工作负载异常：启动容器失败
问题定位
工作负载详情中，若事件中提示“启动容器失败”，请按照如下方式来初步排查原因：
- 登录异常工作负载所在的节点。
- 查看工作负载实例非正常退出的容器ID。
如果节点为docker，请执行docker命令：
docker ps -a | grep $podName
如果节点为containerd，请执行containerd命令：crictl ps -a | grep $podName
- 查看退出容器的错误日志。
如果节点为docker，请执行docker命令：
docker logs $containerID
如果节点为containerd，请执行containerd命令：crictl logs $containerID
根据日志提示修复工作负载本身的问题。
- 查看操作系统的错误日志，例如查询日志中是否存在OOM信息。
cat /var/log/messages | grep $containerID | grep oom
根据日志判断是否触发了系统OOM。
排查思路
根据具体事件信息确定具体问题原因，如表1所示。
| 日志或事件信息 | 问题原因 | 排查与解决方案 |
|---|---|---|
| Pod日志中存在exit(0) | 容器中无进程。 | 请调试容器是否能正常运行，详情请参见容器中无持续运行的进程（退出码：0）。 |
| 健康检查执行失败。 | 检查Pod中所配置的容器健康检查（Liveness Probe）策略是否符合预期，详情请参见健康检查执行失败（退出码：137）。 |
| 磁盘空间不足。 | 您需要扩容或清理磁盘空间，详情请参见容器所在磁盘空间不足。 |
| Pod日志中存在OOM字眼 | Pod内存不足。 | 检查Pod的资源配置是否正确，详情请参见容器资源配置过小。 |
| Pod日志中存在Address already in use | Pod中容器端口冲突。 | 检查Pod是否出现容器端口冲突，详情请参见同一Pod中container端口冲突。 |
| Kubernetes事件信息如下： Error: failed to start container "filebeat": Error response from daemon: OCI runtime create failed: container_linux.go:330: starting container process caused "process_linux.go:381: container init caused \"setenv: invalid argument\"": unknown | 负载中挂载了Secret，Secret对应的值没有进行base64加密。 | 解决方案详情请参见工作负载挂载的密钥值不符合要求。 |
| Kubernetes事件信息如下： the failed container exited with ExitCode: 255 | 可能是在ARM架构的节点上运行x86的容器镜像。 | 解决方案详情参见容器镜像版本与节点架构不符。 |
| Kubernetes事件信息如下： the failed container exited with ExitCode: 141 | containerd版本与tail版本不兼容导致。 | 解决方案详情参见容器启动命令中执行tail -f xx退出（退出码：141）。 |
| Kubernetes事件信息如下： Created container init-pinpoint | Java探针的版本不兼容导致。 | 解决方案详情参见JAVA探针的版本不兼容。 |
| 其他Pod日志 | 请结合业务进行排查。 | 排查方案请参见业务配置问题排查。 |
容器中无持续运行的进程（退出码：0）
- 登录异常工作负载所在的节点。
- 查看容器状态。
如果节点为docker，请执行docker命令：
docker ps -a | grep $podName
如果节点为containerd，请执行containerd命令：crictl ps -a | grep $podName
如下图所示：
当容器中无持续运行的进程时，会出现exit(0)的状态码，此时说明容器中无进程。
健康检查执行失败（退出码：137）
工作负载配置的健康检查会定时检查业务，异常情况下pod会报实例不健康的事件且pod一直重启失败。
工作负载若配置liveness型（工作负载存活探针）健康检查，当健康检查失败次数超过阈值时，会重启实例中的容器。在工作负载详情页面查看事件，若K8s事件中出现“Liveness probe failed: Get http…”时，表示健康检查失败。
解决方案：
请在工作负载详情页中，切换至“容器管理”页签，核查容器的“健康检查”配置信息，排查健康检查策略是否合理或业务是否已异常。
容器所在磁盘空间不足
如下磁盘为创建节点时选择的docker专用盘分出来的thinpool盘，以root用户执行lvs命令可以查看当前磁盘的使用量。
Thin Pool has 15991 free data blocks which is less than minimum required 16383 free data blocks. Create more free space in thin pool or use dm.min_free_space option to change behavior
解决方案：
方案一：清理镜像
- 使用containerd容器运行时的节点：
- 查看节点上的本地镜像。
crictl images -v
- 确认镜像无需使用，并通过镜像ID删除无需使用的镜像。
crictl rmi {镜像ID}
- 查看节点上的本地镜像。
- 使用docker容器运行时的节点：
- 查看节点上的本地镜像。
docker images
- 确认镜像无需使用，并通过镜像ID删除无需使用的镜像。
docker rmi {镜像ID}
- 查看节点上的本地镜像。
请勿删除cce-pause等系统镜像，否则可能导致无法正常创建容器。
方案二：扩容磁盘
扩容磁盘的操作步骤如下：
容器资源配置过小
事件详情中有OOM字样。并且，在日志中也会有记录：
cat /var/log/messages | grep 96feb0a425d6 | grep oom
创建工作负载时，设置的限制资源若小于实际所需资源，会触发系统OOM，并导致容器异常退出。
同一Pod中container端口冲突
- 登录异常工作负载所在的节点。
- 查看工作负载实例非正常退出的容器ID。
如果节点为docker，请执行docker命令：
docker ps -a | grep $podName
如果节点为containerd，请执行containerd命令：crictl ps -a | grep $podName
- 查看退出容器的错误日志。
如果节点为docker，请执行docker命令：
docker logs $containerID
如果节点为containerd，请执行containerd命令：crictl logs $containerID
根据日志提示修复工作负载本身的问题。如下图所示，即同一Pod中的container端口冲突导致容器启动失败。
图1 container冲突导致容器启动失败
解决方案：
配置正确的容器端口，确保端口不冲突，然后重新创建工作负载。
如果Pod使用主机网络（即配置hostNetwork: true）也可能会出现容器端口冲突，这是因为Pod内的容器会直接与宿主机共享网络接口和端口空间，多个使用相同端口的Pod无法运行在同一节点上。
工作负载挂载的密钥值不符合要求
事件详情中出现以下错误：
Error: failed to start container "filebeat": Error response from daemon: OCI runtime create failed: container_linux.go:330: starting container process caused "process_linux.go:381: container init caused \"setenv: invalid argument\"": unknown
出现以上问题的根因是由于工作负载中挂载了Secret，但Secret对应的值没有进行base64加密。
解决方案：
通过控制台创建Secret，Secret对应的值会自动进行base64加密。
如果通过YAML进行创建，需要手动对密钥值进行base64加密：
echo -n "待编码内容" | base64
容器镜像版本与节点架构不符
在ARM架构的节点上创建工作负载时未使用正确的镜像版本，使用正确的镜像版本即可解决该问题。
如果您需要构建x86和ARM双架构镜像，请参考CCE中使用x86和ARM双架构镜像。
容器启动命令中执行tail -f xx退出（退出码：141）
Kubernetes事件为：
the failed container exited with ExitCode: 141
问题根因：
containerd历史版本和容器镜像中tail>=8.28版本不兼容，导致tail -f 命令退出，退出码为141。
短期解决方案：
将启动参数中的tail -f xx修改为sleep 2 && tail -f xx，重新创建工作负载。
长期解决方案：
- 将集群升级到v1.25.16-r20、v1.27.16-r20、v1.28.15-r10、v1.29.10-r10、v1.30.6-r10、v1.31.4-r0版本及以上。
- 重置节点，将容器运行时切换为docker。
JAVA探针的版本不兼容
Kubernetes事件为：
Created container init-pinpoint
解决方案：
- 在创建工作负载时，在“高级配置”步骤下的“性能管理配置”项目下，JAVA探针版本请选择最新的版本（例如：1.0.36），不要选择latest版本。
- 如果工作负载创建时的JAVA探针版本已经选择了latest版本，可以更新工作负载配置，将JAVA探针版本请选择为最新的版本（例如：1.0.36）。
业务配置问题排查
请检查工作负载启动命令是否正确执行，或工作负载本身bug导致容器不断重启。
- 登录异常工作负载所在的节点。
- 查看工作负载实例非正常退出的容器ID。
如果节点为docker，请执行docker命令：
docker ps -a | grep $podName
如果节点为containerd，请执行containerd命令：crictl ps -a | grep $podName
- 查看退出容器的错误日志。
如果节点为docker，请执行docker命令：
docker logs $containerID
如果节点为containerd，请执行containerd命令：crictl logs $containerID
注意：这里的containerID为已退出的容器的ID
请根据日志提示修复工作负载本身的BUG问题。
常见问题一：容器启动命令配置不正确
如下图所示，容器配置的启动命令不正确导致容器启动失败。
解决方案：
重新创建工作负载，并配置正确的启动命令。
常见问题二：启动报错“fatal error: procresize: invalid arg”
创建工作负载后无法正常启动，查看日志报错：
fatal error: procresize: invalid arg runtime stack: runtime.throw(0x75be20, 0x17) /usr/lib/google-golang/src/runtime/panic.go:530 +0x99 runtime.procresize(0x180, 0x0) /usr/lib/google-golang/src/runtime/proc1.go:2735 +0xba6 runtime.schedinit() /usr/lib/google-golang/src/runtime/proc1.go:72 +0x110 runtime.rt0_go(0x7ffcd751f9f8, 0x1, 0x7ffcd751f9f8, 0x0, 0x0, 0x1, 0x7ffcd7520b77, 0x0, 0x7ffcd7520b81, 0x7ffcd7520bc3, ...) /usr/lib/google-golang/src/runtime/asm_amd64.s:109 +0x132
根据日志报错判断是Go程序在容器内启动时，runtime尝试调整线程数（GOMAXPROCS）传入了非法参数导致的崩溃，一般是由于容器资源限制或Go版本兼容问题导致，查看镜像里Go程序的版本，发现是1.10老版本。
Go1.9和1.10旧版本存在一个硬编码bug：Go runtime里最大支持255核CPU，超过255核的机器，它会计算溢出，传给procresize非法参数，导致直接崩溃。
通过命令排查节点CPU限制：
cat /sys/fs/cgroup/cpuset/cpuset.cpus
结果为0-383，发现确实大于255，可确定是该问题导致。
解决方案：
您可以参考以下两个方案之一进行解决：
- 升级镜像里Go程序的版本大于1.10版本（建议升级到最新版本），然后重新制作镜像部署。
- 您可以通过在工作负载的YAML增加环境变量解决：
- env: - name: GOMAXPROCS value: "1"
