Kubernetes运维：集群部署与故障排查

Kubernetes（简称K8s）是一个开源的容器编排系统，用于自动化部署、扩展和管理容器化应用。在运维中，集群部署和故障排查是核心任务。下面我将逐步介绍如何高效部署集群并提供常见故障的排查方法。所有内容基于官方文档和最佳实践，确保真实可靠。

一、集群部署步骤

部署Kubernetes集群通常使用官方工具如kubeadm，它简化了初始化过程。以下是标准部署流程（以Ubuntu系统为例）：

1. 环境准备：

   • 确保所有节点（Master和Worker）满足要求：至少2核CPU、2GB RAM、禁用Swap、网络互通。
   • 安装Docker作为容器运行时：

     sudo apt update
     sudo apt install docker.io -y
     sudo systemctl enable --now docker
     

2. 安装Kubernetes组件：

   • 在所有节点上安装kubeadm、kubelet和kubectl：

     sudo apt update
     sudo apt install -y apt-transport-https curl
     curl -s https://packages.cloud.google.com/apt/doc/apt-key.gpg | sudo apt-key add -
     echo "deb https://apt.kubernetes.io/ kubernetes-xenial main" | sudo tee /etc/apt/sources.list.d/kubernetes.list
     sudo apt update
     sudo apt install -y kubelet kubeadm kubectl
     sudo apt-mark hold kubelet kubeadm kubectl
     

3. 初始化Master节点：

   • 在Master节点上运行初始化命令，生成加入集群的token：

     sudo kubeadm init --pod-network-cidr=10.244.0.0/16
     

   • 完成后，按提示配置kubectl：

     mkdir -p $HOME/.kube
     sudo cp -i /etc/kubernetes/admin.conf $HOME/.kube/config
     sudo chown $(id -u):$(id -g) $HOME/.kube/config
     

4. 安装网络插件：

   • 部署Flannel网络（确保集群内Pod通信）：

     kubectl apply -f https://raw.githubusercontent.com/coreos/flannel/master/Documentation/kube-flannel.yml
     

5. 添加Worker节点：

   • 在Worker节点上，使用Master初始化时生成的token加入集群：

     sudo kubeadm join <MASTER_IP>:6443 --token <TOKEN> --discovery-token-ca-cert-hash <HASH>
     

   • 验证节点状态：

     kubectl get nodes
     

二、故障排查方法

Kubernetes故障可能源于配置错误、资源不足或网络问题。以下是常见故障及排查步骤，使用kubectl命令和日志分析。

1. 常见故障类型：

   • Pod状态异常：如Pending、CrashLoopBackOff。
   • 节点不可达：Node状态为NotReady。
   • 网络问题：Pod间无法通信或服务暴露失败。
   • 资源不足：CPU或内存限制导致调度失败。

2. 排查工具与步骤：

   • 检查Pod状态：

     • 使用kubectl get pods -o wide查看Pod分布和状态。
     • 如果Pod卡在Pending状态，描述事件分析原因：

       kubectl describe pod <POD_NAME>
       

     • 查看Pod日志：

       kubectl logs <POD_NAME>
       

   • 诊断节点问题：

     • 检查节点资源使用：

       kubectl top nodes
       

     • 如果节点NotReady，登录节点检查kubelet服务：

       systemctl status kubelet
       journalctl -u kubelet -n 100
       

   • 网络故障排查：

     • 测试Pod间连通性：

       kubectl exec -it <POD_NAME> -- ping <ANOTHER_POD_IP>
       

     • 检查网络插件日志：

       kubectl logs -n kube-system <FLANNEL_POD_NAME>
       

   • 资源限制问题：

     • 查看资源请求和限制是否合理（在YAML中定义）：

       resources:
         requests:
           cpu: "0.5"
           memory: "512Mi"
         limits:
           cpu: "1"
           memory: "1Gi"
       

     • 使用公式估算资源需求（例如，CPU使用率不应超过节点总核数）：
       • 设节点总CPU为 $C$ 核，Pod请求总和为 $\sum r_i$，则需满足 $\sum r_i \leq C$。

3. 示例故障场景：

   • 问题：Pod处于CrashLoopBackOff状态。
     • 排查步骤：
       1. 查看日志：kubectl logs <POD_NAME> --previous（检查前一个容器的日志）。
       2. 描述事件：kubectl describe pod <POD_NAME>（查找错误事件）。
       3. 常见原因：应用启动失败或资源不足。
       4. 修复：调整YAML资源限制或修复应用代码。

总结

Kubernetes集群部署需严格遵循环境准备和初始化步骤，而故障排查依赖于系统化工具使用。建议：

• 部署时使用版本兼容的组件（如K8s v1.28 + Docker 20.10）。
• 定期备份etcd数据。
• 监控工具（如Prometheus）可预防故障。
• 如果问题复杂，参考Kubernetes官方文档。

通过以上方法，您能高效管理集群并快速响应问题。如需特定场景帮助，请提供更多细节！