进行测试。有时 Pod 会长时间停留在“Init”或“Waiting”状态。这发生在 Init 容器或主容器无法正常启动时。
当 Kubernetes 出现问题时，遵循按部就班的方法会有所帮助。不要猜测，而是使用 Kubernetes 内置的工具来找出发生了什么。
这是一个简单的框架，可以指导您进行故障排除：
步骤作用工具或命令kubectl describe查看 Pod 状态、事件和错误消息kubectl describe pod检查事件和日志了解 Kubernetes 的行为和应用程序行为kubectl get events, kubectl logs试运行 (Dry run)在 YAML 错误影响集群之前捕获它们kubectl apply –dry-run=client资源监控识别内存/CPU 问题kubectl top pod 或仪表板工具健康探针确保应用程序正常运行并准备好接收流量YAML 中的存活探针和就绪探针kubectl describe 命令提供了 Pod、节点或其他资源正在发生的事情的完整细分。它显示了当前状态、任何错误消息和相关事件。这应该是您获取问题线索的第一站。
事件告诉您 Kubernetes 一直在尝试做什么，例如调度 Pod 或拉取镜像。日志显示您的应用程序或容器实际在做什么。使用 kubectl get events 获取全局视图，使用 kubectl logs 查看容器内部。
YAML 文件中的小拼写错误或错误的格式可能会导致大问题。在应用配置之前，使用 kubectl apply –dry-run=client -f .yaml 来检查您的配置。这有助于在不更改集群任何内容的情况下尽早发现错误。
使用 kubectl top 或指标仪表板等工具检查您的 Pod 正在使用的 CPU 和内存量。如果 Pod 没有足够的资源——或者请求过多——它们可能会崩溃、卡住或被系统终止。
存活探针和就绪探针帮助 Kubernetes 了解您的应用程序何时健康并准备好提供流量。如果这些探针缺失或设置不正确，Pod 可能会频繁重启或在准备好之前接收流量。添加适当的健康检查使您的应用程序更稳定。
一旦您修复了常见的 Kubernetes 问题，下一步就是阻止它们再次发生。一些聪明习惯对于保持部署顺畅无忧大有裨益。
在部署之前，使用工具检查您的 YAML 文件是否存在错误。静态分析器可以捕获缺失的字段、错误的格式或无效的值。在您的 CI/CD 流水线中自动化此步骤有助于您在问题影响生产之前尽早发现它们。
YAML 静态分析和验证的有用工具：
Kubevalkube-linterDatreekubectl –dry-run始终为您的容器设置 CPU 和内存请求和限制。这有助于 Kubernetes 正确调度您的 Pod，并保护您的集群免受单个 Pod 使用过多资源的影响。但不要猜测——从小处着手，并根据实际使用情况进行调整。
设置资源请求和限制的技巧：
从小的默认值开始（例如，100m CPU，128Mi 内存），并监控使用情况。使用 kubectl top pod 或指标仪表板查看实际资源消耗。设置请求（最低需求）和限制（最大允许）。避免将限制设置得过低，因为它可能导致您的应用程序崩溃或重启。实施可观测性工具添加工具，让您实时查看集群中发生的事情。仪表板和监控解决方案可以帮助您更快地发现问题，并更容易理解整体性能。
Kubernetes 流行的可观测性工具：
Kubernetes 中的部署错误可能会拖慢您的团队，浪费资源并导致不必要的停机。这就是为什么理解常见问题——以及如何修复或预防它们——对于任何使用容器和集群的人来说都是一项非常有价值的技能。
通过使用尽早发现问题的工具、设置智能资源限制并密切关注您的环境，您可以在问题开始之前避免大多数麻烦。而当需要清理旧的或损坏的部署时，以正确的方式进行同样重要。
在我们的指南 如何在 Kubernetes 中移除部署 中了解如何安全地从集群中移除部署。
主要资源
来源：余定武是谁
