你正在查看的文档所针对的是 Kubernetes 版本： v1.31
Kubernetes v1.31 版本的文档已不再维护。你现在看到的版本来自于一份静态的快照。如需查阅最新文档，请点击 最新版本。
对 kubeadm 进行故障排查
与任何程序一样，你可能会在安装或者运行 kubeadm 时遇到错误。 本文列举了一些常见的故障场景，并提供可帮助你理解和解决这些问题的步骤。
如果你的问题未在下面列出，请执行以下步骤：
如果你认为问题是 kubeadm 的错误：
- 转到 github.com/kubernetes/kubeadm 并搜索存在的问题。
- 如果没有问题，请 打开 并遵循问题模板。
如果你对 kubeadm 的工作方式有疑问，可以在 Slack 上的
#kubeadm频道提问， 或者在 StackOverflow 上提问。 请加入相关标签，例如#kubernetes和#kubeadm，这样其他人可以帮助你。
由于缺少 RBAC，无法将 v1.18 Node 加入 v1.17 集群
自从 v1.18 后，如果集群中已存在同名 Node，kubeadm 将禁止 Node 加入集群。 这需要为 bootstrap-token 用户添加 RBAC 才能 GET Node 对象。
但这会导致一个问题，v1.18 的 kubeadm join 无法加入由 kubeadm v1.17 创建的集群。
要解决此问题，你有两种选择：
使用 kubeadm v1.18 在控制平面节点上执行 kubeadm init phase bootstrap-token。
请注意，这也会启用 bootstrap-token 的其余权限。
或者，也可以使用 kubectl apply -f ... 手动应用以下 RBAC：
apiVersion: rbac.authorization.k8s.io/v1
kind: ClusterRole
metadata:
name: kubeadm:get-nodes
rules:
- apiGroups:
- ""
resources:
- nodes
verbs:
- get
---
apiVersion: rbac.authorization.k8s.io/v1
kind: ClusterRoleBinding
metadata:
name: kubeadm:get-nodes
roleRef:
apiGroup: rbac.authorization.k8s.io
kind: ClusterRole
name: kubeadm:get-nodes
subjects:
- apiGroup: rbac.authorization.k8s.io
kind: Group
name: system:bootstrappers:kubeadm:default-node-token
在安装过程中没有找到 ebtables 或者其他类似的可执行文件
如果在运行 kubeadm init 命令时，遇到以下的警告
[preflight] WARNING: ebtables not found in system path
[preflight] WARNING: ethtool not found in system path
那么或许在你的节点上缺失 ebtables、ethtool 或者类似的可执行文件。
你可以使用以下命令安装它们：
- 对于 Ubuntu/Debian 用户，运行
apt install ebtables ethtool命令。 - 对于 CentOS/Fedora 用户，运行
yum install ebtables ethtool命令。
在安装过程中，kubeadm 一直等待控制平面就绪
如果你注意到 kubeadm init 在打印以下行后挂起：
[apiclient] Created API client, waiting for the control plane to become ready
这可能是由许多问题引起的。最常见的是：
- 网络连接问题。在继续之前，请检查你的计算机是否具有全部联通的网络连接。
- 容器运行时的 cgroup 驱动不同于 kubelet 使用的 cgroup 驱动。要了解如何正确配置 cgroup 驱动， 请参阅配置 cgroup 驱动。
- 控制平面上的 Docker 容器持续进入崩溃状态或（因其他原因）挂起。你可以运行
docker ps命令来检查以及docker logs命令来检视每个容器的运行日志。 对于其他容器运行时，请参阅使用 crictl 对 Kubernetes 节点进行调试。
当删除托管容器时 kubeadm 阻塞
如果容器运行时停止并且未删除 Kubernetes 所管理的容器，可能发生以下情况：
sudo kubeadm reset
[preflight] Running pre-flight checks
[reset] Stopping the kubelet service
[reset] Unmounting mounted directories in "/var/lib/kubelet"
[reset] Removing kubernetes-managed containers
(block)
一个可行的解决方案是重新启动 Docker 服务，然后重新运行 kubeadm reset：
你也可以使用 crictl 来调试容器运行时的状态。
参见使用 CRICTL 调试 Kubernetes 节点。
Pod 处于 RunContainerError、CrashLoopBackOff 或者 Error 状态
在 kubeadm init 命令运行后，系统中不应该有 Pod 处于这类状态。
在
kubeadm init命令执行完后，如果有 Pod 处于这些状态之一，请在 kubeadm 仓库提起一个 issue。coredns(或者kube-dns) 应该处于Pending状态， 直到你部署了网络插件为止。如果在部署完网络插件之后，有 Pod 处于
RunContainerError、CrashLoopBackOff或Error状态之一，并且coredns（或者kube-dns）仍处于Pending状态， 那很可能是你安装的网络插件由于某种原因无法工作。你或许需要授予它更多的 RBAC 特权或使用较新的版本。请在 Pod Network 提供商的问题跟踪器中提交问题， 然后在此处分类问题。
coredns 停滞在 Pending 状态
这一行为是预期之中的，因为系统就是这么设计的。kubeadm 的网络供应商是中立的，
因此管理员应该选择安装 Pod 的网络插件。
你必须完成 Pod 的网络配置，然后才能完全部署 CoreDNS。
在网络被配置好之前，DNS 组件会一直处于 Pending 状态。
HostPort 服务无法工作
此 HostPort 和 HostIP 功能是否可用取决于你的 Pod 网络配置。请联系 Pod 网络插件的作者，
以确认 HostPort 和 HostIP 功能是否可用。
已验证 Calico、Canal 和 Flannel CNI 驱动程序支持 HostPort。
有关更多信息，请参考 CNI portmap 文档.
如果你的网络提供商不支持 portmap CNI 插件，你或许需要使用
NodePort 服务的功能或者使用
HostNetwork=true。
无法通过其服务 IP 访问 Pod
许多网络附加组件尚未启用 hairpin 模式 该模式允许 Pod 通过其服务 IP 进行访问。这是与 CNI 有关的问题。 请与网络附加组件提供商联系，以获取他们所提供的 hairpin 模式的最新状态。
如果你正在使用 VirtualBox (直接使用或者通过 Vagrant 使用)，你需要 确保
hostname -i返回一个可路由的 IP 地址。默认情况下，第一个接口连接不能路由的仅主机网络。 解决方法是修改/etc/hosts，请参考示例 Vagrantfile。
TLS 证书错误
以下错误说明证书可能不匹配。
# kubectl get pods
Unable to connect to the server: x509: certificate signed by unknown authority (possibly because of "crypto/rsa: verification error" while trying to verify candidate authority certificate "kubernetes")
验证
$HOME/.kube/config文件是否包含有效证书， 并在必要时重新生成证书。在 kubeconfig 文件中的证书是 base64 编码的。 该base64 --decode命令可以用来解码证书，openssl x509 -text -noout命令可以用于查看证书信息。使用如下方法取消设置
KUBECONFIG环境变量的值：unset KUBECONFIG或者将其设置为默认的
KUBECONFIG位置：export KUBECONFIG=/etc/kubernetes/admin.conf
另一个方法是覆盖
kubeconfig的现有用户 "管理员"：mv $HOME/.kube $HOME/.kube.bak mkdir $HOME/.kube sudo cp -i /etc/kubernetes/admin.conf $HOME/.kube/config sudo chown $(id -u):$(id -g) $HOME/.kube/config
Kubelet 客户端证书轮换失败
默认情况下，kubeadm 使用 /etc/kubernetes/kubelet.conf 中指定的 /var/lib/kubelet/pki/kubelet-client-current.pem
符号链接来配置 kubelet 自动轮换客户端证书。如果此轮换过程失败，你可能会在 kube-apiserver 日志中看到诸如
x509: certificate has expired or is not yet valid 之类的错误。要解决此问题，你必须执行以下步骤：
- 从故障节点备份和删除
/etc/kubernetes/kubelet.conf和/var/lib/kubelet/pki/kubelet-client*。 - 在集群中具有
/etc/kubernetes/pki/ca.key的、正常工作的控制平面节点上 执行kubeadm kubeconfig user --org system:nodes --client-name system:node:$NODE > kubelet.conf。$NODE必须设置为集群中现有故障节点的名称。 手动修改生成的kubelet.conf以调整集群名称和服务器端点， 或传递kubeconfig user --config（请参阅为其他用户生成 kubeconfig 文件）。 如果你的集群没有ca.key，你必须在外部对kubelet.conf中的嵌入式证书进行签名。
- 将得到的
kubelet.conf文件复制到故障节点上，作为/etc/kubernetes/kubelet.conf。 - 在故障节点上重启 kubelet（
systemctl restart kubelet），等待/var/lib/kubelet/pki/kubelet-client-current.pem重新创建。
手动编辑
kubelet.conf指向轮换的 kubelet 客户端证书，方法是将client-certificate-data和client-key-data替换为：client-certificate: /var/lib/kubelet/pki/kubelet-client-current.pem client-key: /var/lib/kubelet/pki/kubelet-client-current.pem
- 重新启动 kubelet。
- 确保节点状况变为
Ready。
在 Vagrant 中使用 flannel 作为 Pod 网络时的默认 NIC
以下错误可能表明 Pod 网络中出现问题：
Error from server (NotFound): the server could not find the requested resource
如果你正在 Vagrant 中使用 flannel 作为 Pod 网络，则必须指定 flannel 的默认接口名称。
Vagrant 通常为所有 VM 分配两个接口。第一个为所有主机分配了 IP 地址
10.0.2.15，用于获得 NATed 的外部流量。这可能会导致 flannel 出现问题，它默认为主机上的第一个接口。这导致所有主机认为它们具有相同的公共 IP 地址。为防止这种情况，传递
--iface eth1标志给 flannel 以便选择第二个接口。
容器使用的非公共 IP
在某些情况下 kubectl logs 和 kubectl run 命令或许会返回以下错误，即便除此之外集群一切功能正常：
Error from server: Get https://10.19.0.41:10250/containerLogs/default/mysql-ddc65b868-glc5m/mysql: dial tcp 10.19.0.41:10250: getsockopt: no route to host
这或许是由于 Kubernetes 使用的 IP 无法与看似相同的子网上的其他 IP 进行通信的缘故， 可能是由机器提供商的政策所导致的。
DigitalOcean 既分配一个共有 IP 给
eth0，也分配一个私有 IP 在内部用作其浮动 IP 功能的锚点， 然而kubelet将选择后者作为节点的InternalIP而不是公共 IP。使用
ip addr show命令代替ifconfig命令去检查这种情况，因为ifconfig命令 不会显示有问题的别名 IP 地址。或者指定的 DigitalOcean 的 API 端口允许从 droplet 中 查询 anchor IP：curl http://169.254.169.254/metadata/v1/interfaces/public/0/anchor_ipv4/address解决方法是通知
kubelet使用哪个--node-ip。当使用 DigitalOcean 时，可以是（分配给eth0的）公网 IP， 或者是（分配给eth1的）私网 IP。私网 IP 是可选的。 kubadmNodeRegistrationOptions结构 的KubeletExtraArgs部分被用来处理这种情况。然后重启
kubelet：systemctl daemon-reload systemctl restart kubelet
coredns Pod 有 CrashLoopBackOff 或者 Error 状态
如果有些节点运行的是旧版本的 Docker，同时启用了 SELinux，你或许会遇到 coredns Pod 无法启动的情况。
要解决此问题，你可以尝试以下选项之一：
升级到 Docker 的较新版本。
修改
coredns部署以设置allowPrivilegeEscalation为true：
kubectl -n kube-system get deployment coredns -o yaml | \
sed 's/allowPrivilegeEscalation: false/allowPrivilegeEscalation: true/g' | \
kubectl apply -f -
CoreDNS 处于 CrashLoopBackOff 时的另一个原因是当 Kubernetes 中部署的 CoreDNS Pod 检测到环路时。
有许多解决方法
可以避免在每次 CoreDNS 监测到循环并退出时，Kubernetes 尝试重启 CoreDNS Pod 的情况。
警告：
禁用 SELinux 或设置 allowPrivilegeEscalation 为 true 可能会损害集群的安全性。
etcd Pod 持续重启
如果你遇到以下错误：
rpc error: code = 2 desc = oci runtime error: exec failed: container_linux.go:247: starting container process caused "process_linux.go:110: decoding init error from pipe caused \"read parent: connection reset by peer\""
如果你使用 Docker 1.13.1.84 运行 CentOS 7 就会出现这种问题。 此版本的 Docker 会阻止 kubelet 在 etcd 容器中执行。
为解决此问题，请选择以下选项之一：
回滚到早期版本的 Docker，例如 1.13.1-75
yum downgrade docker-1.13.1-75.git8633870.el7.centos.x86_64 docker-client-1.13.1-75.git8633870.el7.centos.x86_64 docker-common-1.13.1-75.git8633870.el7.centos.x86_64
安装较新的推荐版本之一，例如 18.06：
sudo yum-config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repo yum install docker-ce-18.06.1.ce-3.el7.x86_64
无法将以逗号分隔的值列表传递给 --component-extra-args 标志内的参数
kubeadm init 标志例如 --component-extra-args 允许你将自定义参数传递给像
kube-apiserver 这样的控制平面组件。然而，由于解析 (mapStringString) 的基础类型值，此机制将受到限制。
如果你决定传递一个支持多个逗号分隔值（例如
--apiserver-extra-args "enable-admission-plugins=LimitRanger,NamespaceExists"）参数，
将出现 flag: malformed pair, expect string=string 错误。
发生这种问题是因为参数列表 --apiserver-extra-args 预期的是 key=value 形式，
而这里的 NamespacesExists 被误认为是缺少取值的键名。
一种解决方法是尝试分离 key=value 对，像这样：
--apiserver-extra-args "enable-admission-plugins=LimitRanger,enable-admission-plugins=NamespaceExists"
但这将导致键 enable-admission-plugins 仅有值 NamespaceExists。
已知的解决方法是使用 kubeadm 配置文件。
在节点被云控制管理器初始化之前，kube-proxy 就被调度了
在云环境场景中，可能出现在云控制管理器完成节点地址初始化之前，kube-proxy 就被调度到新节点了。 这会导致 kube-proxy 无法正确获取节点的 IP 地址，并对管理负载平衡器的代理功能产生连锁反应。
在 kube-proxy Pod 中可以看到以下错误：
server.go:610] Failed to retrieve node IP: host IP unknown; known addresses: []
proxier.go:340] invalid nodeIP, initializing kube-proxy with 127.0.0.1 as nodeIP
一种已知的解决方案是修补 kube-proxy DaemonSet，以允许在控制平面节点上调度它， 而不管它们的条件如何，将其与其他节点保持隔离，直到它们的初始保护条件消除：
kubectl -n kube-system patch ds kube-proxy -p='{
"spec": {
"template": {
"spec": {
"tolerations": [
{
"key": "CriticalAddonsOnly",
"operator": "Exists"
},
{
"effect": "NoSchedule",
"key": "node-role.kubernetes.io/control-plane"
}
]
}
}
}
}'
此问题的跟踪在这里。
节点上的 /usr 被以只读方式挂载
在类似 Fedora CoreOS 或者 Flatcar Container Linux 这类 Linux 发行版本中，
目录 /usr 是以只读文件系统的形式挂载的。
在支持 FlexVolume 时，
类似 kubelet 和 kube-controller-manager 这类 Kubernetes 组件使用默认路径
/usr/libexec/kubernetes/kubelet-plugins/volume/exec/，
而 FlexVolume 的目录必须是可写入的，该功能特性才能正常工作。
说明：
FlexVolume 在 Kubernetes v1.23 版本中已被弃用。
为了解决这个问题，你可以使用 kubeadm 的配置文件来配置 FlexVolume 的目录。
在（使用 kubeadm init 创建的）主控制节点上，使用 --config
参数传入如下文件：
apiVersion: kubeadm.k8s.io/v1beta4
kind: InitConfiguration
nodeRegistration:
kubeletExtraArgs:
- name: "volume-plugin-dir"
value: "/opt/libexec/kubernetes/kubelet-plugins/volume/exec/"
---
apiVersion: kubeadm.k8s.io/v1beta4
kind: ClusterConfiguration
controllerManager:
extraArgs:
- name: "flex-volume-plugin-dir"
value: "/opt/libexec/kubernetes/kubelet-plugins/volume/exec/"
在加入到集群中的节点上，使用下面的文件：
apiVersion: kubeadm.k8s.io/v1beta4
kind: JoinConfiguration
nodeRegistration:
kubeletExtraArgs:
- name: "volume-plugin-dir"
value: "/opt/libexec/kubernetes/kubelet-plugins/volume/exec/"
或者，你可以更改 /etc/fstab 使得 /usr 目录能够以可写入的方式挂载，
不过请注意这样做本质上是在更改 Linux 发行版的某种设计原则。
kubeadm upgrade plan 输出错误信息 context deadline exceeded
在使用 kubeadm 来升级某运行外部 etcd 的 Kubernetes 集群时可能显示这一错误信息。
这并不是一个非常严重的一个缺陷，之所以出现此错误信息，原因是老的 kubeadm
版本会对外部 etcd 集群执行版本检查。你可以继续执行 kubeadm upgrade apply ...。
这一问题已经在 1.19 版本中得到修复。
kubeadm reset 会卸载 /var/lib/kubelet
如果已经挂载了 /var/lib/kubelet 目录，执行 kubeadm reset
操作的时候会将其卸载。
要解决这一问题，可以在执行了 kubeadm reset 操作之后重新挂载
/var/lib/kubelet 目录。
这是一个在 1.15 中引入的故障，已经在 1.20 版本中修复。
无法在 kubeadm 集群中安全地使用 metrics-server
在 kubeadm 集群中可以通过为 metrics-server
设置 --kubelet-insecure-tls 来以不安全的形式使用该服务。
建议不要在生产环境集群中这样使用。
如果你需要在 metrics-server 和 kubelet 之间使用 TLS，会有一个问题， kubeadm 为 kubelet 部署的是自签名的服务证书。这可能会导致 metrics-server 端报告下面的错误信息：
x509: certificate signed by unknown authority
x509: certificate is valid for IP-foo not IP-bar
参见为 kubelet 启用签名的服务证书 以进一步了解如何在 kubeadm 集群中配置 kubelet 使用正确签名了的服务证书。
另请参阅 How to run the metrics-server securely。
因 etcd 哈希值无变化而升级失败
仅适用于通过 kubeadm 二进制文件 v1.28.3 或更高版本升级控制平面节点的情况， 其中此节点当前由 kubeadm v1.28.0、v1.28.1 或 v1.28.2 管理。
以下是你可能遇到的错误消息：
[upgrade/etcd] Failed to upgrade etcd: couldn't upgrade control plane. kubeadm has tried to recover everything into the earlier state. Errors faced: static Pod hash for component etcd on Node kinder-upgrade-control-plane-1 did not change after 5m0s: timed out waiting for the condition
[upgrade/etcd] Waiting for previous etcd to become available
I0907 10:10:09.109104 3704 etcd.go:588] [etcd] attempting to see if all cluster endpoints ([https://172.17.0.6:2379/ https://172.17.0.4:2379/ https://172.17.0.3:2379/]) are available 1/10
[upgrade/etcd] Etcd was rolled back and is now available
static Pod hash for component etcd on Node kinder-upgrade-control-plane-1 did not change after 5m0s: timed out waiting for the condition
couldn't upgrade control plane. kubeadm has tried to recover everything into the earlier state. Errors faced
k8s.io/kubernetes/cmd/kubeadm/app/phases/upgrade.rollbackOldManifests
cmd/kubeadm/app/phases/upgrade/staticpods.go:525
k8s.io/kubernetes/cmd/kubeadm/app/phases/upgrade.upgradeComponent
cmd/kubeadm/app/phases/upgrade/staticpods.go:254
k8s.io/kubernetes/cmd/kubeadm/app/phases/upgrade.performEtcdStaticPodUpgrade
cmd/kubeadm/app/phases/upgrade/staticpods.go:338
...
本次失败的原因是受影响的版本在 PodSpec 中生成的 etcd 清单文件带有不需要的默认值。 这将导致与清单比较的差异，并且 kubeadm 预期 Pod 哈希值将发生变化，但 kubelet 永远不会更新哈希值。
如果你在集群中遇到此问题，有两种解决方法：
可以运行以下命令跳过 etcd 的版本升级，即受影响版本和 v1.28.3（或更高版本）之间的版本升级:
kubeadm upgrade {apply|node} [version] --etcd-upgrade=false但不推荐这种方法，因为后续的 v1.28 补丁版本可能引入新的 etcd 版本。
在升级之前，对 etcd 静态 Pod 的清单进行修补，以删除有问题的默认属性:
diff --git a/etc/kubernetes/manifests/etcd_defaults.yaml b/etc/kubernetes/manifests/etcd_origin.yaml index d807ccbe0aa..46b35f00e15 100644 --- a/etc/kubernetes/manifests/etcd_defaults.yaml +++ b/etc/kubernetes/manifests/etcd_origin.yaml @@ -43,7 +43,6 @@ spec: scheme: HTTP initialDelaySeconds: 10 periodSeconds: 10 - successThreshold: 1 timeoutSeconds: 15 name: etcd resources: @@ -59,26 +58,18 @@ spec: scheme: HTTP initialDelaySeconds: 10 periodSeconds: 10 - successThreshold: 1 timeoutSeconds: 15 - terminationMessagePath: /dev/termination-log - terminationMessagePolicy: File volumeMounts: - mountPath: /var/lib/etcd name: etcd-data - mountPath: /etc/kubernetes/pki/etcd name: etcd-certs - dnsPolicy: ClusterFirst - enableServiceLinks: true hostNetwork: true priority: 2000001000 priorityClassName: system-node-critical - restartPolicy: Always - schedulerName: default-scheduler securityContext: seccompProfile: type: RuntimeDefault - terminationGracePeriodSeconds: 30 volumes: - hostPath: path: /etc/kubernetes/pki/etcd
有关此错误的更多信息，请查阅此问题的跟踪页面。