进击云原生

V2

2022/08/29阅读:33主题:山吹

7 张图解 CrashLoopBackOff,如何发现问题并解决它?

7 张图解 CrashLoopBackOff,如何发现问题并解决它?

CrashLoopBackOff 是一种 Kubernetes 状态,表示 Pod 中发生的重启循环:Pod 中的容器已启动,但崩溃然后又重新启动,一遍又一遍。

Kubernetes 将在重新启动之间等待越来越长的回退时间,以便您有机会修复错误。因此,CrashLoopBackOff 本身并不是一个错误,而是表明发生了一个错误,导致 Pod 无法正常启动。

Pod 在 Running、Failed 和 Waiting 之间循环

请注意,它重新启动的原因是因为它restartPolicy设置为Always(默认情况下)或OnFailure,然后 kubelet 读取此配置并重新启动 Pod 中的容器并导致循环。这种行为实际上很有用,因为这为丢失的资源完成加载提供了一些时间,也为我们检测问题和调试提供了一些时间,稍后会详细介绍。

这解释了CrashLoop部分,但是BackOff时间呢?基本上,这是重启之间的指数延迟(10 秒、20 秒、40 秒……),上限为 5 分钟。当 Pod 状态显示 CrashLoopBackOff 时,表示它当前正在等待指示的时间,然后再重新启动 Pod。除非它被修复,否则它可能会再次失败。

Pod 处于循环中。尝试运行,但失败了,所以进入失败状态。 如果稍等片刻以帮助您调试,则会尝试再次运行。如果问题没有解决,就陷入了循环,将再次失败

在本文中,您将看到:

  1. 什么是 CrashLoopBackOff?
  2. 如何检测 CrashLoopBackOff 问题
  3. CrashLoopBackOff 的常见原因
  4. 用于调试 CrashLoopBackOff 的 Kubernetes 工具
  5. 如何使用 Prometheus 检测 CrashLoopBackOff

如何检测集群中的 CrashLoopBackOff?

最有可能的是,您通过kubectl get pods列出以下 pod 发现了处于此状态的一个或多个 pod :

$ kubectl get pods
NAME                     READY     STATUS             RESTARTS   AGE
flask-7996469c47-d7zl2   1/1       Running            1          77d
flask-7996469c47-tdr2n   1/1       Running            0          77d
nginx-5796d5bc7c-2jdr5   0/1       CrashLoopBackOff   2          1m
nginx-5796d5bc7c-xsl6p   0/1       CrashLoopBackOff   2          1m

从输出中,您可以看到最后两个 pod:

  • 不处于READY( 0/1) 状态。
  • 他们的状态显示CrashLoopBackOff
  • RESTARTS显示重新启动次数。

这三个信号指向我们解释的内容:Pod 出现故障,它们正在重新启动。在重新启动之间,有一个宽限期,表示为CrashLoopBackOff.

您可能在 Pod 处于RunningFailed状态的短暂时间内找到它。

CrashloopBackoff 的时间线。 每次失败时,BackoffTime 和 Restart Count 都会增加

CrashLoopBackOff 的常见原因

重要的是要注意 CrashLoopBackOff 不是导致 pod 崩溃的实际错误。请记住,它只是显示STATUS列中发生的循环。您需要找到影响容器的潜在错误。

与实际应用程序相关的一些错误是:

  • 错误配置:就像配置文件中的错字。
  • 资源不可用:例如未挂载的 PersistentVolume。
  • 错误的命令行参数:要么丢失,要么不正确。
  • bug 和异常: 这可以是任何异常,对你的应用来说都是非常具体的。

最后,来自网络和权限的错误是:

  • 您试图绑定被占用的端口。
  • 内存限制太低,容器被 Out Of Memory 杀死。
  • liveness 探针返回错误 未报告 Pod 已 Ready。
  • 只读文件系统,或缺乏权限。

以上这些只是可能原因的列表,可能还有很多其他原因。

现在让我们看看如何深入挖掘并找到真正的原因。

调试、排障和修复 CrashLoopBackOff

上文,您了解到 pod 最终处于 CrashLoopBackOff 状态的原因有很多。现在,你怎么知道是哪一个在影响你?让我们回顾一下您可以用来调试它的一些工具,以及使用它的顺序。

这可能是我们最好的做法:

  1. 检查pod 描述
  2. 检查pod 日志
  3. 检查events
  4. 检查deployment

1.查看 pod 描述:kubectl describe pod

kubectl describe pod命令提供特定 Pod 及其容器的详细信息:

$ kubectl describe pod the-pod-name
Name:         the-pod-name
Namespace:    default
Priority:     0

State:          Waiting
Reason:       CrashLoopBackOff
Last State:     Terminated
Reason:       Error

Warning  BackOff                1m (x5 over 1m)   kubelet, ip-10-0-9-132.us-east-2.compute.internal  Back-off restarting failed container

从描述输出中,您可以提取以下信息:

  • 当前 podStateWaiting.
  • 等待状态的原因是“ CrashLoopBackOff ”。
  • 上一个 状态是“Terminated”。
  • 上次终止的原因是“错误”。

这与我们一直在解释的循环行为一致。

通过使用kubectl describe pod,您可以检查以下配置错误:

  • Pod 定义
  • 容器
  • 为容器拉取的 镜像
  • 为容器分配的 资源
  • 错误或缺少的 参数

Warning  BackOff                1m (x5 over 1m)   kubelet, ip-10-0-9-132.us-east-2.compute.internal  Back-off restarting failed container

在最后几行中,您会看到与此 pod 关联的最后一个事件的列表,其中之一是"Back-off restarting failed container",这是重启循环的事件。即使发生了多次重新启动,也应该只有一行。

2.查看日志:kubectl logs

您可以查看 pod 的所有容器的日志:

kubectl logs mypod --all-containers

甚至是该 pod 中的容器:

kubectl logs mypod -c mycontainer

如果发送错误的 pod 中有错误的值,日志可能会显示有用的信息。

3.查看事件:kubectl get events

它们可以列出:

kubectl get events

或者,您可以使用以下命令列出单个 Pod 的所有事件:

kubectl get events --field-selector involvedObject.name=mypod

请注意,此信息也出现在describe pod输出的底部。

4.检查部署:kubectl describe deployment

您可以通过以下方式获取此信息:

kubectl describe deployment mydeployment

如果部署定义了所需的 Pod 状态,它可能包含导致 CrashLoopBackOff 的错误配置。

结合起来看

在下面的示例中,您可以看到如何挖掘日志,在其中发现命令参数中的错误。

调试 Crashloopbackoff。 它显示了三个终端以及几个调试命令之间的关系。

在 Prometheus 中检测 CrashLoopBackOff

如果您使用 Prometheus 进行监控,这里有一些提示可以帮助您在发生 CrashLoopBackOff 时发出警报。

使用以下表达式,可以快速扫描集群中处于CrashLoopBackOff状态的容器(您需要提前部署 Kube State Metrics):

kube_pod_container_status_waiting_reason{reason="CrashLoopBackOff"} == 1

检测 pod 状态为 CrashLoopBackOff 的 PromQL 示例

或者,你可以用以下方法跟踪 pod 发生的重启次数:

rate(kube_pod_container_status_restarts_total[5m]) > 0

基于重启率检测 CrashLoopBackOff 的 PromQL 示例

警告:并非集群中发生的所有重启都与 CrashLoopBackOff 状态有关。

重新启动和 crashloopbackoff 之间的相关性。 并非所有重启都是由 crashloopbackoff 引起的

在每个 CrashLoopBackOff 周期之后应该有一个重新启动 (1),但可能有与 CrashLoopBackOff (2) 无关的重新启动。

可以创建如下所示的 Prometheus 警报规则,当任何 pod 处于此状态时接收通知:

- alert: RestartsAlert
  expr: rate(kube_pod_container_status_restarts_total[5m]) > 0
  for: 10m
  labels:
    severity: warning
  annotations:
    summary: Pod is being restarted
  description: Pod {{ $labels.pod }} in {{ $labels.namespace }} has a container {{ $labels.container }} which is being restarted

结论

在这篇文章中,我们看到了 CrashLoopBackOff 本身并不是一个错误,而只是一个在 pod 中发生的重试循环的通知。

我们看到了它所经过的状态的描述,以及如何使用kubectl命令跟踪它。

此外,我们还看到了可能导致此状态的常见错误配置,以及您可以使用哪些工具来调试它。

最后,我们回顾了 Prometheus 如何帮助跟踪和提醒 Pod 中的 CrashLoopBackOff 事件。

虽然不是一个直观的消息,但 CrashLoopBackOff 是一个有用的概念,它是有意义的,没有什么可害怕的。

译自:https://sysdig.com/blog/debug-kubernetes-crashloopbackoff/
译者:#公众号:进击云原生

分类:

后端

标签:

运维部署

作者介绍

进击云原生
V2

公众号:进击云原生