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：

1. 登录异常工作负载所在的节点。
2. 查看工作负载实例非正常退出的容器ID。

   docker ps -a | grep $podName

3. 查看退出容器的错误日志。

   docker logs $containerID

   根据日志提示修复工作负载本身的问题。

4. 查看操作系统的错误日志。

   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。

出上述可能原因外，还可能存在如下原因，请根据顺序排查。

• 排查项七：容器启动命令配置有误导致
• 排查项八：JAVA探针的版本选择latest导致
• 排查项九：用户自身业务BUG

图1 排查思路

排查项一：（退出码：0）容器中无持续运行的进程

1. 登录异常工作负载所在的节点。
2. 查看容器状态。

   docker 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。

排查项二：（退出码：137）健康检查执行失败

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：

请核查“工作负载详情>更新升级页签>高级配置>健康检查”中的信息，排查健康检查策略是否合理或业务是否已异常。

排查项三：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：

1. 清理磁盘空间：

   docker rmi -f `docker images | grep myhuaweicloud | awk '{print $3}'` 

2. 扩容磁盘：节点数据盘扩容方法请参见扩容节点数据盘（docker专用）。

排查项四：达到容器资源上限

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。

排查项五：工作负载的容器规格设置较小导致

工作负载的容器规格设置较小导致，若创建工作负载时，设置的限制资源少于实际所需资源，会导致启动容器失败。

排查项六：同一pod中container端口冲突导致

1. 登录异常工作负载所在的节点。
2. 查看工作负载实例非正常退出的容器ID。

   docker ps -a | grep $podName

3. 查看退出容器的错误日志。

   docker 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2 container冲突导致容器启动失败
   

解决方案：

重新创建工作负载，并配置正确的端口，确保端口不冲突。

排查项七：容器启动命令配置有误导致

错误信息如下图所示：

解决方案：

核查“工作负载详情>更新升级页签>高级配置>启动命令”中的信息，确保启动命令配置正确。

排查项八：JAVA探针的版本选择latest导致

K8S事件为Created container init-pinpoint

解决方案：

1. 在创建工作负载时，在“高级设置”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。

   

2. 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）。

排查项九：用户自身业务BUG

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。

1. 登录异常工作负载所在的节点。
2. 查看工作负载实例非正常退出的容器ID。

   docker ps -a | grep $podName

3. 查看退出容器的错误日志。

   docker logs $containerID

   注意：这里的containerID为已退出的容器的ID

   图3 容器启动命令配置不正确
   

   如上图所示，容器配置的启动命令不正确导致容器启动失败。其他错误请根据日志提示修复工作负载本身的BUG问题。

解决方案：

重新创建工作负载，并配置正确的启动命令。